다중체 상호작용을 활용한 질량 스펙트럼 기반 분자 생성 모델 MBGen

초록

MBGen은 질량 스펙트럼(MS/MS) 데이터를 조건으로 삼아, 화학 결합을 중심으로 한 그래프 디퓨전 모델에 다중체(attention) 메커니즘을 결합한 새로운 분자 생성 프레임워크이다. 기존의 원자‑중심·쌍(pairwise) 방식이 놓치기 쉬운 다중 결합 파괴와 비국소 파편화 정보를 효과적으로 포착해, 특히 구조 이성질체 구분에서 230% 수준의 성능 향상을 달성하였다.

상세 분석

본 논문은 질량 스펙트럼이 단순히 개별 결합 파괴가 아니라 여러 원자·결합이 동시에 끊어지는 고차 상호작용을 내포한다는 점에 주목한다. 기존 연구들은 주로 원자‑중심 토큰화와 그래프 신경망(GNN) 기반의 쌍(pairwise) 상호작용에 의존해, 결합의 연결성 및 다중 결합 파괴 패턴을 충분히 모델링하지 못했다. MBGen은 이러한 한계를 극복하기 위해 두 가지 핵심 설계를 도입한다.

첫째, 엣지‑센트릭(edge‑centric) 메시지 패싱을 채택한다. 노드(원자) 임베딩을 초기화한 뒤, 각 원자 쌍(i, j)에 대해 EdgeEmb 함수를 통해 결합 특성을 직접 생성한다. 이후 노드‑엣지 상호작용 레이어에서 전역 스펙트럼 임베딩 y를 FiLM 방식으로 조절하며, α‑attention을 통해 노드와 엣지 정보를 결합한다. 이 과정은 결합 형성·파괴가 스펙트럼에 미치는 직접적인 영향을 반영한다는 점에서 화학적 직관과 일치한다.

둘째, 다중체 어텐션(many‑body attention) 모듈을 삽입한다. 기존 트랜스포머가 쌍(pair) 간 상호작용만을 고려한다면, 본 모듈은 삼중항(i, j, k) 혹은 그 이상의 고차 관계를 학습한다. 구체적으로, 목표 엣지 (i, j)의 업데이트 시 이웃 엣지 (j, k)와 (i, k)의 값(v)과 키(k)를 이용해 가중합을 수행하고, 해당 가중치는 쿼리(q)·키(k) 스코어와 바이어스·게이트(b, g)를 통해 조정된다. 이렇게 하면 “j를 거치지 않고도 (i, k)와 (j, k)의 상호작용이 (i, j)에 전달”되는 효과가 생겨, 전통적인 메시지 전달 병목을 완화하고 고차 화학 구조를 더 풍부히 표현한다.

학습 절차는 세 단계로 구성된다. ① 스펙트럼 인코더는 사전학습된 MIST Formula Transformer를 사용해 피크와 포뮬러를 Set Transformer로 인코딩, 전역 피처 y를 생성한다. ② 그래프 디코더는 위에서 설명한 엣지‑센트릭 + 다중체 어텐션 구조로 사전학습돼, 노이즈가 섞인 그래프를 점진적으로 정제한다. ③ 최종적으로 두 모듈을 엔드‑투‑엔드 파인튜닝해 스펙트럼‑조건부 그래프 생성 능력을 최적화한다.

실험에서는 NPLIB1과 MassSpecGym 두 벤치마크에서 기존 최첨단 모델(MADGEN, DiffMS 등) 대비 Top‑k 정확도, 구조 이성질체 구분률, 그리고 화학적 타당성(Valence 체크)에서 평균 230% 이상의 개선을 보고한다. Ablation study는 (a) 엣지‑센트릭만 사용했을 때와 (b) 다중체 어텐션을 제외했을 때 성능이 크게 떨어짐을 보여, 두 요소가 상호 보완적으로 작용함을 입증한다. 또한, 모델이 높은 스펙트럼 유사도를 가진 이성질체를 구분할 때 attention map을 시각화하면, 특정 삼중항(예: 탄소‑산소‑수소)의 상호작용이 강조되는 것을 확인할 수 있다.

이러한 설계는 화학적 해석 가능성을 높이고, 기존 데이터베이스 의존형 방법이 한계인 신약 후보 물질이나 미지의 대사산물 탐색에 실용적이다. 다만, 현재는 고해상도 MS/MS와 정확한 화학식 추출이 전제돼 있어, 저해상도 데이터나 복합 혼합물에 대한 일반화는 추가 연구가 필요하다.