다중스케일 토폴로지와 전기역학 특성을 이용한 DNN 단백질 물리 모델

초록

본 연구는 원자 수준의 전하와 구조 정보를 균일하고 다중스케일 형태로 추출한 토폴로지 및 전기역학 특징을 결합한 딥 뉴럴 네트워크(DNN)를 제시한다. 요소별 지속동형학(ESPH)으로 생성한 토폴로지 피처와 새로운 카르테시안 트리코드 기반 전기역학 피처를 이용해 17,000여 개 단백질의 쿨롱 에너지와 4,000여 개 단백질의 용매화 에너지를 고정밀도로 예측하였다.

상세 분석

이 논문은 단백질 구조‑물리량 예측에 필요한 피처 설계가 가장 큰 난관임을 지적하고, 이를 해결하기 위해 두 가지 혁신적인 접근을 제안한다. 첫째, 요소별 지속동형학(Element‑Specific Persistent Homology, ESPH)을 활용해 무거운 원자(예: N, O, S) 혹은 탄소 원자만을 선택적으로 추출하고, 다양한 거리 임계값(ε)과 차원(0‑, 1‑, 2‑차)에서 생성되는 베티 수, 영구성 바 차트 등을 정량화한다. 이러한 토폴로지 피처는 단백질 크기에 관계없이 일정한 차원(예: 200~300)으로 정규화될 수 있어, 대규모 데이터베이스(PDB)와의 호환성을 확보한다. 둘째, 전통적인 전기역학 계산에서 발생하는 O(N²) 쌍별 상호작용을 회피하기 위해 카르테시안 트리코드(Cartesian treecode)를 변형하였다. 원자 전하를 클러스터 중심의 다중극자(moment)로 대체하고, 입자‑클러스터 상호작용을 통해 전위와 전기장 정보를 다중스케일(레벨별)로 압축한다. 이 과정에서 전하의 양과 위치 정보를 동시에 보존하면서도 피처 차원을 제한한다.

두 피처 집합을 결합한 후, 5‑층 완전 연결 DNN(활성화 함수: ReLU, 정규화: 배치 정규화)을 학습시켰으며, 손실 함수는 평균 제곱 오차(MSE)와 L2 정규화를 포함한다. 학습 데이터는 17,000개 단백질(쿨롱 에너지)와 4,000개 단백질(용매화 에너지)으로 구성되었고, 라벨은 각각 직접 계산한 쿨롱 상호작용 에너지와 MIBPB 솔버를 이용한 포아송‑볼츠만(PB) 용매화 에너지였다. 결과적으로 쿨롱 에너지 예측에서 MSE≈0.024, MAPE≈0.073, R²≈0.976을 달성했으며, 용매화 에너지에서는 MSE≈0.064, MAPE≈0.081, R²≈0.926을 기록하였다. 이는 기존 그래프 신경망이나 순수 시퀀스 기반 모델에 비해 현저히 높은 정확도이며, 특히 전기역학 피처가 포함된 것이 성능 향상에 결정적인 역할을 함을 실험적으로 확인하였다.

또한, 피처 생성 과정이 물리 모델(PB, GB)과 독립적이므로, 향후 다른 전기역학 기반 라벨(예: pKa, 전하 전이)이나 기능 예측(예: 결합 친화도, 변이 효과)에도 그대로 적용 가능하다. 계산 복잡도 측면에서는 ESPH와 트리코드 모두 O(N log N) 수준으로, 대규모 단백질 집합에 대한 전처리 시간이 수초에서 수분 수준에 머물러 실용성을 높인다.