Latent-X2 논문 리뷰
들어가며
AI binder design은 이제 단순히 “붙는 단백질을 만들었는가”만으로는 충분하지 않습니다. Binding은 출발점일 뿐입니다. Antibody나 VHH 같은 therapeutic modality로 갈수록 expression, aggregation, hydrophobicity, polyreactivity, thermal stability, immunogenicity 같은 practical liability가 곧바로 중요한 이슈가 됩니다. KD가 좋아도 이 층위에서 무너지면 실제 lead로 이어지기 어려운 것이죠.
Latent-X2는 이 지점을 전면에 놓은 Latent Labs의 2025년 arXiv preprint입니다. 제목은 “Drug-like antibodies with low immunogenicity in human panels designed with Latent-X2”입니다. 전작 Latent-X가 mini-binder와 macrocyclic peptide에서 closed all-atom platform의 binding hit-rate를 보여줬다면, Latent-X2는 antibody modality, developability, ex vivo immunogenicity proxy 쪽으로 validation frontier를 옮깁니다.
이 논문은 성능 보고로는 상당히 강합니다. 18개 soluble protein targets 중 9개 target에서 VHH/scFv binder를 얻었고, 일부 binder는 pM–nM affinity를 보입니다. Confirmed binders에 대해 developability assay를 수행했고, TNFL9 VHH subset에서는 PBMC 기반 T-cell proliferation/cytokine release assay까지 제시합니다. Macrocycle에서는 PHD2와 K-Ras(G12D)를 대상으로 mRNA display literature hits와 비교합니다.
하지만 Latent-X2도 open method paper는 아닙니다. Model architecture, training data, weights, runnable code는 공개되어 있지 않습니다. Platform access도 open-source release와 다릅니다. 따라서 이 글에서는 Latent-X2를 “바로 가져다 쓸 수 있는 방법론”이 아니라, closed system이 antibody-like binder validation을 어디까지 밀고 갔는지 보여주는 performance/validation milestone로 읽겠습니다.
Latent-X에서 Latent-X2로 넘어가는 지점
Latent-X의 중심은 mini-binder와 macrocycle이었습니다. Target structure와 hotspot epitope를 넣고, binder-target all-atom complex를 생성한 뒤 Chai-1/Boltz-2 filter와 wet-lab assay로 검증했습니다. 그 논문의 핵심은 적은 수의 post-filter candidates로도 높은 hit rate를 얻을 수 있다는 점이었습니다.
Latent-X2는 같은 platform family를 antibody modality로 확장합니다. VHH와 scFv는 단순 mini-binder와 다릅니다. Framework가 있고, CDR loop가 있고, CDRH3 length와 framework compatibility가 중요합니다. 잘 붙는 loop를 만들더라도 antibody-like developability가 나쁘면 therapeutic candidate로 보기 어렵습니다.
그래서 Latent-X2의 질문은 Latent-X보다 한 단계 더 clinical-facing합니다. Target epitope와 antibody framework를 조건으로 넣었을 때, binding affinity뿐 아니라 developability와 낮은 immunogenicity proxy까지 같이 나올 수 있는가? 이 질문 자체가 논문의 가장 중요한 framing입니다.
Prompt와 model input: hotspot, framework, CDR length
Latent-X2의 input은 target specification과 binder specification으로 나뉩니다. Target 쪽에는 target protein mmCIF와 hotspot residues가 들어갑니다. Multiple chains도 가능하고, 512-residue context window에 맞춰 interface 주변 target crop을 사용할 수 있습니다. Hotspot은 target surface에서 model을 steering하는 epitope 지정 방식입니다.
Binder 쪽은 modality마다 다릅니다. Macrocycle이나 mini-binder에서는 binder length가 핵심 input입니다. Antibody design에서는 framework structure와 CDR lengths가 추가됩니다. VHH는 3개 CDR, scFv/Fv는 6개 CDR을 de novo 생성합니다. Experimental antibody panel에서는 VHH와 scFv 각각 5개 framework를 사용했고, CDRH3 length는 framework native loop 대비 ±2 residues 범위에서 바꿨습니다.
