단백질 진화의 난점은 ‘새 기능을 찾는 일’과 ‘그 기능을 감당할 만큼 단단한 단백질을 유지하는 일’이 동시에 필요하다는 데 있다. 대부분의 돌연변이는 안정성을 깎고, 새 기능을 얻는 돌연변이도 예외가 아니다. 그래서 자연형 단백질은 때로 좋은 출발점이면서 동시에 좁은 출발점이다.
이 연구는 이 문제를 정면으로 바꿔 묻는다. AI가 최종 효소를 직접 설계해야 하는가, 아니면 실험 진화가 더 멀리 갈 수 있도록 출발점을 먼저 재설계하면 되는가. 저자들은 ProteinMPNN과 PROSS로 보툴리눔 신경독소(BoNT) protease의 sequence를 안정화한 뒤, PACE/PANCE를 통해 새로운 substrate specificity를 진화시켰다. 그 결과 redesign은 단지 시작 성능을 높인 것이 아니라 WT가 사용할 수 없던 mutation을 허용하고, 가까운 sequence neighborhood의 fitness를 올리고, 어려운 selection의 성공률과 최종 specificity를 높였다.
새 기능을 얻는 동안 단백질은 무너질 수 있다
진화 가능성(evolvability)은 mutation을 많이 만들 수 있느냐보다, 그 mutation을 감당할 물리적 여유가 있느냐에 좌우될 수 있다.
대부분의 WT 단백질은 넉넉하게 안정적이지 않다
Directed evolution은 자연 단백질에서 출발해 mutation, selection, replication을 반복하면서 원하는 기능을 얻는다. PACE는 이 과정을 24시간에 수십 세대 수준으로 자동화할 수 있어 DNA-binding protein, protease, polymerase, aminoacyl-tRNA synthetase, dehydrogenase, nuclease, base editor, prime editor, transposase, recombinase 등 다양한 단백질을 재프로그래밍하는 데 쓰여 왔다.
문제는 새 기능을 향한 mutation이 대개 공짜가 아니라는 점이다. WT 단백질은 흔히 marginally stable하고, mutation의 상당수는 destabilizing하다. 따라서 기능을 높이는 변이가 축적될수록 folding과 soluble expression이 무너지기 쉽다. 실제로 과거 연구에서는 새 기능을 얻기 전에 안정성을 먼저 높이는 permissive mutation이 필요하거나, 진화 후 다시 stability rescue가 필요한 사례가 반복됐다.
안정성만 먼저 진화시키는 방법도 비용이 크다
기존 해법 가운데 하나는 thermal stability나 soluble expression을 먼저 실험적으로 진화시킨 뒤, 그 안정화된 단백질에서 원하는 기능을 다시 진화시키는 것이다. 그러나 이는 시간과 노동을 한 번 더 요구하고, soluble-expression selection에서 reporter와 실제 protein expression이 분리되는 cheating 문제도 생길 수 있다. chaperone overexpression으로 안정성 저하를 보완할 수도 있지만, 그 경우 최종 genotype가 chaperone 없는 환경에서 잘 발현된다는 보장이 없다.
반면 computational sequence redesign은 이미 존재하는 active site와 전체 구조를 유지하면서 주변 sequence를 안정화하는 데 강점이 있다. 저자들이 선택한 ProteinMPNN은 neural network 기반 sequence design model이고, PROSS는 Rosetta energy와 evolutionary statistics를 결합한 안정화 설계법이다. 연구 질문은 단순하다. 이 도구들로 ‘진화에 더 강한 출발점’을 만들 수 있는가.
기능을 유지하면서 specificity를 크게 바꿀 수 있는 시험대
BoNT protease는 substrate specificity가 뚜렷하고, PACE에서 target cleavage를 phage fitness에 연결할 수 있어 진화 실험의 좋은 모델이다. target substrate를 절단하면 T7 RNA polymerase가 활성화되어 essential phage gene gIII 발현이 가능해지고, off-target cleavage는 별도의 negative-selection circuit를 통해 phage propagation을 억제할 수 있다. 따라서 ‘원하는 substrate는 자르고, 원래 substrate는 자르지 않는’ specificity reprogramming을 직접 selection으로 걸 수 있다.
ProteinMPNN은 active site를 건드리지 않고 주변 sequence를 다시 짠다
설계의 목표는 de novo catalysis가 아니라, 이미 작동하는 protease를 더 안정적이고 표현이 잘 되는 배경으로 바꾸는 것이다.
