펩타이드 서열분석, '거울 효소'와 AI의 만남…DiNovo 정확도 195%↑

중국 공동 연구팀이 '미러 단백질 분해효소' 전략과 딥러닝을 결합해 펩타이드 신규 서열분석(de novo peptide sequencing)의 정확도와 커버리지를 획기적으로 개선한 소프트웨어 시스템 'DiNovo'를 개발했다.

16일(현지시간) 중국 바이오 전문매체 바이오온(bioon)에 따르면 중국과학원 수학·시스템과학연구원 푸옌, 베이징 단백질체학 연구센터 쉬핑, 산둥이공대학 왕하이펑 교수 공동 연구팀은 이 같은 내용의 연구 결과를 국제 학술지 '네이처 커뮤니케이션즈(Nature Communications)'에 발표했다.

펩타이드 신규 서열분석은 단백질체학 분야에서 인공지능(AI) 연구가 가장 활발한 분야 중 하나다. 하지만 단일 질량분석 스펙트럼 정보만으로는 펩타이드 조각이 불완전해 AI가 누락된 부분을 추측해야 하는 '정보 병목' 문제가 존재했다. 이는 분석 오류와 낮은 신뢰도의 원인이었다.

DiNovo 시스템의 핵심은 알고리즘 개선에만 집중하던 기존 방식에서 벗어나 실험 설계를 통해 데이터 자체를 최적화한 데 있다. 연구팀은 이를 위해 '미러 단백질 분해효소(Mirror Proteases)' 전략을 도입했다.

예를 들어 트립신(Trypsin)은 특정 아미노산(K/R)의 C-말단을, 리사지네이즈(LysargiNase)는 같은 아미노산의 N-말단을 절단한다. 이렇게 생성된 '미러 펩타이드' 쌍의 스펙트럼은 서로의 정보를 보완해준다. 한쪽 스펙트럼에서 누락된 이온 정보를 다른 쪽에서 찾을 수 있기 때문이다.

연구팀에 따르면 이 방식을 통해 스펙트럼을 결합하면 평균 조각 이온 커버리지가 98%에 달해 기존 단일 스펙트럼 방식보다 월등히 높은 완성도를 보였다. DiNovo는 이처럼 풍부해진 정보를 효과적으로 분석하기 위한 세 가지 핵심 계산 알고리즘을 포함한다.

첫째는 '미러파인더(MirrorFinder)'다. 방대한 데이터 속에서 두 스펙트럼 간 조각 이온의 질량 차이 분포 특성을 이용해 자동으로 미러 스펙트럼 쌍을 식별한다. 이를 통해 예측 서열에 의존하지 않고도 분석이 가능하다.

둘째는 '미러노보(MirrorNovo)' 모델이다. 이는 미러 스펙트럼 쌍 분석을 위해 특별히 설계된 최초의 딥러닝 서열분석 모델이다. 두 스펙트럼의 절단 부위를 정밀하게 정렬하고 특징을 융합해 더 완전한 서열 증거 사슬을 구축한다.

셋째는 '타겟-디코이 매핑(TD Mapping)'이라는 독자적인 품질관리 시스템이다. 분석된 펩타이드 서열을 타겟 및 유인 단백질 서열 데이터베이스에 다시 매핑해 오류발견율(FDR)을 직접 추정한다. 이는 데이터베이스 검색 결과에 의존하지 않는 독립적인 신뢰도 평가를 가능하게 한다.

실험 결과, 두 쌍의 미러 단백질 분해효소를 사용했을 때 단일 효소(트립신)만 사용한 경우보다 고신뢰도 아미노산 커버리지는 154~195%, 고신뢰도 단백질 동정 수는 29~34% 증가했다. 실험 설계와 AI 계산의 시너지가 입증된 셈이다.

연구팀은 "DiNovo는 펩타이드 신규 서열분석이 데이터베이스 검색의 보조 도구를 넘어 독립적인 단백질 동정 기술로 발전할 수 있는 새로운 길을 열었다"고 평가했다. 다만 향후 대규모 데이터셋에서의 계산 효율성 개선, 학습 데이터 확대를 통한 모델 성능 고도화 등은 과제로 남았다.