중요한 guardrail도 있습니다. Target side에는 backbone atoms만 제공된다고 설명됩니다. Model이 target sidechain detail을 어떻게 co-generate하거나 adapt하는지는 full architecture가 공개되어 있지 않아 제한적으로만 해석할 수 있습니다. Latent-X2를 읽을 때는 target backbone, hotspot, optional framework 중심의 prompt-driven closed model로 보는 편이 안전합니다.
Antibody design setup과 novelty check
Latent-X2는 18개 soluble protein targets에 대해 antibody binders를 설계합니다. VHH는 3개 CDR을, scFv/Fv는 6개 CDR을 모두 de novo 생성합니다. Fixed/grafted CDR을 사용하지 않는다고 설명하는 점이 중요합니다. Computational design은 Fv 형태로 수행하고, scFv construct에서는 `(G4S)4` linker를 붙입니다.
Sequence novelty도 확인합니다. SAbDab에 대해 concatenated CDR loops를 비교했을 때, 실험으로 보낸 design은 closest SAbDab hit 대비 CDR edit distance가 최소 11이고 대부분 20 이상입니다. Confirmed binder 중 closest hit도 18 residues distance라고 보고합니다. Full sequence는 ClusteredNR BLASTP로 비교했고, 모두 nearest neighbour 대비 최소 16 residues distance, 대부분 20 이상입니다.
이 novelty check는 “기존 antibody를 거의 복사했다”는 우려를 줄여줍니다. 하지만 novelty는 function이나 developability의 보장이 아닙니다. Novel CDR sequence가 실제 target에 붙고, antibody-like behavior를 보이며, liability가 낮다는 것은 별도 assay로 확인되는 영역입니다. Latent-X2가 흥미로운 이유는 여기서 binding/developability/immunogenicity assay를 일부 실제로 수행했다는 점입니다.
Filtering과 denominator
Latent-X2도 raw generation을 그대로 wet-lab으로 보내지 않습니다. Antibody binders는 structure prediction confidence metric과 generated complex vs predicted complex의 DockQ self-consistency score로 filter됩니다. Mini-binder와 macrocycle은 전작 Latent-X의 scoring approach를 따릅니다.
Held-out 200 target benchmark에서 VHH design의 average in silico pass rate는 약 1.15%입니다. Target/configuration에 따라 20%를 넘는 경우도 있지만, 어려운 configuration은 약 10^3 samples가 필요할 수 있다고 설명됩니다. 이 숫자는 중요합니다. 논문에서 target/modality당 4–24 designs를 test했다고 해서, model이 4–24개만 만들고 바로 성공했다는 뜻은 아닙니다. Wet-lab handoff 후보 수와 raw generation/filtering pool은 분리해서 읽어야 합니다.
또 하나는 model version입니다. Experimental validation에는 Latent-X2가 쓰였고, in silico hit-rate study와 platform에는 slightly improved Latent-X2.1이 언급됩니다. 전작 Latent-X에서도 v1과 v1.1이 나뉘었듯, experimental result와 platform/in silico result의 model variant를 완전히 같은 것으로 합치면 안 됩니다.
Antibody binding: 9/18 target-level success
Latent-X2는 18개 soluble protein targets에서 VHH/scFv binders를 설계했고, target/modality당 4–24 designs를 wet-lab으로 보냈습니다. 결과적으로 9/18 targets에서 validated binder를 얻어 50% target-level success rate를 보고합니다. Best-performing experiments에서는 tested designs 중 최대 25%가 confirmed binders였습니다.