중요한 잔기는 고정하고, 나머지만 바꾼다
BoNT/E redesign에서 저자들은 substrate binding, catalytic Zn2+ coordination, catalysis에 중요한 residue를 고정했다. crystal structure에서 substrate 또는 catalytic Zn2+로부터 14 Å 또는 18 Å 이내 residue를 distance constraint로 묶고, multiple sequence alignment에서 30% 또는 60% 이상 보존된 residue도 고정했다. 나머지 residue만 ProteinMPNN이 redesign했다.
각 constraint 조합에서 22개 sequence를 만들고 AlphaFold2로 target fold 유지 여부를 확인했다. AF2 pLDDT와 WT structure 대비 RMSD가 in silico filter였다. Methods에서는 BoNT/F에 10/14/18 Å, BoNT/X에 18 Å distance threshold를 사용했고, 모든 protease에서 30/60% conservation cutoff를 적용했다고 밝힌다. ProteinMPNN sampling temperature는 0.1과 0.3을 시험했고 cysteine은 oxidation 우려 때문에 design에서 제외했다.
74개 design 중 58개가 기능을 유지했다
| BoNT/E ProteinMPNN screen | Count | Fraction | Interpretation |
|---|---|---|---|
| 실험한 design | 74 | 100% | constraint 조합을 거친 sequence panel |
| 기능성 protease | 58 | 78% | native SNAP25 cleavage 유지 |
| WT 이상 cleavage rate | 33 | 45% | 기능 보존을 넘어 catalytic rate 유지/향상 |
| activity 유지 + soluble yield 향상 | 22 | 30% | 진화 출발점으로 특히 유리한 조합 |
활성과 soluble yield가 가장 좋아진 design은 주로 18 Å constraint group에서 나왔다. binding groove에 더 가까운 residue까지 redesign할 수 있었던 14 Å group은 대체로 해로웠다. 즉, model이 강해도 어디까지 자유도를 줄 것인지가 중요하다.
D1, D2, D3 세 top design은 모두 WT보다 soluble expression과 thermal stability가 높았다. Michaelis–Menten 분석의 catalytic efficiency \(k_{cat}/K_m\)는 각각 260, 310, 190 mM−1s−1로, WT의 110보다 1.7–2.8배 높았다.
방법은 달라도 ‘안정화된 출발점’이라는 효과는 재현된다
저자들은 같은 BoNT/E를 PROSS로도 redesign했다. 82개 PROSS variant 가운데 33개(40%)가 WT 이상으로 active하고 highly expressed했다. top PROSS1–3는 expression, stability, kinetics가 ProteinMPNN D1–D3와 비슷했지만, top ProteinMPNN design의 평균 melting temperature는 55.2 °C, PROSS는 52.3 °C였다.
ProteinMPNN과 PROSS의 sequence 성격은 달랐다. PROSS는 전체 mutation 수가 적고, charged residue 변화가 적고, 더 conservative한 substitution이 많았다. 그럼에도 이후 진화에서 두 계열 redesign이 모두 WT보다 나은 결과를 냈다. 이는 특정 model의 독점적 효과라기보다 starting-point robustness 자체가 중요한 변수라는 해석을 지지한다.
BoNT/E뿐 아니라 F와 X도 안정화된다
BoNT/F top three redesign은 WT보다 높은 stability와 PACE circuit activation을 보이면서 catalytic efficiency는 비슷했다. BoNT/X top two design도 안정화에 성공했고, toxin heavy-chain module과 결합해 mammalian intracellular delivery가 가능한지까지 확인했다. 저자들은 세 serotype 모두에서 96개 이하의 실험적 screen만으로 stability가 좋아지고 activity가 유지되거나 향상된 protease를 얻었다고 보고한다.
좋은 출발점은 더 많은 ‘쓸 수 있는 mutation’을 만든다
최종 score가 높은 이유가 우연인지, 아니면 background가 mutation의 효과를 바꾸기 때문인지 교차 graft 실험으로 검증한다.
진화로 잃은 stability를 redesign으로 되찾을 수 있다
이전 PACE에서 WT BoNT/E는 therapeutically relevant PTEN을 자르도록 재프로그래밍됐지만, 최종 E(4130)A2는 WT가 SNAP25를 자르는 속도보다 PTEN cleavage가 11배 느렸고 expression과 stability도 낮았다. 저자들은 E(4130)A2의 16개 PACE mutation을 D1–D3 background에 graft했다.
그 결과 D1, D2, D3 background의 grafted enzyme은 E(4130)A2보다 E. coli expression이 각각 4.2배, 2.2배, 5.2배 높았다. PTEN cleavage specificity는 유지됐고, D2는 kinetics가, D1은 thermal stability가 개선됐다. 원래 substrate SNAP25 cleavage는 검출되지 않았다. HEK293T cell에서는 D2/D3 graft가 E(4130)A2나 WT보다 24배 이상 높은 protease expression을 보였고 PTEN cleavage product formation은 각각 4.5배, 3.9배 높았다.
