AI 시대 단백질 기능 예측 – 2022년 딥러닝 리뷰 논문 해설

단백질은 세포 내 거의 모든 기능을 담당하는 중요한 생체분자입니다. 하지만 유전체 해독 속도에 비해 단백질 기능 분석은 여전히 느리고 비용이 많이 듭니다. 특히 새롭게 발견되는 단백질 서열 중 상당수는 그 기능이 알려져 있지 않아서, 생물학적 해석에 큰 장벽이 됩니다. 이에 따라 최근에는 인공지능, 특히 딥러닝을 이용해 단백질의 기능을 예측하려는 시도가 활발히 진행되고 있습니다.

2022년, 인도 델리공과대학(Delhi Technological University)의 Divyanshu Aggarwal와 Yasha Hasija는 단백질 기능 예측에 사용된 다양한 딥러닝 기법들을 체계적으로 정리한 리뷰 논문을 발표했습니다. 이들은 단백질 기능 예측 문제에 있어 기존 방법의 한계를 지적하고, 최신 딥러닝 기술이 어떻게 그 한계를 극복하고 있는지를 소개했습니다.

 

1. 왜 이 연구가 필요했을까?
   전통적으로 단백질 기능 예측은 동형성(homology)을 기반으로 이루어졌습니다. 즉, 이미 기능이 알려진 단백질과 서열이 비슷하면 유사한 기능을 가질 것이라고 추정하는 방식입니다. 그러나 서열 유사성이 낮은 단백질에 대해서는 예측이 거의 불가능하다는 한계가 있었습니다. 게다가 단백질 하나가 여러 기능을 가질 수 있다는 점도 복잡성을 더합니다. 이런 문제를 해결하기 위해 딥러닝이 대안으로 떠오르게 되었습니다.
   
   
2. 어떤 딥러닝 모델이 사용되었나?
   이 논문에서는 여러 딥러닝 모델들이 어떻게 단백질 기능 예측에 활용되고 있는지를 소개합니다.
   
   

출처: https://doi.org/10.48550/arXiv.2211.09705

• CNN(합성곱 신경망)은 단백질 서열에서 특징을 추출하는 데 효과적이며, ProtVec과 같은 임베딩을 활용해 1차원 서열을 입력으로 사용합니다.
• RNN(순환 신경망), 특히 LSTM(Long Short-Term Memory)은 길이가 다른 단백질 서열에서도 연속적인 패턴을 파악하는 데 적합합니다.
• Transformer 기반 모델은 단백질 서열을 일종의 언어처럼 처리하며, 서열 내 상호작용을 장거리에서 포착할 수 있다는 장점이 있습니다.

또한 단백질 구조 정보(PDB 데이터), 상호작용 네트워크, 유전자 발현 정보 등 다양한 데이터를 함께 활용하는 멀티모달 학습 기법도 강조됩니다.

1. 예측 성능은 얼마나 좋아졌을까?
   딥러닝 모델들은 기존의 전통적인 방법들에 비해 훨씬 높은 정확도를 보여주었습니다. 특히 Gene Ontology(GO)를 기준으로 한 다중 라벨 분류에서 딥러닝 모델은 뛰어난 성능을 나타냈습니다. Transformer 기반 모델은 서열의 문맥 정보를 깊이 이해해 기능 예측에 특히 강점을 보였습니다.

CAFA(Critical Assessment of Function Annotation)와 같은 국제적 벤치마크 평가에서도 딥러닝 모델들은 좋은 성과를 보이며, 앞으로의 기능 예측 연구에 핵심 도구로 자리잡고 있습니다.

1. 이 연구가 어떤 의미가 있을까?
   딥러닝 기반 단백질 기능 예측은 단지 생물학적 호기심을 해결하는 데 그치지 않습니다. 신약 개발, 희귀 질환 연구, 단백질 공학 등 다양한 분야에 실질적인 도움을 줄 수 있습니다. 특히 구조 예측 도구인 AlphaFold와의 결합은 기능 예측의 정확도와 해석력을 더욱 높여줄 것으로 기대됩니다. 아직까지는 훈련 데이터의 품질과 해석 가능성이라는 과제가 남아 있지만, 이 논문은 미래 생명정보학의 방향을 잘 보여주는 사례입니다.

마무리
단백질 기능 예측은 생명과학에서 여전히 풀기 어려운 문제 중 하나입니다. 하지만 딥러닝 기술의 도입으로 그 해결 가능성이 점점 높아지고 있습니다. 이번 리뷰 논문은 다양한 딥러닝 모델들의 장단점과 적용 방식을 명확히 정리하며, 연구자들에게 유용한 길잡이가 됩니다. 다음 글에서는 단백질 언어 모델(PLM) 기반의 새로운 기능 예측 기법을 소개할 예정입니다.

 

논문 정보
제목: A Review of Deep Learning Techniques for Protein Function Prediction
저자: Divyanshu Aggarwal, Yasha Hasija
발행 연도: 2022
발표 학회: IEEE INCET (India), 리뷰 논문으로 Arxiv 등록됨
https://doi.org/10.48550/arXiv.2211.09705

반응형