Affinity는 5-point BLI 또는 SPR로 측정했습니다. 대표적인 high-affinity example은 HDAC8 scFv `LX2_scFv_HDAC8_10`으로 KD 2.62×10^-11 M, 즉 26.2 pM입니다. 다른 examples로 `LX2_VHH_1433B_10` 2.75 nM, `LX2_VHH_BHRF1_3` 27.0 nM, `LX2_VHH_TNFL9_10` 31.1 nM, `LX2_VHH_LEP_6` 44.8 nM, `LX2_VHH_MMP2_7` 77.0 nM, `LX2_scFv_SAE1_12` 165 nM, `LX2_VHH_ONCM_3` 3.26 µM이 제시됩니다.
이 결과는 antibody-format design에서는 의미 있는 evidence입니다. 특히 VHH/scFv format에서 CDR을 de novo 생성하고, target-level 50% success와 pM–nM examples를 보였다는 점은 Latent-X2의 중심 성과입니다.
동시에 negative half도 같이 봐야 합니다. 18개 중 9개 target에서는 reported validated antibody binder가 나오지 않았습니다. Latent-X2는 성공 사례가 강하지만, universal antibody binder generator는 아닙니다. Target, epitope, framework, filter, expression/assay condition에 따라 성공 여부가 크게 달라지는 system으로 읽는 편이 안전합니다.
Developability: binding 이후의 첫 번째 장벽
Latent-X2가 전작보다 더 흥미로운 지점은 developability profile입니다. Confirmed binders에 대해 expression yield, monomericity, hydrophobicity, thermostability, polyreactivity를 평가합니다. 논문은 binders의 47%가 monomericity, hydrophobicity, thermostability, polyreactivity 네 metric에서 therapeutic-antibody-derived threshold를 모두 만족했고, 80%는 네 metric 중 세 개를 만족했다고 보고합니다.
Assay도 비교적 구체적입니다. Polyreactivity는 BVP ELISA로 평가하고 bococizumab과 panitumumab 사이로 normalize합니다. Hydrophobicity는 HIC-HPLC로 보고, lirilumab을 high-retention reference로 둡니다. Thermostability는 NanoDSF의 first melting transition `Tm1`을 사용하며, bococizumab `Tm1 ≈ 61°C`를 permissive threshold로 삼습니다. Expression과 monomericity는 CHO 또는 cell-free production workflow, purification, SEC-HPLC/SDS-PAGE/A280 등을 통해 평가합니다.
이 layer는 많은 binder design 논문에서 빠져 있습니다. 단순 binding hit가 아니라 antibody-like liability를 early screen으로 본다는 점에서 Latent-X2는 더 drug-discovery-facing한 논문입니다. 다만 이것은 early in vitro developability입니다. Formulation stability, manufacturability at scale, PK/PD, toxicity, clinical developability까지 말해주지는 않습니다.
TNFL9 VHH: low-immunogenicity proxy evidence
Latent-X2의 가장 독특한 result는 TNFL9 VHH immunogenicity panel입니다. 저자들은 validated TNFL9 VHH binders 네 개를 골라 healthy donor 10명의 PBMC를 사용한 ex vivo immunogenicity assay를 수행합니다. Concentration series는 30 µg/mL까지 올라가고, approved VHH therapeutic reference로 caplacizumab을 사용합니다. ImmunoCult/PHA positive control도 포함됩니다.
Readout은 두 가지입니다. 하나는 48시간과 120시간에서의 T-cell proliferation/metabolic activity입니다. 다른 하나는 120시간 Luminex cytokine release입니다. Cytokine panel에는 IFN-γ, IL-10, IL-16, IL-6, IL-8/CXCL8, TNF-α가 포함됩니다.
논문은 designed TNFL9 VHH binders가 caplacizumab과 유사하게 T-cell proliferation 증가나 cytokine elevation을 보이지 않았다고 보고합니다. 같은 figure에서 epitope support도 제시합니다. TNFL9 residue F116, W99, D113 alanine mutation이 binding을 없앤다고 보고해, designed epitope와 binding dependence를 연결합니다.
