단백질 진화 비밀 푼다…서열·구조 통합 AI 모델 개발

단백질의 아미노산 서열과 3차원 구조를 하나로 통합하는 인공지능(AI) 모델이 개발됐다.

11일(현지시간) 애저라이프사이언스에 따르면 도쿄과학대학 지구생명과학연구소(ELSI) 등 국제 공동 연구진은 단백질의 서열과 구조 정보를 동시에 반영하는 단백질 언어 모델 'CLSS'를 개발했다.

연구는 이스라엘 하이파대학교의 레이철 콜로드니 교수와 가이 야나이 박사과정생, 텔아비브대학교의 니르 벤탈 교수와 가브리엘 악셀 대학원생, ELSI의 리엄 롱고 준교수가 주도했다.

연구 결과는 미국국립과학원회보(PNAS)에 게재됐다.

생명체 세포 안에서는 수천 개의 단백질 가족이 거의 모든 기능을 수행한다. 과학자들은 오랫동안 이 단백질들이 서로 어떤 관계인지, 어디서 기원했는지를 밝히는 데 주력해 왔다.

단백질 언어 모델은 단백질을 '임베딩'이라는 숫자 표현으로 바꾼다. 임베딩은 일종의 우편번호처럼 성질이 비슷한 단백질일수록 가까운 위치에 배치돼 '단백질 세계 지도'를 그릴 수 있게 한다.

다만 단백질은 아미노산 서열과 3차원 구조에 각각 정보를 담고 있어 둘의 관계가 단순하지 않다. 서열이 무관한 단백질이 비슷한 구조를 갖기도 하고, 반대로 같은 서열이 전혀 다른 구조를 만들기도 한다.

기존 모델 대부분은 서열과 구조를 따로 다뤘다. 두 정보를 모두 쓰는 모델도 같은 단백질의 서열과 구조를 지도상 같은 위치에 놓지 못하는 한계가 있었다.

연구진이 개발한 CLSS는 대조 학습 방식을 써서 한 단백질의 서열과 구조 표현이 서로 비슷한 임베딩을 갖도록 설계됐다. 그 결과 서열을 쓰든 구조를 쓰든 단백질이 지도상 비슷한 위치를 차지하게 됐다.

CLSS는 다른 최신 단백질 언어 모델과 비교했을 때 서열과 구조 정보를 하나의 지도로 통합하는 데 성공했다. 학습 과정에서 제공하지 않은 전문가 분류 체계인 ECOD와 CATH의 관계도 정확하게 재현했다.

특히 CLSS는 짧은 서열 조각만으로도 완전한 서열·구조와 함께 의미 있게 배치될 수 있음을 보여줬다. 단백질 조각은 진화 과정에서 반복적으로 재사용·재배열돼 왔고, 초기 단백질 도메인의 구성 요소였을 가능성도 있어 진화 연구에 중요한 단서가 된다.

CLSS가 만든 지도에서는 더 넓은 패턴도 드러났다. 유기 보조인자와 결합하는 단백질은 특정 영역에 몰려 있었고, 금속 결합 단백질은 더 넓게 분포했다.

롱고 준교수는 "서열과 구조를 별개의 세계로 보지 않고 동시에 바라볼 수 있는 방법을 제공한다"며 "특히 기존 방식으로는 찾기 어려운 대규모 진화 패턴을 밝히는 데 이 지도를 활용할 수 있다는 점이 흥미롭다"고 말했다.

연구진은 서열과 구조를 통합한 표현이 데이터베이스 검색과 단백질 공학, 진화 경로 재구성에 새로운 가능성을 열 것으로 기대했다. 약 40억 년에 걸친 진화로 오늘날 생명체의 단백질 다양성이 어떻게 생겨났는지 탐구하는 또 다른 방법이 될 수 있다는 설명이다.