arXiv:2610.13917v1 cs.LG

자연어로부터 단백질 구조 설계

Designing Protein Structures from Natural Language

Joseph Lee, Yanjing Li, Bo Qiang, Gregory Lau, Allyson Ettinger, Noah A. Smith, Rory Donovan-Maiye, David Baker, Hanna Hajishirzi, Pang Wei Koh

제출 2026-10-09

저자 비고

arXiv Comments

53 pages, 9 figures. Code, data, and model weights: https://github.com/jleechung/prompteina

한국어 초록

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.

원문 초록

A central challenge in de novo protein design is generating proteins with desired structural and functional properties. Existing design models typically require a dedicated input representation for each property, limiting the design objectives they support. We develop Prompteina, the first all-atom structure generation model that supports new and broader design objectives specified in natural language, analogous to text-to-image generation. To train Prompteina, we construct Prompteina-Data, a paired text--protein structure dataset of 1.8M structures and 50M+ captions describing global and residue-specific structural and functional properties. We adapt Proteina-Complexa, a pretrained structure generation model, through text-conditioned pretraining and finetuning that aligns residues with their corresponding text. Prompteina outperforms baselines on 15 of 18 structural properties and generates proteins that more closely match descriptions of their intended functions. In binder design, it leads baselines on at least 13 of 20 targets and improves interface confidence by 14\% over the strongest baseline. With iterative in silico feedback, Prompteina's gain over non-iterative generation is 57\% larger than the next-best baseline on the hardest targets. Finally, we experimentally validate Prompteina designs against GM2A, a target with no reported de novo binders. We identify nine binders, with the strongest at an apparent $K_{\mathrm{D}}$ of 107 nM. These results establish natural language as an effective and powerful conditioning interface for protein structure generation.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2610.13917v1

함께 살펴볼 논문

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

arXiv:2610.13844v1cs.LG공통 태그 Drug Discovery, Protein Design

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.

arXiv:2606.27824v3cs.LG공통 태그 Drug Discovery, Protein Design

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.

arXiv:2605.21600v2cs.LG공통 태그 Drug Discovery, Protein Design

ConTact: 명시적 인터페이스 추론을 통한 접촉 우선 항체 CDR 설계

ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning

계산 항체 CDR 설계 방법들은 결합 루프를 생성하기 위해 항원(antigen) 구조를 조건으로 한다. 그러나 기존 아키텍처는 근본적으로 구별되는 두 하위 문제를 혼동한다: 어떤 CDR 위치가 항원과 접촉할지 식별하는 문제와 해당 위치에서 아미노산을 선택하는 문제. 이는 모델이 균일한 메시지 패싱(message passing)을 통해 접촉 추론을 암묵적으로 학습하도록 강제하며, 모든 위치에 걸쳐 항원 신호를 동등하게 희석시킨다. 우리는 CDR 설계를 세 가지 연쇄 단계로 명시적으로 분해하는 접촉 후 행동(contact-then-act) 아키텍처인 ConTact를 제안한다: 표면 상보성 지문(surface complementarity fingerprints) 학습, CDR-항원 접촉 예측, 접촉 게이트(contact-gated) 항원 특징을 예측 헤드(prediction head)에 주입. 거리 편향(distance-biased) 교차 어텐션 모듈은 공간적 이웃을 선호하는 기하학적 사전 지식을 인코딩하고, 접촉 가중(contact-weighted) 교차 엔트로피 손실은 결합에 중요한 위치에 그래디언트 신호를 집중시킨다. CHIMERA-Bench 데이터셋에서 ConTact는 모든 분할(split)에서 최저 backbone RMSD를 달성하며(최고 기준선 대비 5~6% 개선), 항원-접힘(antigen-fold) 및 시간적(temporal) 분할에서 네이티브 접촉 비율, 인터페이스 RMSD, epitope F1에서 최고 성능을 기록하는 한편, 더 어려운 epitope-group 분할에서도 경쟁력을 유지한다. 소스 코드는 https://github.com/mansoor181/ConTact.git 에서 이용 가능하다.

arXiv:2606.11243v1cs.LG공통 태그 Drug Discovery, Protein Design

ProHiFlo: De Novo 단백질 생성을 위한 기능적 가이던스를 활용한 계층적 흐름 매칭

ProHiFlo: Hierarchical Flow Matching with Functional Guidance for De Novo Protein Generation

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.

arXiv:2606.11651v1cs.LG공통 태그 Drug Discovery, Protein Design

DeepRHP: 단백질 모방체로서 무작위 이종중합체 설계를 위한 하이브리드 변이형 오토인코더

DeepRHP: A Hybrid Variational Autoencoder for Designing Random Heteropolymers as Protein Mimics

미리 정의된 단량체 집합으로 구성된 합성 무작위 이종중합체(RHPs)는 단백질 유사 물질 설계에 대한 접근 방식을 제공합니다. 적절하게 설계된 경우 이러한 RHP는 단백질 거동과 기능을 모방할 수 있습니다. 따라서 RHP 설계를 효율적으로 안내할 계산 도구가 필요합니다. 우리는 준지도 학습 프레임워크 하에서 수정된 변이형 오토인코더(VAE) 모델인 DeepRHP를 개발하여 이러한 격차를 해소합니다. DeepRHP는 고전적 VAE에 추가적인 특징(feature) 기반 VAE를 장착하여 잠재 공간이 중요한 화학적 특징의 구조와 개별 RHP 시퀀스 패턴을 모두 포착하도록 강제합니다. 이러한 의미에서 우리의 방법은 관련된 모든 특징이 하이브리드 방식으로 통합될 수 있도록 허용하므로 유연합니다. 우리는 비천연 환경에서 막 단백질(예: Aquaporin Z)을 안정화하는 잠재적인 단량체 조성을 제안하고 기존 연구 결과와 교차 검증을 수행함으로써 DeepRHP의 효과를 입증합니다. 우리 모델과 실제 RHP 기능 간의 일치성은 단백질 및 기타 생물학적 화합물에 대한 RHP 설계를 안내하기 위해 하이브리드 오토인코더 아키텍처를 활용할 수 있는 강력한 잠재력을 시사합니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.