원격 상동성 단백질 인식을 위한 공통 구조 프레임워크 기반 TOPO 방법

초록

TOPO는 원격 상동성 단백질군에서 보존되는 구조적 프레임워크를 추출하고, 이를 템플릿으로 활용해 기존 스레딩 기법보다 정확한 폴드 인식과 정렬을 제공한다. 선형 정수계획법으로 프레임워크를 정의하고, TreeThreader와 MODELLER, dDFIRE를 결합해 모델을 생성·평가한다. CASP11 이전 데이터셋에서 HHpred 등 기존 방법이 실패한 경우에도 TM-score 0.4 이상을 달성하였다.

상세 분석

본 논문은 원격 상동성 단백질(시퀀스 유사도가 낮지만 구조는 유사한 단백질) 사이에 존재하는 “공통 구조 프레임워크(common structural framework)”를 발견하고 이를 스레딩(threading) 과정에 적용함으로써 기존 방법의 한계를 극복하고자 한다. 기존 스레딩은 전체 템플릿 서열에 대해 프로파일-프로파일 매칭, 용매접근성, 접촉 확률 등을 이용해 정렬을 수행한다. 그러나 원격 상동성에서는 보존된 서열 신호가 희박해 전체 서열을 대상으로 정렬하면 변동성이 큰 비보존 영역이 정렬에 크게 기여해 오류가 발생한다. 저자들은 이러한 문제를 “보존된 구조적 모티프가 제한된 구간에 집중돼 있다”는 가정 하에, 먼저 각 템플릿의 동족 단백질군을 구조 정렬로 묶고, 이들 사이에서 고유한 구조·서열 보존 구간을 선형 정수계획법(ILP)으로 최적화한다.

ILP 모델은 두 가지 제약을 핵심으로 한다. 첫째, 각 단백질에서 동일한 번호(k)의 프레임워크 구간은 하나만 존재하도록 하는 ‘고유성’ 제약; 둘째, 구간 간 겹침이나 교차를 금지하는 ‘비중복’ 제약이다. 또한, 구간 내 서열 유사도는 사전 계산된 매트릭스 M을 이용해 최소 임계값 T 이상을 만족하도록 강제한다. 구조적 유사도는 Dscore(두 단백질의 Cα 거리 차이를 기반으로 한 유사도 지표)를 사용해 목표함수에 포함시켰으며, 이는 RMSD와 상관관계가 높아 실제 구조 보존을 정량화한다.

프레임워크가 도출되면, 전통적인 전체 템플릿 정렬 대신 이 프레임워크에 대해 쿼리 서열을 먼저 정렬한다. 이렇게 하면 변동성이 큰 비보존 영역이 초기 정렬에 미치는 영향을 최소화할 수 있다. 이후, 프레임워크 기반 정렬 결과를 바탕으로 전체 템플릿과의 정밀 정렬을 수행하고, MODELLER를 이용해 3차원 모델을 생성한다. 생성된 모델은 dDFIRE 에너지 함수를 통해 스코어링하고, 최종적으로 가장 낮은 에너지 모델을 선택한다.

실험에서는 PDB70(2021년 4월 기준)에서 27,000여 개 단백질을 대상으로 프레임워크 데이터베이스 TOPO를 구축하였다. 테스트 셋은 구조는 유사하지만 시퀀스 유사도가 낮은 142쌍을 선정했으며, 전통적 스레딩 도구인 HHpred이 TM-score 0.4 이하의 정렬만을 제공한 경우에 TOPO는 7쌍에서 TM-score >0.4, 45쌍에서 정확한 접촉 정보를 제공하는 등 현저히 높은 성능을 보였다. 특히 3dz1A‑1twdA 쌍에서는 HHpred이 0.22에 머물렀던 반면, TOPO는 0.43을 달성하였다.

이러한 결과는 원격 상동성 단백질에서도 제한된 구간에 집중된 보존 신호가 존재한다는 가설을 실증적으로 뒷받침한다. 프레임워크 기반 접근법은 전체 서열을 무조건적으로 매핑하는 전통적 스레딩의 약점을 보완하고, 구조 기반 정렬의 정확성을 크게 향상시킨다. 또한, ILP를 통한 프레임워크 탐색은 계산 비용이 비교적 높지만, 한 번 구축된 TOPO 데이터베이스를 활용하면 실제 스레딩 단계에서는 효율적으로 적용 가능하다. 향후 연구에서는 프레임워크 길이와 개수(m, n)의 최적화, 다중 프레임워크 조합, 그리고 딥러닝 기반 서열‑구조 매핑과의 하이브리드가 기대된다.