ProHiFlo: De Novo 단백질 생성을 위한 기능적 가이던스를 활용한 계층적 흐름 매칭
ProHiFlo: Hierarchical Flow Matching with Functional Guidance for De Novo Protein Generation
한국어 초록
De novo 단백질 생성은 치료제 설계, 효소 공학, 합성 생물학 분야에서 변혁적인 잠재력을 가지고 있습니다. 확산 기반 및 흐름 매칭 접근법은 진전을 이루었으나, 일반적으로 단일 해상도로 작동하며 기능적 제약 조건을 통합할 수 있는 메커니즘이 부족합니다. 본 연구에서는 세 가지 혁신을 포함하는 계층적 흐름 매칭 프레임워크인 ProHiFlo를 소개합니다: (1) 전원자(all-atom) 좌표로 정제하기 전에 백본(backbone) 기하학을 모델링하여 정확도를 유지하면서 계산 비용을 절감하는 Coarse-to-fine 생성, (2) 재학습 없이 사전학습된 예측기를 활용하여 생성 과정을 원하는 속성으로 유도하는 기능적 가이던스, (3) 효율적인 다중 스케일 처리를 위한 적응형 SE(3)-등변(equivariant) 아키텍처입니다. 무조건 생성, 모티프 스캐폴딩(motif scaffolding), 기능적 설계에 대한 실험 결과, 4단계 더 적은 샘플링 단계만으로도 최첨단(state-of-the-art) 성능을 달성함을 입증했습니다. 효소 활성 부위 스캐폴딩 작업에서 ProHiFlo는 RFDiffusion의 41.2% 대비 58.9%의 성공률을 기록했습니다.
원문 초록
De novo protein generation has transformative potential in therapeutic design, enzyme engineering, and synthetic biology. While diffusion-based and flow matching approaches have achieved progress, they typically operate at single resolution and lack mechanisms for incorporating functional constraints. We introduce ProHiFlo, a hierarchical flow matching framework with three innovations: (1) coarse-to-fine generation that models backbone geometry before refining to all-atom coordinates, reducing computational cost while maintaining accuracy; (2) functional guidance leveraging pretrained predictors to steer generation toward desired properties without retraining; (3) adaptive SE(3)-equivariant architecture for efficient multi-scale processing. Experiments on unconditional generation, motif scaffolding, and functional design demonstrate state-ofthe-art performance while requiring 4 fewer sampling steps. On enzyme active site scaffolding, ProHiFlo achieves 58.9% success rate compared to 41.2% for RFDiffusion.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2606.11243v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
Emyx: 빠르고 효율적인 전원자 단백질 생성
Emyx: Fast and efficient all-atom protein generation
컴퓨터 효소 설계는 촉매 잔기와 리간드를 지지하는 단백질을 생성하는 것을 필요로 하며, 이는 기저 생성 모델(generative model)에 기하학적 정확도와 구조적 다양성을 모두 요구하는 작업입니다. 현재의 전원자 생성 모델은 구조 예측으로부터 비용이 많이 드는 아키텍처를 물려받아, 높은 학습(training) 비용과 제한된 샘플 다양성을 초래합니다. 우리는 이러한 복잡성의 대부분이 생성 모델에는 불필요하다고 주장하는데, 이는 생성 모델이 풍부한 공진화 신호보다는 희소 기하학적 제약 조건을 조건으로 하기 때문입니다. Emyx는 1억 4000만 매개변수(parameter)를 가진 조건부 플로우 매칭 모델로, 무거운 임베딩(embedding) 스택을 가벼운 조건부 표현과 희소 연결성으로 대체하여 표준 트랜스포머(transformer) 블록 내에 용량을 집중시킵니다. 또한, 우리는 플로우 매칭 보간자의 EDM 노이즈 수준 프레임워크로의 정확한 재매개변화를 유도하여, 재학습 없이 디퓨전 모델(diffusion model)을 위해 설계된 최첨단 샘플링 방법과 플로우 매칭 학습 효율성을 연결합니다. 가장 작은 모델(model)임에도 불구하고, Emyx는 AME 효소 설계 벤치마크(benchmark)에서 Proteína-Complexa와 RFdiffusion3 모두를 상회하며, 전역 폴드 복원 및 촉매 기하학 정확도, 구조적 참신성, 비계(scaffold) 다양성, 기하학적 타당성을 모두 요구하는 엄격한 평가 기준에 따른 성공률 측면에서 더 높은 성능을 보였습니다. 학습은 단 682 GPU 시간이 소요되었으며, 이는 RFdiffusion3보다 약 4배 적은 수준입니다.
