EPFL 연구진이 단백질의 정적 구조가 아니라 원자 수준의 구조 앙상블과 움직임을 생성하는 LD-FPG 프레임워크를 소개함. AlphaFold류 모델이 주로 한 장의 구조 스냅샷에 강했다면, 이 접근은 GPCR 같은 약물 표적의 활성·비활성 상태 움직임까지 모델링해 가상 스크리닝의 입력을 더 동적으로 만들려는 시도임.
요약
•
LD-FPG는 Latent Diffusion for Full Protein Generation의 약자로, 단백질 구조 데이터를 그래프 신경망으로 저차원 잠재 공간에 압축한 뒤 diffusion 모델로 새로운 구조와 움직임을 생성함.
•
출력은 backbone만이 아니라 side chain을 포함한 full-atom 구조 앙상블이며, 약물 결합과 상호작용에 중요한 미세한 원자 재배열을 다루는 것이 목표임.
•
연구진은 복잡한 약물 표적인 GPCR의 운동 범위를 생성할 수 있다고 제시했으며, 특히 dopamine D2 receptor의 active/inactive 상태에 대한 동적 표현을 생성한 실험을 소개함.
•
논문은 NeurIPS 2025에 게재됐고, dopamine D2 receptor 데이터셋은 추가 연구를 위해 공개 접근 형태로 제공됨.
•
가상 스크리닝은 현재 후보 분자와 단일 구조의 맞물림에 의존해 시행착오가 큰 편인데, 동적 구조 앙상블을 입력으로 쓰면 표적의 형태 변화까지 고려하는 선별 워크플로가 가능해질 수 있음.
•
연구진은 더 큰 단백질로 확장하고 정확도·현실성을 높이는 것이 다음 과제라고 밝힘. 고품질 구조·동역학 데이터와 엄격한 벤치마크가 성능의 병목으로 남음.