그래프 기반 단백질 구조 모델링과 용해도 예측

초록

본 논문은 대장균 전단백질을 3차원 구조에서 그래프로 변환하고, 15가지 그래프 특성을 추출하여 용해도와의 관계를 분석한다. 프랙털 차원, 최단 경로·정점 차수 분포 등 순수 토폴로지와, 크기, 모듈러리티, 에너지 등 복합 특성을 결합한 벡터 표현을 이용해 회귀·분류 실험을 수행한다. 결과는 단백질 크기가 용해도 구분에 가장 큰 영향을 미치며, 일‑클래스 분류기를 통해 고용해성 단백질을 효과적으로 식별할 수 있음을 보여준다.

상세 분석

본 연구는 먼저 대장균(E. coli) 단백질 3173개 중 454개의 3차원 구조를 확보하고, 각 아미노산 잔기를 정점, 4~8 Å 거리 내에 있는 잔기쌍을 간선으로 하는 접촉 그래프(contact graph)를 구축하였다. 정점 라벨은 아미노산의 화학‑물리적 특성을 주성분 분석(PCA)으로 3차원으로 축소한 값이며, 간선 가중치는 실제 유클리드 거리이다. 이러한 그래프에 대해 두 차원의 프랙털 분석을 수행했는데, 용해도가 높은 단백질은 질량 프랙털 차원(MFD)이 약 3.2, 낮은 단백질은 2.6 정도로 차이를 보였으나 결정계수(R²)가 각각 0.4와 0.52에 불과해 단독 분류 지표로는 한계가 있었다.

다음으로 15가지 그래프 특성을 정의하였다. 기본적인 크기 지표인 정점 수(V), 간선 수(E), 사슬 수(C), 반경(RG)와 구형도(P) 외에, 모듈러티티(M), 평균 근접 중심성(ACC), 평균 차수 중심성(ADC), 평균 클러스터링 계수(ACL) 등 토폴로지 기반 지표와, 그래프 에너지(EN), 라플라시안 에너지(LEN), 열 트레이스(HT), 열 내용 불변량(HCI) 등 스펙트럼 기반 지표를 포함한다. 또한 불규칙성(A)과 마코프 체인의 정상분포 엔트로피(H)도 계산하였다.

통계 분석에서는 상관 행렬에 대한 주성분 분석(PCA)과 요인 분석을 수행했으며, 첫 번째 요인은 V, E, RG와 높은 적재값을 보이며 ‘단백질 크기’가 용해도에 가장 큰 영향을 미치는 주요 변수임을 확인했다. 두 번째 요인은 모듈러티티와 클러스터링 계수와 연관되어 구조적 복잡성을 반영한다. 비선형 관계를 탐색하기 위해 변수 간 상호정보량(MI)을 추정했으며, EN·LEN·HT·HCI와 같은 스펙트럼 기반 특성이 크기 변수와 부분적으로 독립적인 정보를 제공함을 확인하였다.

마지막으로 고용해성(77개)과 저용해성(377개) 단백질을 구분하기 위해 일‑클래스 분류(one‑class classification) 모델을 적용하였다. 여기서는 주로 고용해성 클래스를 ‘정상’으로 학습하고, 저용해성 샘플을 이상치로 판별하는 방식이다. 실험 결과, 단순 크기 기반 임계값보다 복합 특성 벡터를 이용한 일‑클래스 SVM(또는 SVDD) 모델이 높은 정밀도와 재현율을 달성했으며, 특히 모듈러티티와 열 트레이스가 분류 성능 향상에 기여함을 보였다.

전체적으로 이 논문은 단백질 구조를 그래프화하고, 토폴로지·스펙트럼·물리적 특성을 통합한 다차원 특성 공간을 구축함으로써 용해도 예측에 새로운 통찰을 제공한다. 특히 ‘크기’가 가장 강력한 선형 인자임을 재확인하면서도, 비선형 및 고차원 특성이 보완적인 역할을 함을 실증하였다. 이러한 접근은 향후 단백질 설계, 변이 효과 예측, 그리고 나노재료와의 크기‑특성 연계 연구에 활용될 가능성을 시사한다.