415, 413, 412: 난도가 올라갈수록 background 차이가 더 분명해진다
저자들은 SNAP25 21-residue region의 441개 possible single-residue variant를 profiling한 뒤, starting activity가 낮아지는 순서로 substrate 415, 413, 412를 골랐다. WT와 D3를 각각 3–4 replicate lagoon에서 진화시켜 총 22개의 독립 PACE lagoon을 돌렸다. 각 evolved genotype를 원래 background뿐 아니라 반대 background에도 graft해 mutation 자체와 background 효과를 분리했다.
| Selection | WT outcome | D3 outcome | 핵심 관찰 |
|---|---|---|---|
| 415 · lowest difficulty | 2.6×, 3.0×, 2.8× circuit activation | 7.7×, 6.9×, 6.1× | 공통 S162N/Y357H조차 D3에서 7.7×, WT에서 2.6× |
| 413 · medium | 최대 8.5× | 최대 15× | D3는 single-base-pair mutant부터 >10×, WT 초기 K225T는 1.47× |
| 412 · hardest | 4개 중 2개 washout, 성공 clone 10× | 4개 모두 성공, 20×·16× | destabilizing K225E가 D3에서는 작동하지만 WT에서는 기능하지 않음 |
mutation의 효과는 sequence context에 의존한다
415 selection에서 D3만 얻은 N238K-containing genotype은 D3에서 luciferase activation을 5.6배 높였지만 WT에 graft하면 1.5배 개선에 그쳤다. 413에서는 D3-evolved mutation set을 WT background에 옮기면 activity가 사라진 반면, WT-evolved mutation은 D3가 잘 수용했다.
412에서 가장 직접적인 증거가 나왔다. D3에서 반복적으로 등장한 K225E는 WT background에 넣으면 activity가 없었다. K225E는 WT와 D3의 Tm을 각각 4.3 °C, 6.5 °C 낮췄지만, mutation 후 최종 Tm은 WT 45 °C, D3 48 °C였다. D3는 더 큰 stability margin을 가지고 있었기 때문에 기능에 유리하지만 불안정한 mutation을 감당할 수 있었다.
WT는 기능 mutation과 stabilizing mutation을 함께 찾아야 했다
413에서 WT top triple mutant E154G;G220V;K225I를 dissect하자 E154G를 되돌린 enzyme은 expression과 stability가 크게 무너졌다. 즉 E154G는 active하지만 destabilizing한 G220V;K225I를 보상하는 compensatory mutation이었다. 반면 D3 top double mutant S162I;S163F는 하나씩 되돌리면 activity만 줄고 expression/stability는 유지됐다. 두 mutation은 compensation용이 아니었다.
같은 selection에서도 WT는 ‘기능을 올리는 mutation + 단백질을 살리는 mutation’을 함께 찾아야 했고, D3는 안정성 여유 덕분에 기능 mutation에 더 직접적으로 접근할 수 있었다.
진화의 길이 바뀐 것이 아니라, 걸을 수 있는 땅이 넓어졌다
LoopSeq와 cross-background grafting은 redesign이 local neighborhood와 distal genotype의 fitness를 동시에 바꾼다는 것을 보여 준다.
가까운 mutation이 이미 충분히 좋다면 적은 step으로 selection을 통과한다
413 evolution에서 D3 lagoon은 WT보다 phage titre가 일찍 회복했다. earliest assayed timepoint에서 WT K225T는 1.47× activation에 불과했지만 D3에서는 K225T와 K225I single-base-pair genotype이 모두 10×를 넘었다. WT는 substantial activity에 도달하려면 2–4개의 DNA mutation이 필요했다.
412에서도 초기 single-base-pair D3 clone은 같은 시점 WT clone보다 4.5배 높은 circuit activation을 보였고, 이미 later higher-order mutant와 비슷한 activity였다. WT 초기 clone은 best final triple mutant보다 2.4배 낮았다. 논문의 표현대로, redesign이 starting point 주변의 local fitness를 올리는 경우 adaptation rate가 빨라진다.
D3는 WT가 갈 수 있는 길도 가고, WT가 못 가는 길도 간다
413 final lagoon을 synthetic long-read LoopSeq로 깊게 읽자 WT-evolved abundant mutation은 D3 lagoon에서도 자주 나타났지만, D3-evolved mutation은 WT pool에서 드물었다. 이는 D3가 WT-compatible functional space를 포함하면서 추가적인 genotype까지 지원한다는 cross-graft 결과와 일치한다.
