arXiv:2606.12991v1 cs.AI

APCyc: 자동 고리화를 통한 특성 기반 순환 펩타이드 설계

APCyc: Property-Informed Design of Cyclic Peptides via Automated Cyclization

Yifan Zhao, Lang Qin, Jintai Chen

제출 2026-06-11

한국어 초록

순환 펩타이드(cyclic peptides)는 현대 신약 개발에서 유망한 치료 화합물 계열로, 개선된 안정성과 결합 친화도를 제공하는 경우가 많다. 그러나 순환 펩타이드의 드노보(de novo) 설계는 약물 관련 특성을 동시에 제어하면서 포켓 적응형 고리화 패턴과 연결 부위를 식별해야 하기 때문에 여전히 어려운 과제다. 이러한 어려움은 주로 선형 펩타이드 데이터로 학습된 최근 생성 모델에서 특히 두드러지며, 해당 모델들은 고리화 특유의 제약 조건을 포착하지 못할 수 있다. 이러한 한계를 해결하기 위해 우리는 고리화를 명시적으로 모델링하고 여러 필수 물리화학적 특성을 공동 최적화하는 타겟 인식 드노보 순환 펩타이드 생성 프레임워크인 APCyc를 소개한다. 확장된 잔기 어휘와 고리화 부위 및 연결 유형 정보를 명시적으로 인코딩함으로써, APCyc는 고리화 인식 표현을 학습하고 베이지안 사후 가이던스(Bayesian posterior guidance)를 활용하여 여러 특성 목표를 만족하는 순환 펩타이드 방향으로 샘플링을 유도한다. 실험 결과, 우리 모델이 타겟 의존적 고리화 선호도를 학습하며 순환 펩타이드 설계에 있어 효과적이고 제어 가능한 다중 특성 최적화를 가능하게 함을 확인하였다. 본 논문의 소스 코드는 https://github.com/HKUSTGZ-ML4Health-Lab/APCyc 에서 제공된다.

원문 초록

Cyclic peptides represent a promising class of therapeutic compounds in modern drug discovery, often offering improved stability and binding affinity. However, the de novo design of cyclic peptides remains challenging because methods must identify pocket-adaptive cyclization patterns and linkage sites while simultaneously controlling drug-relevant properties. This challenge is particularly pronounced for recent generative models trained predominantly on linear peptide data, which may fail to capture cyclization-specific constraints. To address the limitation, we introduce APCyc, a target-aware de novo cyclic peptide generation framework that explicitly models cyclization and jointly optimizes multiple essential physicochemical properties. By using an expanded residue vocabulary and explicitly encoding cyclization-site and linkage-type information, APCyc learns cyclization-aware representations and leverages Bayesian posterior guidance to steer sampling toward cyclic peptides satisfying multiple property objectives. Experimental results demonstrate that our model learns target-dependent cyclization preferences, and enables effective and controllable multi-property optimization for cyclic peptide design. The source code of this paper is available at https://github.com/HKUSTGZ-ML4Health-Lab/APCyc.

요약

순환 펩타이드(cyclic peptides) 디노보 설계의 어려움을 해결하기 위해, 사이클화(cyclization)를 명시적으로 모델링하고 다중 물리화학적 특성을 공동 최적화하는 타겟 인식 생성 프레임워크인 APCyc를 제안합니다. 확장된 잔여 어휘와 베이지안 사후 가이던스를 활용하여 타겟 의존적 사이클화 선호도를 학습하고 효과적인 다중 속성 최적화를 달성했습니다.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2606.12991v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2508.13408v3cs.LG공통 태그 Drug Discovery, molecular generation

