[논문 리뷰] Protein Structure Prediction until CASP15

Arne Elofsson|arXiv (Cornell University)|2022. 12. 15.

Protein Structure and Dynamics인용 수 7

한 줄 요약

이 논문은 CASP14 이후 발표된 AlphaFold2가 단일 도메인 단백질 구조 예측에 미친 혁신적 영향을 검토하며, 실험적 정확도에 근접하는 단일 도메인 단백질 구조 예측 능력을 강조한다. 이후 AI 기반 단백질 복합체, 비정형 영역, 탈선 단백질 설계 예측 기술의 발전을 조망하며, AlphaFold2의 오픈소스 공개로 촉발된 빠른 혁신을 강조한다.

ABSTRACT

In Dec 2020, the results of AlphaFold2 were presented at CASP14, sparking a revolution in the field of protein structure predictions. For the first time, a purely computational method could challenge experimental accuracy for structure prediction of single protein domains. The code of AlphaFold2 was released in the summer of 2021, and since then, it has been shown that it can be used to accurately predict the structure of most (ordered) proteins and many protein-protein interactions. It has also sparked an explosion of development in the field, improving AI-based methods to predict protein complexes, disordered regions, and protein design. Here I will review some of the inventions sparked by the release of AlphaFold.

연구 동기 및 목표

• CASP14 이후 발표된 AlphaFold2가 계산 기반 단백질 구조 예측에 미친 혁신적 영향을 분석하기 위해.
• AlphaFold2의 성공에 대응해 개발된 AI 기반 방법의 급격한 증가를 조사하기 위해.
• 단백질 복합체, 비정형 영역, 탈선 단백질 설계 예측의 향상 여부를 검토하기 위해.
• 구조 생물학 및 계산 생물학 분야에 미친 광범위한 영향을 기록하기 위해.
• CASP15까지의 AlphaFold2에 의해 유도된 방법론적 혁신을 종합적으로 개괄하기 위해.

제안 방법

• 2021년에서 2022년 사이에 발표된 연구 성과와 분야 내 발전을 종합하여, 단백질 구조 예측을 위한 AI 기반 방법에 중점을 두고 분석한다.
• AlphaFold2와 그 파생 모델이 단일 도메인 단백질 구조를 높은 정확도로 예측하는 성능을 평가한다.
• AlphaFold2의 성공을 뒷받침하는 딥러닝 모델의 아키텍처 혁신, 예를 들어 어텐션 메커니즘과 반복적 정밀화 기법을 논의한다.
• AlphaFold2의 확장 적용 사례로 단백질-단백질 상호작용, 다인자 복합체, 내재적으로 비정형 영역 예측을 검토한다.
• 다중 서열 정렬과 공진화 정보가 예측 정확도 향상에 기여하는 방식을 분석한다.
• 연구 공동체 전반에서 방법론적 혁신을 가속화한 오픈소스 코드 공개의 중요성을 강조한다.

실험 결과

연구 질문

• RQ1 AlphaFold2는 단일 도메인 단백질 구조 예측에서 어떻게 실험적 정밀도에 근접한 정확도를 달성했는가?
• RQ2 AlphaFold2가 CASP14에서 이전 방법들을 압도할 수 있었던 방법론적 혁신은 무엇이었는가?
• RQ3 후속 AI 모델은 단백질 복합체와 비정형 영역 예측에서 AlphaFold2를 어떻게 향상시켰는가?
• RQ4 AlphaFold2 소스 코드의 오픈소스 공개가 연구 진전을 가속화하는 데 어떤 역할을 했는가?
• RQ5 AlphaFold2 발표 이후 새로운 단백질 구조 예측의 전초는 무엇이 도래했는가?

주요 결과

• AlphaFold2는 단일 단백질 도메인의 3차원 구조를 실험적 정확도에 근접한 수준으로 예측하여 계산 생물학 분야의 돌풍을 일으켰다.
• 이 방법은 다양한 단백질 가족에 걸쳐 높은 정확도를 보였으며, CASP14에서 이전 최고 수준의 접근 방식을 크게 능가했다.
• AlphaFold2 아키텍처를 기반으로 한 후속 모델은 단백질 복합체 및 다인자 어셈블리의 예측 정확도를 향상시켰다.
• AI 기반 방법은 이전에 예측이 어려웠던 내재적으로 비정형 영역의 예측에도 성공적으로 적용되었다.
• AlphaFold2 소스 코드의 오픈소스 공개는 연구의 급격한 확장과 새로운 도구 및 단백질 설계를 위한 향상된 모델 개발을 이끌었다.
• 분야는 혁신적인 전환을 경험했으며, 이제 AI는 대부분의 정형 단백질과 많은 단백질 상호작용의 구조를 신뢰성 있게 예측할 수 있게 되었다.