PeSTo: 정확한 단백질 결합 계면 예측을 위한 파라미터 없이 기하학적 딥러닝

단백질은 특정 분자 간 상호작용을 통해 대부분의 생물학적 기능을 수행하는 생명의 필수적인 분자 구조 블록이다. 그러나 단백질 간 결합 부위를 예측하는 것은 여전히 도전 과제로 남아 있다. 본 연구에서는 원소 이름만으로 레이블링된 원자 좌표를 직접 처리하는 기하학적 트랜스포머를 제안한다. 이 모델은 단백질 구조 트랜스포머(Protein Structure Transformer, PeSTo)로, 현재까지의 최고 수준을 초월하여 단백질-단백질 결합 부위를 예측할 뿐만 아니라, 핵산, 지질, 이온, 소분자와의 결합 부위도 높은 신뢰도로 예측하고 구분할 수 있다. 낮은 계산 비용 덕분에 분자 동역학 앙상블과 같은 대용량 구조 데이터를 효율적으로 처리할 수 있어, 정적 실험적 구조에서 드러나지 않는 미세한 결합 부위를 탐지할 수 있다. 또한, 새로운 구조 예측 기술을 통해 확장되고 있는 구조 체계(foldome)도 쉽게 분석 가능해져, 아직 탐색되지 않은 생물학적 메커니즘을 밝혀내는 새로운 기회를 제공한다.