화학 언어 모델의 스케일링 한계에 대한 대규모 연구

A Large Scale Investigation of Scaling Limits in Chemical Language Models

화학 언어 모델(CLM)은 최근 모델(model) 규모, 연산량 및 데이터셋(dataset) 크기의 성장에 힘입어 신약 설계(de novo drug design)에 점점 더 많이 활용되고 있다. 그러나 설계 선택, 학습(training) 역학, 그리고 다운스트림 생성 품질 간의 관계는 여전히 잘 이해되지 않고 있다. 본 논문에서는 분자 표현(SMILES, SELFIES, SAFE), 토큰화(원자 수준 및 바이트 페어 인코딩), 모델 규모(0.5M~1B 매개변수), 누출이 통제된 데이터셋(MOSES, ChEMBL, PubChem, ZINC-22), 아키텍처(디코더 전용 및 인코더-디코더) 전반에 걸쳐 30,000회 이상의 실험으로 구성된 연산량 통제 CLM 스케일링(scaling) 연구를 제시한다. IsoFLOP 프로파일을 피팅하여 사전학습(pre-training) 손실(loss)의 명확한 스케일링 경향을 확립했으나, 이러한 개선이 목표 지향적 분자 설계에서의 상응하는 성능 향상으로 이어지지 않음을 확인했다. 층(layer)별 프로빙 및 희소 오토인코더 분석은 화학적 표현의 지속적인 발전을 보여준다. 즉, 화학적 구문은 조기에 포화되는 반면 의미론적 특성은 더 천천히 나타나며 추가적인 학습과 모델 규모 확장을 통해 점진적으로 접근 가능해진다. 이러한 표현적 이득은 평가된 프로토콜 및 오라클 예산 하에서 목표 지향적 생성의 개선세가 감소하는 현상과 공존한다. 본 연구를 통해 도출된 모델 제품군인 NovoMolGen은 최첨단(state-of-the-art) 결과를 달성하여, 신약 개발 작업 전반의 목표 지향적 분자 생성에서 기존 CLM 및 특화된 생성 모델을 능가한다. 이러한 발견은 화학적 표현 학습과 다운스트림 분자 설계 사이의 단절을 드러내며, 화학적 의미론을 보다 직접적으로 학습하는 사전학습 패러다임 개발의 필요성을 시사한다.

arXiv:2607.21634v1cs.LG공통 태그 Drug Discovery, molecular generation

MotifRole-Diff: 마스킹 분자 그래프 확산을 위한 위험 최적 역할 인식 손상

MotifRole-Diff: Risk-Optimal Role-Aware Corruption for Masked Molecular Graph Diffusion

분자 그래프 생성을 위한 마스킹 이산 확산(masked discrete diffusion)은 일반적으로 무손실 그래프-투-시퀀스(graph-to-sequence) 표현의 모든 토큰에 균일한 손상(corruption) 스케줄을 적용하며, 구조적으로 이질적인 분자 구성 요소를 재구성 난이도와 중요도가 동일한 것처럼 암묵적으로 취급한다. 그러나 서로 다른 분자 그래프 토큰 역할은 디노이징(denoising) 난이도와 디코딩된 분자에 미치는 영향에서 상당한 차이를 보이므로, 역할별 손상 전략이 필요하다. 본 논문은 MotifRole-Diff를 제안한다. 이는 경험적으로 측정된 디노이징 난이도와 그래프 수준 교란(perturbation) 영향에 따라 마스킹 비율을 할당하는 역할 인식 손상 과정으로, 모델 아키텍처, 깨끗한 시퀀스 공간, 무손실 분자 그래프 디코더는 그대로 유지한다. 우리는 스케줄 선택을 고정된 마스킹 예산을 토큰 역할 간에 위험 최적으로 할당하는 문제로 공식화한다. 우리의 정리는 모델링된 역할 가중 잔여 위험(role-weighted residual risk)에 대한 최적성을 특성화하며, 하류 생성 성능은 경험적으로 평가한다. 동일한 아키텍처, 학습 예산, 샘플링 연산량 하에서 MotifRole-Diff는 QM9에서 validity를 0.905에서 0.944로 향상시키고 FCD를 1.701에서 1.609로 감소시켰으며, MOSES에서는 validity를 0.920에서 0.938로 향상시키고 FCD를 2.125에서 1.850으로 감소시켰다. 역할별 진단은 분자 그래프 토큰 범주 전반에 걸친 재구성 개선을 추가로 보여준다. 종합하면, 이러한 동일 연산량 결과는 구조적으로 정보를 반영한 손상이 직렬화된 분자 그래프 확산에 있어 균일 스케줄보다 더 효과적인 마스킹 전략임을 시사한다.

