Disco 모델을 활용한 비자연적 효소의 서열-구조 동시 설계 및 산업적 촉매 최적화 전략 연구

Advanced Co-design of Sequence and Structure for Non-natural Biocatalysts

인공지능 2026년 5월 14일

초록 (Abstract)

본 연구는 단백질 설계의 새로운 패러다임인 Disco(Sequence-Structure Co-design) 모델을 분석하고, 이를 활용한 비자연적 화학 반응용 효소 설계 전략을 제시한다. 기존의 지시 진화(Directed Evolution)와 단계적 AI 설계 방식이 가진 한계를 극복하기 위해, 구조 확산과 서열 확산을 동시에 수행하는 메커니즘을 탐구한다. 실험 결과, B-H 삽입 및 C-H 알킬화 등 난도가 높은 반응에서 Zero-shot 설계만으로 기존 SOTA(State-of-the-art)에 준하는 성능을 기록하였으며, 산업적 공정 적용 가능성을 입증하였다.

1. 서론: 지시 진화의 한계와 AI 패러다임 전환

전통적인 지시 진화는 현대 바이오 파운드리가 요구하는 속도와 경제성을 충족하기에 치명적인 병목 현상을 겪고 있다. 특히 가장 큰 약점은 '초기 발견 단계(Initial Discovery Point)'의 확보이다. 자연계 효소는 수십억 년의 진화 과정을 통해 특정 반응에 고도로 최적화되어 있으나, 인류가 필요로 하는 비자연적 화학 반응 영역은 자연의 샘플링 범위 밖에 존재한다.

"자연이 가보지 않은 길의 화학 반응을 가능케 하기 위해서는 구조 설계 후 서열을 최적화하는 기존의 2단계 방식을 넘어선 실시간 동시 설계가 필수적이다."

Disco 모델은 서열과 구조가 설계 과정에서 실시간으로 상호 구속하며 최적의 해를 찾는 '동시 설계(Co-design)'를 통해 수개월에서 수년이 소요되던 탐색 기간을 며칙 단위로 단축시킨다.

2. Disco 모델의 기술 구조: 서열-구조 동시 생성

AlphaFold 3(AF3) 아키텍처를 기반으로 하는 Disco 모델은 단백질의 3차원 구조(Continuous Diffusion)와 아미노산 서열(Discrete/Masked Diffusion)을 동시에 생성한다. 두 정보의 생성 속도 차이를 정밀하게 조율하는 것이 핵심이다.

Random Remasking

추론 중 예측된 토큰을 확률적으로 재마스킹하여 초기 예측 오류를 자가 수정하고 설계 안정성을 확보한다.

Entropy-adaptive Temp

예측 엔트로피에 따라 온도를 동적으로 조절하여 구조 확정 전 서열이 조기에 확정되는 현상을 방지한다.

이 모델이 생성한 모티프는 기존 PDB 데이터베이스와 비교했을 때 RMSD 3Å에서 7Å 이상의 차이를 보이며, 이는 완전히 새로운 단백질 공간을 창조했음을 정량적으로 증명한다.

3. 추론 시간 조종(Inference-time Steering) 전략

모델 재학습 없이 특정 속성을 확보하기 위해 'Feynman-Kac Correctors'를 도입하였다. 이는 추론 과정에서 실시간으로 설계 방향을 조종하는 기술이다.

  • 특이성 가이드(Specificity Guidance): 목적 리간드 분포는 강화하고 비목적 리간드는 억제하는 '척력 효과'를 활용하여 고비용 보상 모델 없이 고특이성 효소를 설계한다.
  • 보상 기반 조종(Reward-based Steering): 이황화 결합(Disulfide Bridge)이나 Cation-Pi 상호작용처럼 서열과 구조 정보가 동시에 필요한 속성을 타겟팅하여 성공률을 극대화한다.

4. 산업용 촉매 개발 성과 분석

반응 유형 수율 / TTN 비교 지표
B-H 삽입 반응 98% / 5,000 TTN 지시 진화 4회차 성능 압도
C-H 알킬화 2,300 TTN 기존 학술 SOTA(지시 진화 13회) 대등
사이클로프로판화 72% / 4,000 TTN 초기 지시 진화 대비 4배 상회

* TTN: Total Turnover Number

특히 사해(Dead Sea)의 극한 환경에서 추출한 기능 없는 전사 인자를 효율적인 효소로 재창조(Repurposing)한 사례는 Disco 모델의 독보적인 설계 잠재력을 시사한다.

5. 결론 및 실무 통합 로드맵

Disco 모델은 지시 진화의 개발 주기를 며칠 단위로 단축시켜 막대한 ROI를 제공한다. 본 연구는 다음과 같은 하이브리드 워크플로우 구축을 강력히 권고한다.

  1. 01
    Zero-shot Design: Disco를 통해 목적 반응 최적화 시드 수백 개를 수일 내 설계.
  2. 02
    Wet-lab Validation: 설계 후보군 합성 및 활성 검증 (약 2주).
  3. 03
    Local Improvement: 높은 '진화 가능성'을 가진 시드에 무작위 돌연변이 도입하여 극대화.

비자연적 화학 반응 시장을 선점하기 위해서는 'AI 설계-지시 진화' 결합 파이프라인의 조기 도입이 필수적이다.