다중 에이전트 협업으로 제로샷 단백질 변이 예측 가속화

초록

본 논문은 제로샷 단백질 변이 예측에서 기존 PLM이 제시하는 통계적 점수만으로는 생물물리적 제약을 간과한다는 문제를 해결하고자, 두 단계의 에이전트 기반 프레임워크인 VenusRAR을 제안한다. Rank‑Stage에서는 계산 전문가와 가상 생물학자가 멀티모달 앙상블을 통해 스피어만 상관계수 0.551을 달성했으며, Reason‑Stage에서는 체인‑오브‑쓰스팅을 활용한 전문가 패널이 구조·기하학적 제약을 검증해 Top‑5 히트율을 최대 367% 향상시켰다. 실제 Cas12i3 뉴클레아제 실험에서 46.7%의 양성률과 4~5배 향상된 활성을 확인하였다.

상세 분석

VenusRAR은 제로샷 단백질 엔지니어링의 핵심 과제인 “Low‑N” 상황, 즉 제한된 실험 예산 하에서 최적 변이를 선택하는 문제를 수학적으로 정의하고, 이를 두 단계의 에이전트 협업으로 해결한다. Rank‑Stage에서는 세 가지 모달리티(시퀀스, 구조, MSA)를 각각 담당하는 PLM들을 모듈식으로 구성하고, 각 모델의 설명(desc)과 컨텍스트(C)를 이용해 동적 가중치 ω를 학습한다. 특히 가상 생물학자는 pLDDT와 MSA 깊이 등 데이터 신뢰도를 평가해 저신뢰 영역에서는 가중치를 감소시켜 잡음에 강인한 후보군을 확보한다. 이렇게 산출된 S_rank(x)는 높은 리콜을 보장한다. Reason‑Stage에서는 세 명의 전문 에이전트가 체인‑오브‑쓰스팅(COT) 방식으로 후보를 심층 검증한다. 통계 감사자는 개별 모델의 순위 불일치를 분석하고, 구조 생물학자는 pLDDT<50인 부위에서 진화적 합의를 우선시하는 조건부 신뢰 정책을 적용한다. 실험 전문가는 발현 가능성(RSA, 전하 등)을 평가해 비생물학적 위험을 사전 차단한다. 후보 풀 P는 전체 앙상블 상위 K=200개와 각 모델별 상위 K개를 합쳐 최대 (n_total+1)×200개의 변이를 포함한다. 이러한 설계는 앙상블 평균에 의해 억제된 고잠재력 변이를 회복시키는 효과를 만든다. 실험 결과, VenusRAR‑Ensemble는 ProteinGym 전체에서 0.542~0.556의 스피어만 상관을 기록했으며, VenusRAR‑Rank는 전 모달을 모두 활용해 0.551이라는 최고 기록을 달성했다. Reason‑Stage를 거친 후 Top‑5 히트율은 ProteinGym‑DMS99에서 최대 367% 상승했으며, 평균 Normalized Max Score도 크게 개선되었다. 마지막으로 Cas12i3 뉴클레아제에 대한 실험 검증에서는 30개의 후보 중 14개가 활성을 보였고, 그 중 두 변이는 각각 4.23배와 5.05배의 활성을 향상시켰다. 코드와 데이터가 공개돼 재현성과 확장성이 확보된 점도 주목할 만하다.