SinAE: 교차 도메인 원자계를 위한 단일 아키텍처 플로우 매칭 오토인코더
SinAE: A Single-Architecture Flow-Matching Autoencoder for Cross-Domain Atomic Systems
소분자, 결정체, 단백질은 모두 3차원 공간의 원자로 환원되지만, 생성 파이프라인은 여전히 도메인별로 분절되어 있으며 각각 고유한 그래프, 등변(equivariant), 또는 프레임 기반 아키텍처를 사용한다. 교차 도메인 학습은 도메인별 데이터 부족을 완화할 수 있지만, 3차원 좌표 공간에서의 직접 생성은 세 도메인 모두의 이질적인 구조적 사전지식을 쉽게 다루기 어렵고, 기존 잠재 오토인코더 중 무손실이면서 세 도메인 모두에 걸쳐 아키텍처적으로 일반적인 것은 없다. 우리는 분자, 결정체, 단백질을 위한 단일 아키텍처 플로우 매칭 오토인코더인 SinAE를 제안하며, 이는 바닐라 트랜스포머 인코더와 디코더를 사용하고 등변, 그래프, 또는 도메인 특화 연산자를 포함하지 않는다. 인코더가 세밀한 기하를 포착하도록 요구하는 대신, SinAE는 재구성 부담을 반복적 플로우 매칭 디코더로 옮겨 도메인 전반에 걸쳐 거의 무손실 재구성을 달성하고, 기존 잠재 베이스라인 대비 재구성 오차를 여러 차수에 걸쳐 감소시킨다. 동일한 토큰별 잠재는 표준 Diffusion Transformer 사전 모델을 지원하며, 이는 분자, 결정체, 단백질 생성 벤치마크에서 강력한 성능을 달성한다. 분자-결정체 공동 학습은 두 도메인 모두를 뚜렷이 개선하여, 공유 원자 잠재를 통한 교차 도메인 전이의 직접적 증거를 제공한다. 코드는 https://github.com/BlueWhaleLab/SinAE 에서 이용할 수 있다.
샘플 효율적인 데 노보 나노바디 설계를 위한 스캐폴드 및 에피토프 간 추론 시점 스티어링
Inference-Time Steering Across Scaffolds and Epitopes for Sample-Efficient De Novo Nanobody Design
생성형 분자 설계는 일반적으로 과잉 생성(over-generation)과 사후 필터링에 의존합니다. 파인만-카츠(Feynman-Kac, FK) 스티어링과 같은 추론 시점(inference-time) 스티어링 기법은 궤적을 높은 보상(reward)의 후보군으로 유도하여 효율성을 개선하지만, 단일 고정 구성 내에서만 최적화를 수행합니다. 데 노보(de novo) 나노바디 설계에서는 스캐폴드(scaffold) 종류나 표적 에피토프(epitope)와 같은 조건 설정을 사전에 확정하는 것이 병목을 유발합니다. 이러한 조건에 따라 수율이 달라지기 때문에, 유망하지 않은 설정을 스티어링하는 것은 계산 자원을 낭비하게 됩니다. 본 연구에서는 생성 조건 선택을 추론 시점 자원 할당 문제로 재구성합니다. 이에 따라 두 가지 동적 예산 할당기를 제안합니다. 구성 전반에 걸쳐 스티어링과 연산 할당을 동시에 수행하는 통합 글로벌 순차 몬테카를로(Global SMC) 정식화와, 배치 연속 제거(BaSE)를 적용한 분리형 접근법입니다. 실증적으로 이러한 동적 할당기는 서로 다른 치료 표적 및 생성 구성에 걸쳐 다양성을 희생하지 않으면서도 GPU 시간당 설계 가능한 후보군의 수율을 약 5배 향상시킵니다.
자연어로부터 단백질 구조 설계
Designing Protein Structures from Natural Language
데노보(de novo) 단백질 설계에서 핵심적인 과제는 원하는 구조적, 기능적 특성을 가진 단백질을 생성하는 것이다. 기존 설계 모델들은 일반적으로 각 특성마다 전용 입력 표현을 필요로 하여, 지원할 수 있는 설계 목표가 제한된다. 우리는 텍스트-이미지 생성(text-to-image generation)과 유사하게, 자연어로 지정된 새롭고 더 광범위한 설계 목표를 지원하는 최초의 전원자(all-atom) 구조 생성 모델인 Prompteina를 개발한다. Prompteina를 학습시키기 위해, 우리는 전역적 및 잔기(residue) 단위의 구조적·기능적 특성을 설명하는 180만 개의 구조와 5000만 개 이상의 캡션으로 구성된 텍스트-단백질 구조 쌍 데이터셋인 Prompteina-Data를 구축한다. 우리는 사전학습된 구조 생성 모델인 Proteina-Complexa를, 텍스트 조건부 사전학습과 잔기를 해당 텍스트에 맞추는 파인튜닝을 통해 적응시킨다. Prompteina는 18개의 구조적 특성 중 15개에서 기준선(baseline)을 능가하며, 의도된 기능에 대한 설명과 더 밀접하게 일치하는 단백질을 생성한다. 바인더(binder) 설계에서는 20개 표적 중 최소 13개에서 기준선을 앞서며, 가장 강력한 기준선보다 인터페이스 신뢰도(interface confidence)를 14% 향상시킨다. 반복적인 인실리코(in silico) 피드백을 사용할 경우, 가장 어려운 표적들에서 Prompteina가 비반복적 생성 대비 얻는 성능 향상은 차선의 기준선보다 57% 더 크다. 마지막으로, 우리는 보고된 데노보 바인더가 없는 표적인 GM2A에 대해 Prompteina의 설계를 실험적으로 검증한다. 우리는 9개의 바인더를 확인했으며, 가장 강력한 바인더는 겉보기(apparent) $K_{\mathrm{D}}$ 107 nM를 나타낸다. 이러한 결과는 자연어가 단백질 구조 생성을 위한 효과적이고 강력한 조건화 인터페이스(conditioning interface)임을 입증한다.
