단백질 구조 빠른 정렬을 위한 CLePAPS와 컨포멀리티 문자

초록

CLePAPS는 단백질 구조를 문자열 형태의 ‘컨포멀리티 문자’로 변환하고, CLESUM 점수 행렬을 이용해 고점수 정렬 조각(AFP)을 빠르게 탐색한다. 동적 프로그래밍 없이 문자열 비교와 반복적인 ‘줌‑인’ 단계로 초기 정렬을 만든 뒤, 정밀한 재정렬을 수행한다. 실험 결과, 기존 방법에 비해 속도가 빠르고 정확도가 높으며 대용량 구조 데이터베이스에 적합함을 보였다.

상세 분석

CLePAPS는 기존 구조 정렬 알고리즘이 주로 3차원 좌표 기반의 동적 프로그래밍(DP)이나 거리 행렬 비교에 의존하는 점을 보완하고자, 단백질 사슬을 4개의 연속된 Cα 원자 사이의 세 각(ϕ, ψ, τ)으로 정의된 ‘컨포멀리티 문자(conformational letters)’로 이산화한다. 이때 각 문자(총 17종)는 사전 정의된 클러스터링을 통해 얻어지며, 서로 다른 문자 간 유사도는 대규모 구조 정렬 데이터베이스에서 추출한 빈도 기반 점수 행렬 CLESUM으로 정량화된다. CLESUM은 BLOSUM과 유사한 방식으로, 특정 문자쌍이 구조적으로 얼마나 자주 동시에 나타나는지를 반영한다.

정렬 과정은 먼저 두 구조를 문자 시퀀스로 변환한 뒤, 연속된 문자 구간(길이 L, 보통 8~12) 간의 CLESUM 점수 합이 사전 정의된 임계값을 초과하는 경우를 ‘정렬 조각(AFP, Aligned Fragment Pair)’으로 간주한다. AFP 탐색은 단순 문자열 슬라이딩과 해시 기반 매칭으로 구현되어, 복잡도가 O(N) 수준에 머문다. 각 AFP에 대해 최소 제곱법을 이용해 최적의 회전·이동 변환을 계산하고, 변환이 다른 AFP와 일관성을 보이면 초기 ‘시드 정렬(seed alignment)’을 구성한다.

시드 정렬을 바탕으로 CLePAPS는 ‘줌‑인’ 반복을 수행한다. 각 단계에서 현재 변환에 가장 부합하는 새로운 AFP를 추가하고, 전체 정렬에 대한 RMSD와 CLESUM 점수를 재계산한다. 이 과정은 정렬이 수렴할 때까지 진행되며, 최종 단계에서는 미세 조정을 위해 지역적인 좌표 최적화와 가변 길이 구간의 재배치를 수행한다.

알고리즘이 DP를 사용하지 않음에도 불구하고, CLESUM 점수를 기반으로 한 고점수 AFP가 구조적 보존 영역을 효과적으로 포착한다는 점이 핵심이다. 또한, 문자 기반 접근은 메모리 사용량을 크게 줄이고, 대규모 데이터베이스 검색에 적합하도록 설계되었다. 그러나 연속된 문자 구간에만 초점을 맞추기 때문에, 긴 삽입·삭제가 존재하는 경우 정렬 정확도가 떨어질 가능성이 있다. 또한, 이산화 과정에서 손실되는 미세한 각도 변동이 극히 작은 구조 차이를 구분하는 데 제한이 될 수 있다.

실험에서는 SCOP, CATH 등 다양한 벤치마크 세트에 대해 DALI, CE, TM‑align 등과 비교했으며, 평균 실행 시간이 5~10배 가량 빠른 반면, TM‑score와 RMSD 측면에서도 경쟁력 있는 결과를 보였다. 특히, 구조가 크게 변형된 원시 단백질 쌍이나 저해상도 모델에 대해서도 안정적인 정렬을 제공한다는 점이 강조된다. 전체적으로 CLePAPS는 속도와 정확도 사이의 균형을 잘 맞춘 새로운 구조 정렬 프레임워크로 평가된다.