단백질 역접힘을 위한 정밀 모티프 검색 기반 PRISM

초록

PRISM은 구조‑서열 멀티모달 표현을 활용해 알려진 단백질 데이터베이스에서 미세한 모티프를 검색하고, 하이브리드 셀프‑크로스 어텐션 디코더와 결합해 역접힘 문제를 해결한다. 잠재 변수 확률 모델로 이론적 근거를 제공하며, CATH‑4.2, TS50/TS500, CAMEO 2022 등 다양한 벤치마크에서 퍼플렉시티와 아미노산 회복률을 기존 최고 수준보다 크게 향상시키고, RMSD·TM‑score·pLDDT와 같은 구조적 품질 지표에서도 개선을 보인다.

상세 분석

PRISM은 기존 역접힘 모델이 갖는 “전역‑전달” 한계를 극복하기 위해, 잔기 수준의 구조‑서열 모티프를 명시적으로 재사용한다는 새로운 inductive bias를 도입한다. 논문은 먼저 “모티프”와 “잠재 모티프”를 정의하고, 각 잔기의 3‑D 이웃을 벡터화해 잠재 변수 E 와 검색 변수 R 을 통해 데이터베이스 D 로부터 Top‑K 유사 모티프를 추출한다. 검색 커널은 확률적·결정적 두 형태를 제시하는데, 확률적 버전은 학습 가능한 사전 분포를 제공해 검색 단계까지 end‑to‑end 미분 가능하게 만든다. 결정적 Top‑K는 GPU‑가속 벡터 검색으로 실시간 추론을 가능하게 한다. 검색된 모티프는 하이브리드 트랜스포머 디코더에 입력되어, 셀프‑어텐션으로 전역 백본 정보를, 크로스‑어텐션으로 검색된 지역 정보를 각각 처리한다. 이때 어트리뷰션 변수 Z 는 어텐션 가중치로 결정적으로 정의돼, 최종 로그 확률은 p(S|Z,R,E,B) = ∏_i Cat(softmax(Y_i)) 형태가 된다. 학습 목표는 잠재 변수들을 적절히 marginalize 한 후, 표준 교차 엔트로피 손실을 최소화하는 것이며, 검색 사전이 학습 가능할 경우 KL 정규화 항을 추가한다. 실험에서는 CATH‑4.2 테스트셋에서 퍼플렉시티(PPL)를 3.74로, 아미노산 회복률(AAR)을 40.98%로 끌어올려 기존 ProteinMPNN‑CMLM(7.16/35.42)보다 크게 앞선다. TS50/TS500, CAMEO 2022, PDB date split에서도 일관된 개선을 보이며, 특히 구조적 품질 지표인 RMSD와 sc‑TM, pLDDT에서도 유의미한 상승을 기록한다. Ablation 연구에서는 (1) 검색 단계 없이 순수 트랜스포머, (2) 구조 인코더만 사용, (3) 확률적 vs 결정적 검색 등 다양한 변형을 비교해, 미세한 모티프 검색과 하이브리드 어텐션이 각각 성능 향상에 기여함을 확인한다. 전체적으로 PRISM은 “검색‑생성” 패러다임을 단백질 역접힘에 성공적으로 적용한 최초 사례이며, 멀티모달 잠재 변수 모델링과 효율적인 GPU‑기반 벡터 검색을 결합해 이론적 타당성과 실용성을 동시에 달성한다.