이 evidence는 antibody/VHH design 논문에서는 드문 편입니다. Binding과 basic developability를 넘어 human-cell immunogenicity proxy로 들어가기 때문입니다. 하지만 범위는 분명합니다. 이것은 ex vivo PBMC proxy이고, TNFL9 VHH subset에 대한 결과입니다. In vivo immunogenicity, animal safety, clinical safety, broader target panel immunogenicity를 바로 말해주지는 않습니다.
Macrocycle: PHD2와 K-Ras(G12D)
Latent-X2는 antibody만 다루지 않습니다. Macrocyclic peptide binder도 PHD2와 K-Ras(G12D)에서 보여줍니다. 여기서는 published RaPID/mRNA display campaign과 비교하고, literature mRNA-display hits를 resynthesize해서 동일 assay condition에서 측정했다고 설명합니다.
PHD2에서는 10개 Latent-X2 macrocycles 중 9개가 binding했고, best binder `LX2_CYC_PHD2_1`은 KD 1.54 nM입니다. 저자들이 같은 assay에서 측정한 best reported RaPID hit는 729 nM입니다. 이 result는 PHD2 macrocycle 쪽에서는 강한 head-to-head story입니다.
K-Ras(G12D)는 다르게 읽어야 합니다. 10개 중 8개 Latent-X2 macrocycles가 binding했고, best binder `LX2_CYC_K-Ras-G12D_6`은 KD 5.43 µM입니다. Reported RaPID hit 5.53 µM와 비슷한 수준입니다. 즉 K-Ras(G12D)에서는 high hit rate와 comparable affinity가 핵심이지, high-affinity therapeutic-like potency를 보여줬다고 읽으면 과합니다.
논문은 mRNA display의 >10^12-member library와 비교해 experimental search space를 크게 줄였다고 말합니다. 이 claim은 discovery efficiency 관점에서 흥미롭습니다. 다만 macrocycle의 cell penetration, oral bioavailability, functional cellular activity는 이 결과로 확립되지 않습니다.
Figure 흐름으로 읽기
Figure 1은 Latent-X2 workflow와 prompt 구조를 보여줍니다. Target structure, hotspot residues, optional framework를 넣어 VHH/scFv/macrocycle binder-target complex를 생성하는 그림입니다. 이 figure에서는 modality별 input 차이를 보는 것이 좋습니다.
Figure 2는 antibody binding affinity와 developability profile입니다. 여기서 단순 KD뿐 아니라 monomericity, hydrophobicity, thermostability, polyreactivity가 함께 나온다는 점이 Latent-X2의 성격을 결정합니다.
Figure 3은 TNFL9 VHH result입니다. Developability, epitope alanine mutation, PBMC immunogenicity workflow, T-cell proliferation, cytokine release가 함께 들어갑니다. 이 figure는 Latent-X2가 affinity-only 논문이 아니라는 것을 보여주는 중심 figure입니다.
Figure 4는 macrocycle result입니다. PHD2와 K-Ras(G12D)를 mRNA display reference와 비교합니다. 여기서는 PHD2와 K-Ras(G12D)의 affinity scale이 다르다는 점을 놓치면 안 됩니다.
Supplement에서는 Table S1 confirmed binder sequences/KD, Table S2 target/reagent metadata, Tables S3–S4 framework/CDRH3 sampling, Figure S1 sequence novelty, Figure S2 VHH in silico pass-rate distribution, Tables S5–S8 PBMC donor/cytokine panel detail이 중요합니다. Main figure만 읽으면 filtering denominator와 immunogenicity assay depth가 충분히 보이지 않습니다.
Origin-1, Protenix-v2, RFdiffusion-Antibody와의 위치
Latent-X2는 antibody design evidence map에서 Origin-1, Protenix-v2, RFdiffusion-Antibody와 같이 놓고 읽기 좋습니다. Origin-1은 full-length mAb와 paired CDR, cryo-EM/function-heavy evidence 쪽이 강합니다. Protenix-v2는 structure prediction/design system과 VHH/BLI hit-rate 중심의 company-led report입니다. RFdiffusion-Antibody는 RFdiffusion 기반 CDR/docking generation과 experimental screening/maturation을 연결한 open lineage에 더 가깝습니다.