arXiv:2607.20557v1cs.LG공통 태그 Drug Discovery, molecular generation

Monkey King Bang: 통합 과학 멀티모달 파운데이션 모델

Monkey King Bang: A Unified Scientific Multimodal Foundation Model

과학적 발견은 점점 고립된 학문 분야에서 다중 도메인 추론으로 이동하고 있으며, 과학을 위한 AI도 유사한 전환에 직면하고 있다. 기존 시스템은 개별 도메인에 특화되어 있거나, 주로 텍스트 토큰화(tokenization)와 프롬프트 기반 인터페이스를 통해 과학 데이터를 통합함으로써, 다양한 과학 입력을 처리하고, 모달리티 고유(modality-native) 출력을 생성하며, 과학 도메인 전반에 걸친 공동 이해, 추론, 생성을 지원하는 능력을 제한한다. 우리는 이해와 생성 모두를 위한 통합 과학 멀티모달 모델인 MKB를 소개한다. MKB는 공유 트랜스포머 백본과 모달리티 맞춤형(modality-tailored) 인코더, 어댑터, 디코더를 중심으로 구축되었다. MKB는 DNA, RNA, 단백질, 소분자, 지구과학, 의료 영상을 포함한 6개 과학 분야를 다루며, 생물학적 서열, 분자 문자열, 기상장(meteorological fields), 분할 마스크(segmentation masks)와 같은 고유 출력을 지원한다. 학습은 2단계 모달리티-후-언어 커리큘럼을 따른다: 1단계에서는 모달리티별 구성 요소를 고정된 백본과 정렬하고, 2단계에서는 혼합된 과학 및 일반 코퍼스를 사용하여 언어 백본과 통합한다. 실험 결과, MKB는 생물학 및 분자 벤치마크(benchmark) 전반에서 경쟁력 있는 과학적 이해를 달성하고, 날씨 예측, 생물학적 생성, 의료 영상 분할(image segmentation)에 대해 고충실도(high-fidelity) 고유 출력을 생성하며, Qwen3-VL 백본의 일반 역량을 대체로 유지한다. 이 결과는 제안된 패러다임의 타당성을 보여주며, 모달리티 맞춤형 구성 요소를 갖춘 공유 백본 모델이 향후 교차 도메인 과학 멀티모달 탐험(exploration)을 위한 유망한 기반을 제공할 수 있음을 시사한다. 모델과 코드는 https://github.com/Shanghai-Academy-of-AI-For-Science/MKB 및 https://huggingface.co/sais-org/MKB에서 공개적으로 이용할 수 있다.

arXiv:2607.21561v1cs.LG공통 태그 Drug Discovery, cyclic peptides

순환 펩타이드 앙상블에 대한 그래프 학습: 분자 앙상블 모델링 연구

Graph Learning on Ensembles of Cyclic Peptides: An Investigation of Molecular Ensemble Modeling

구조로부터 분자 특성을 예측할 때, 용액 속에서 많은 분자가 conformational ensemble(구조 앙상블)로 존재함에도 불구하고 종종 단일 대표 conformation(구조)을 사용한다. 본 연구는 EnsembleEGNN을 제안한다. 이는 분자 앙상블 기초 모델로, 먼저 공유된 Equivariant Graph Neural Network(EGNN) 레이어로 각 컨포머(conformer)를 인코딩한 다음, Set Attention Block으로 결과 컨포머 표현을 풀링하여 앙상블을 인코딩한다. CREMP(순환 펩타이드 앙상블 데이터셋)에서 마스크된 토큰 복원, 노이즈 좌표 재구성, 쌍별 거리 재구성을 결합한 다중 과제 자기지도 목적 함수를 사용하여 모델을 사전학습한다. CREMP-CycPeptMPDB 데이터셋에서 EnsembleEGNN을 처음부터 학습하면 완전히 실패한다($R^2=0.005$). 그러나 사전학습된 모델은 $R^2=0.477$ 및 Pearson $r=0.699$에 도달하여, 서열 전용 BERT 기준선($R^2=0.439$, Pearson $r=0.667$)을 능가한다. EnsembleEGNN이 BERT 서열 인코더와 end-to-end로 공동 학습되면, 하이브리드 모델은 $R^2=0.538$ 및 Pearson $r=0.737$로 더욱 향상된다. 이 결과는 conformational ensemble을 단일 열역학적으로 정보화된 임베딩으로 인코딩하면 순환 펩타이드 특성 예측이 향상됨을 보여준다.

