생체분자 조각을 위한 차세대 양자 데이터베이스 QCell 발표

초록

QCell은 탄수화물, 핵산, 지질, 이온 클러스터 등 네 종류의 생체분자 조각 525 천 개를 PBE0+MBD(-NL) 수준의 하이브리드 DFT로 계산한 대규모 QM 데이터셋이다. 기존 QM7‑X·QCML·GEMS 등과 결합하면 총 4 천 만 개가 넘는 고품질 데이터가 확보돼, 작은 분자와 단백질을 넘어 복잡한 세포 내 상호작용을 정확히 모델링할 수 있는 머신러닝 포스필드(MLFF) 개발에 필수적인 기반을 제공한다.

상세 분석

본 논문은 현재 MLFF 연구에서 가장 큰 병목 중 하나인 “생체분자 전반을 포괄하는 고품질 QM 데이터 부족” 문제를 정확히 짚어낸다. 기존 데이터베이스는 주로 소분자(예: QM9, ANI‑1)와 단백질 파편(GEMS, SPICE) 위주였으며, 세포 내 질량의 약 40 %를 차지하는 핵산·지질·탄수화물 영역은 거의 커버되지 않았다. QCell은 이러한 격차를 메우기 위해 2 ~ 402 원자 규모의 조각을 선정하고, (1) 빌딩 블록 라이브러리 구축, (2) MD·CREST 기반 광범위 컨포메이션 샘플링, (3) 대표 프래그먼트 추출, (4) DFTB+MBD 사전 최적화, (5) PBE0+MBD(-NL) 정밀 계산이라는 5단계 워크플로우를 적용했다. 특히 PBE0+MBD(-NL)는 비경험적 하이브리드 함수와 다체 분산 보정을 결합해, 비공유 상호작용(π‑π, 스테롤‑지질, 당‑단백질 결합 등)을 신뢰성 있게 기술한다.

데이터 구성은 다음과 같다. DNA·RNA 트리머와 이중 나선 조각(5 k–9 k개), POPC·POPE·POPG·POPS 및 콜레스테롤 포함 막 파편(≈12 k개), 52종 단당류 기반 이당류·당‑펩타이드 결합(≈74 k개), 다양한 이온·수분 클러스터(≈30 k개), 그리고 기존 DES370K 데이터와 연계한 370 k개의 비공유 다이머가 포함된다. 원소는 H, C, N, O, P, S와 Na⁺, K⁺, Cl⁻, Mg²⁺, Ca²⁺까지 20종을 포괄한다. 전체 QCell은 525 k개의 새로운 계산을 제공하고, 기존 40 M 데이터와 합쳐 41 M 이상의 엔트리를 형성한다.

기술적 강점은 두드러진다. 첫째, 동일한 PBE0+MBD(-NL) 레벨을 모든 데이터에 일관되게 적용함으로써 서로 다른 데이터베이스 간의 직접적인 통합이 가능하다. 둘째, 프래그먼트 선택 시 “생물학적 모티프”(예: DNA 베이스 스태킹, 지질 꼬리 상호작용, 당‑글리코실화 결합)를 우선시해, 실제 생체 시스템에서 중요한 비공유 상호작용을 고밀도로 샘플링한다. 셋째, DFTB+MBD 사전 최적화를 통해 고비용 QM 계산 전 구조 충돌을 최소화함으로써 계산 효율성을 크게 향상시켰다.

이러한 데이터는 차세대 MLFF, 특히 물막·핵산·당 인식·이온 수송 메커니즘을 다루는 모델에 필수적인 훈련·검증 샘플을 제공한다. 기존 MLFF이 단백질·소분자에 국한됐던 한계를 넘어, 복합적인 세포 내 환경을 정밀하게 재현할 수 있는 기반을 마련한다는 점에서 학계·산업계 모두 큰 파급 효과를 기대한다.