Latent-X2의 차별점은 developability와 ex vivo immunogenicity proxy를 앞에 세운다는 점입니다. Binding hit만 놓고 보면 다른 논문들과 비교하기 쉽지만, Latent-X2가 자기 위치를 만드는 지점은 “drug-like antibody” claim을 뒷받침하려는 assay package입니다.
하지만 open method anchor는 아닙니다. ProteinMPNN, RFdiffusion, BindCraft처럼 손에 쥐고 pipeline을 구성할 수 있는 종류의 논문과는 다릅니다. AlphaProteo나 Latent-X처럼 closed system이 보여준 performance report로 읽는 편이 더 자연스럽습니다.
이 논문을 읽을 때의 guardrail
첫째, 4–24 wet-lab tested designs는 raw generation count가 아닙니다. In silico filtering과 self-consistency scoring을 통과한 후보입니다. VHH in silico pass rate가 평균 1.15%라는 점을 같이 봐야 합니다.
둘째, 9/18 target success는 강하지만 동시에 half failure입니다. 성공 사례의 affinity가 좋다고 해서 arbitrary target/epitope antibody design이 해결됐다고 말할 수는 없습니다.
셋째, developability evidence는 early screen입니다. Monomericity, hydrophobicity, thermostability, polyreactivity는 중요한 liability layer지만, PK/PD, formulation, CMC, toxicity, clinical developability와는 다릅니다.
넷째, low immunogenicity result는 TNFL9 VHH subset의 ex vivo PBMC proxy입니다. 매우 흥미로운 evidence지만, in vivo immunogenicity나 clinical safety로 확장해서 읽으면 안 됩니다.
다섯째, specificity evidence는 binding/developability/immunogenicity evidence만큼 전면에 있지 않습니다. Epitope alanine mutation은 target-side dependence를 지지하지만, broad off-target specificity panel과는 다릅니다.
평가: affinity 다음의 평가축
Latent-X2의 가치는 “AI가 antibody binder를 만들었다”보다 조금 더 구체적인 곳에 있습니다. 이 논문은 binding affinity 다음의 평가축을 전면에 둡니다. Developability, polyreactivity, hydrophobicity, thermal stability, PBMC immunogenicity proxy를 함께 보여주면서, AI binder design이 therapeutic liability 쪽으로 가까워지고 있음을 보여줍니다.
그렇다고 이 논문이 antibody drug design을 끝낸 것은 아닙니다. Closed model이고, target success는 9/18이며, raw generation denominator는 filter 뒤에 숨어 있습니다. Immunogenicity evidence도 TNFL9 VHH subset의 ex vivo proxy입니다. Full IgG, broad specificity, functional biology, in vivo safety는 여전히 다른 층위의 evidence입니다.
그래서 Latent-X2를 가장 안전하게 읽는 문장은 이렇습니다. Closed all-atom binder platform이 antibody/VHH/scFv와 macrocycle에서 binding을 넘어 early developability와 immunogenicity proxy까지 보여준 중요한 performance milestone이다. 다만 이 성능은 post-filter, closed-system, early-stage validation의 범위 안에서 읽어야 합니다.
참고
- Paper: “Drug-like antibodies with low immunogenicity in human panels designed with Latent-X2” - Authors: Latent Labs Team - arXiv: https://arxiv.org/abs/2512.20263 - DOI: https://doi.org/10.48550/arXiv.2512.20263 - Platform: https://platform.latentlabs.com - Raw source: `raw/papers/Latent-X2/latent-x2.pdf` - Supplement: model usage, computational design, sequence novelty, in silico hit rates, experimental protocols, PBMC donor/cytokine details