MIT 연구진이 protein의 static structure뿐 아니라 vibration과 conformational motion을 설계 조건으로 사용하는 generative AI model VibeGen을 소개함. VibeGen은 원하는 motion profile을 입력으로 두고, 그 dynamics를 만족할 것으로 예측되는 amino acid sequence를 diffusion 기반으로 반복 생성·평가하는 접근임. 아직 lab validation 전 단계로 보이며, 기사에서는 detailed physics-based molecular simulation으로 target motion을 확인했다고 설명함.
요약
•
MIT는 미국 Cambridge 소재 연구중심 대학으로, 이번 연구는 Markus Buehler 연구실에서 수행된 motion-aware protein design work로 소개됨.
•
VibeGen은 protein을 고정된 3D structure가 아니라 flexing, vibration, shape-shift 같은 dynamics를 가진 molecular machine으로 보고 설계하는 모델임.
•
기존 protein design이 주로 sequence가 어떤 structure를 만들지, 또는 어떤 structure를 만들 sequence가 무엇인지에 집중했다면, VibeGen은 ‘어떤 sequence가 원하는 motion을 만들 수 있는가’를 묻는 방식으로 문제를 뒤집음.
•
모델은 diffusion 기반 접근을 사용하며, random amino acid sequence에서 시작해 target vibration/flexing profile에 맞는 sequence로 점진적으로 refine한다고 설명됨.
•
System은 designer와 predictor 두 agent로 구성됨. Designer가 target motion profile을 겨냥한 candidate sequence를 제안하고, predictor가 해당 sequence가 의도한 방식으로 움직일지 평가하며 반복적으로 개선함.
•
연구진은 생성된 protein들이 대부분 de novo sequence이며, detailed physics-based molecular simulation에서 목표한 flexing/vibration pattern을 보였다고 설명함. 다만 기사 기준으로는 wet-lab validation은 향후 계획으로 남아 있음.