PerturbCellRL: 사후 학습 섭동 생성기를 통한 분포 정렬 및 생물학적 그라운딩
PerturbCellRL: Aligning Distributions and Grounding Biology via Post-Training Perturbation Generators
단일 세포 섭동(single-cell perturbation) 모델은 세포가 개입에 전사체 수준에서 어떻게 반응하는지 예측함으로써 비용이 많이 드는 습식 실험 스크리닝을 줄일 수 있습니다. 최근 플로우 매칭(flow-matching)의 발전으로 세포 반응의 집단 수준 예측이 가능해졌습니다. 그러나 플로우 매칭 학습(training)은 동일한 모델(model) 패밀리 내에서도 특정 타깃 분포를 복원하지 못할 수 있어 세포 이질성을 포착하는 능력이 제한됩니다. 본 연구에서는 먼저 사후 학습(post-training)이 이러한 분포를 복원할 수 있음을 증명한 후, 세포별 보상(reward)을 사용하여 단일 세포 섭동 생성기를 사후 학습하는 강화학습(reinforcement learning) 프레임워크인 PerturbCellRL을 소개합니다. 핵심 구성 요소는 집단 수준의 불일치를 세포별 피드백으로 변환하는 유전자 발현 에너지 위트니스(energy witness)입니다. 나아가 이 보상의 정책 그래디언트(policy gradient)가 더 나은 분포 정렬(distributional alignment)을 향한다는 점을 증명합니다. 실제 세포를 기반으로 보정된 두 가지 상호 보완적 보상은 비전형적인 발현 프로필과 섭동에 대한 불충분한 경로 수준 반응에 페널티를 부여합니다. 유전적 및 화학적 섭동 벤치마크 전반에서 PerturbCellRL은 분포 정렬을 크게 개선하고 경로 농축 패턴을 더욱 충실하게 복원합니다. 이러한 결과는 보상 기반 사후 학습이 섭동 예측에서 분포 정확도와 생물학적 충실도를 모두 향상시키는 효과적인 전략임을 입증합니다.
Pepti-drift: 추론 시점 가이던스 없는 확장 가능한 안전-활성 펩타이드 생성
Pepti-drift: Scalable Safe-Active Peptide Generation Without Inference-Time Guidance
치료용 펩타이드는 유망한 신약 모달리티이지만, 이를 생성하기 위해서는 여러 치료적 제약 조건을 충족해야 합니다. 본 연구에서는 동일하게 생성된 후보군에 대해 표적 결합력과 4가지 주요 안전성 지표를 공동으로 평가하는 고정 예산 벤치마크인 BindSafe-PepBench를 소개합니다. 우리는 펩타이드 길이가 결합력-안전성 공동 평가의 주요 교란 변수임을 밝혀냈습니다. 길이가 긴 펩타이드는 예측된 결합력은 강해지는 경향이 있지만 예측된 안전성은 덜 유리해집니다. 이는 겉보기 트레이드오프를 생성하며, 서로 다른 출력 길이 분포를 가진 모델 간 비교에서 바이어스를 유발할 수 있습니다. 우리는 출력 길이 효과와 생성적 개선을 구별하기 위해 절대적인 안전-활성(Safe-Active) 수율 및 정확한 길이 일치 이득을 보고합니다. 높은 안전-활성 수율을 달성하는 것은 여전히 어려운 과제이며, 가장 강력한 다중 특성 방법들은 비용이 많이 드는 추론 시점 가이던스에 의존합니다. 이에 따라 본 연구에서는 추론 시점 가이던스 없이 단일 잠재 정제 후 병렬 디코딩을 수행하며, 표적 특이적 결합체로의 끌림과 위험성 관련 영역으로부터의 반발을 통합하는 단일 단계 생성 프레임워크인 Pepti-drift를 제안합니다. 88개의 홀드아웃 표적 전반에 걸쳐 Pepti-drift는 18.37%의 예측 안전-활성 수율을 달성하면서 양의 정확한 길이 일치 이득을 유지했습니다. 결과적인 이득은 다중 특성 가이던스 기반 베이스라인과 경쟁력이 있으면서도 생성 비용을 468배 낮춰, 확장 가능하고 공정한 고처리량 펩타이드 설계를 가능하게 합니다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.