arXiv:2607.13155v1cs.LG공통 태그 Drug Discovery, molecular generation

HEDGEHOG: 엄격한 여과를 통한 약물 생성기의 계층적 평가

HEDGEHOG: Hierarchical Evaluation of Drug Generators Through Rigorous Filtration

생성 분자 모델은 de novo 방식으로 새로운 후보 화합물을 제안함으로써 초기 약물 발견을 지원할 수 있다. 실제로 유용한 후보는 표적 관련 활성, 합성 접근성, 물리화학적 특성 및 기타 다중 매개변수 설계 제약을 균형 있게 만족해야 한다. 그러나 분자 생성기를 평가하는 데 일반적으로 사용되는 지표는 생성된 화합물이 의약적으로 타당하고 하류 계산에 적합한지를 약하게만 반영한다. 이는 모델 평가에서 위양성, 잘못된 가정, 그리고 계산 자원의 비효율적 사용을 초래할 수 있다. 우리는 산업적 hit identification 워크플로에 영감을 받은 통합 6단계 여과 벤치마크인 HEDGEHOG를 제안한다: (i) 전처리; (ii) 물리화학적 descriptor 스크리닝; (iii) structural alerts 및 그래프 무결성 검사; (iv) 합성 가능성; (v) 도킹(docking) 및 결합 친화도(binding affinity) 추정; (vi) 3차원 포즈(pose) 및 상호작용 검사. 표준화된 프로토콜 하에서 세 가지 모델 클래스에 걸친 23개의 분자 생성기를 평가한다. 230,000개의 생성 분자 중 초기 분자의 0.65%만이 모든 단계를 통과한다. 우리 결과는 현재 분자 생성기의 핵심 한계를 드러낸다: 개별 기준에서는 허용 가능해 보이는 분자가 의약화학, 합성, 도킹, 3D 포즈 필터를 동시에 만족하는 경우는 드물다.

arXiv:2607.12349v1cs.LG공통 태그 Drug Discovery, molecular generation

포켓 조건부 확산 및 속성 인식 최적화를 통한 개발 가능한 3D 분자 생성

Generating Developable 3D Molecules via Pocket-Conditioned Diffusion and Property-Aware Optimization

약물 발견 및 개발은 시간과 자원이 많이 소요되어, 최초 약물 설계(de novo drug design)를 위한 확산 모델(diffusion model)과 같은 계산적 접근법을 촉진한다. 이러한 모델 중 많은 것이 구조 기반 약물 설계(SBDD) 패러다임을 따르며, 표적 결합 포켓에 맞는 분자를 생성한다. 그러나 기존 확산 기반 SBDD 방법은 일반적으로 포켓과 리간드 표현 학습을 결합하고, 상호작용을 원자 수준에서만 모델링하며, 다른 개발 가능성(developability) 속성보다 결합 친화도(binding affinity)를 우선시한다. 여기서 우리는 강한 결합 친화도와 유리한 ADMET 속성을 갖는 리간드를 생성하기 위한 조건부 확산 기반 SBDD 프레임워크인 conDitar-dev를 제안한다. 이는 세 가지 모듈로 구성된다: 사전학습된 다중 스케일 포켓 표현 학습 모듈인 msPRL, msPRL 표현에 의해 안내되는 포켓 조건부 확산 모델인 conDitar, 그리고 리간드 개발 가능성을 최적화하는 생성 시점 방법인 paOPT이다. 새롭게 구축한 인간 질병 표적 벤치마크에서 conDitar는 최신 SBDD 기준선을 능가하며, 평균 결합 점수 -8.85 kcal/mol을 달성한다. 5가지 ADMET 속성에 걸쳐, conDitar-dev는 conDitar 대비 최대 73%까지 성능을 향상시킨다. conDitar-dev가 개발 가능한 분자를 생성하는 능력을 추가로 검증하기 위해, 우리는 이를 두 가지 검증된 약물화 가능(druggable) 표적인 프로그램된 세포 사멸 리간드 1(PD-L1) 및 콜로니 자극 인자 1 수용체(CSF1R) 단백질에 적용하였다. 상위 순위의 생성적으로 설계된 분자와 그 유사체는 실험적으로 합성되고 생물학적으로 검증되었다. PD-L1을 위해 conDitar-dev가 직접 생성한 두 분자는 각각 SPR로부터 도출된 $K_D$ 값이 3.49 및 3.75 $μ$M이었다. conDitar-dev로 설계된 분자를 기반으로 한 히트 확장(hit expansion)은 IC$_{50}$ 값이 최저 200 nM인 선택적 CSF1R 억제제를 확인하였으며, 약물 재창출(drug repositioning)의 기회도 발견하였다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.