시간에 따른 genotype frequency를 보면 D3 lagoon 초반에는 WT-compatible genotype이 우세하다가 selection stringency가 높아지면서 redesign-specific genotype이 늘어났다. single mutant도 끝까지 남았다. 반면 WT lagoon은 single mutant가 multi-mutant genotype으로 대체되는 경향이 컸고, 평균 Hamming distance도 더 멀어졌다. 일부 replicate에서는 diversity도 함께 증가했다.
시작 activity가 낮아도 robust background는 좋은 진화 결과를 낼 수 있다
D4는 initial redesign panel에서 high expression과 high stability를 보였지만 WT보다 native-substrate cleavage가 20배 느렸다. 저자들은 이 다소 불리한 starting point와 PROSS1까지 415/413/412 세 substrate에 동일 조건으로 진화시켰다. WT, D3, D4, PROSS1 네 starting point를 합치면 총 44개의 독립 evolution이다.
D4와 PROSS1 population은 세 selection을 모두 통과했고, 세 redesign 계열의 evolved variant는 모든 substrate에서 WT-evolved variant보다 일관되게 active했다. 특히 D4-evolved protease는 시작 catalytic rate가 20배 낮았음에도 다른 redesign에서 진화한 enzyme만큼, 때로는 더 높은 activity에 도달했다.
redesign은 공통적으로 robust하지만 각자의 landscape는 다르다
모든 consensus genotype을 WT, D3, D4, PROSS1 네 background에 교차 graft하자 redesign background는 WT-derived와 다른 redesign-derived genotype 대부분을 기능성으로 수용했다. 반대로 WT는 redesign-derived genotype을 체계적으로 낮게 평가했다. 415에서는 redesign mutation을 WT에 graft했을 때 functional protease가 0개였고, 413과 412에서도 minority만 기능했다.
다만 redesign끼리 완전히 동일하지는 않았다. D4는 많은 genotype에서 매우 높은 activity를 보였지만 일부 genotype은 D3/PROSS1/WT에서 작동하면서 D4에서는 실패했다. 안정성 여유와 느린 catalysis의 trade-off, 그리고 redesign된 residue의 구체적 위치가 accessible sequence space를 다르게 만든다는 해석이다.
protein language model은 landscape를 보여 주는 좌표계로 쓰였다
저자들은 evolved consensus genotype를 ESM-C embedding에 넣고 PCA로 시각화했다. WT background에서 genotype는 evolution substrate별로 cluster되었지만 high-function variant는 starting point에서 멀고, 주변 single-base-pair genotype는 기능이 낮았다. 같은 sequence coordinate에 D3/D4/PROSS1 activity를 다시 표시하면 redesign은 distal genotype뿐 아니라 starting point에 가까운 genotype의 fitness도 올렸다.
중요한 한계도 있다. Extended Data Fig. 7에서 ProteinMPNN apo score와 complex score가 evolvability 또는 evolved mutant activity를 어느 정도 설명할 수 있는지 분석했지만, 저자들은 예측력이 modest하다고 표현한다. 즉 현재 design score만 보고 어떤 starting point가 최고의 진화 결과를 낼지 정확히 예측할 수 있는 단계는 아니다.
마지막 시험은 ‘원래 substrate를 버리고 질병 관련 표적을 선택하라’였다
새 기능뿐 아니라 native specificity를 사실상 제거해야 하는 dual-selection 문제에서 redesign의 장점이 가장 극적으로 드러난다.
ataxin-2 IDR3의 1181–1201 region을 표적으로 삼았다
ataxin-2는 neurodegenerative disease와 관련되고 motor neuron에서 중요한 단백질이다. 저자들은 disease-associated condensation에 기여하는 disordered IDR3 중 1181–1201 residue를 target으로 골랐다. 이 영역 제거가 aberrant aggregate 형성을 막는다는 선행 연구가 있고, BoNT holotoxin이 본래 motor neuron으로 전달될 수 있다는 점도 배경이 됐다.
Extended Data Fig. 8은 target region의 proteolytic accessibility를 검증하고, SNAP25에서 ataxin-2 sequence로 한 residue씩 바꾸며 가장 어려운 substitution을 찾은 뒤 stepping-stone selection을 구성한 과정을 보여 준다. D2, D3, WT에서 동일한 dilution, replicate, host stringency를 적용했고, 96-well PANCE와 automated ePACE를 조합했다.
redesign은 훨씬 더 먼 sequence까지 실제 기능을 유지하게 했다
Nanopore long-read sequencing으로 최종 consensus genotype을 비교하면 redesign과 WT에서 서로 다른 solution이 나왔다. top redesign-evolved protease는 ProteinMPNN redesign에서 46 mutations, PANCE–PACE에서 추가로 18 mutations을 얻어 natural BoNT/E와 16% sequence difference를 보였다. best WT-evolved protease는 10 mutations, 즉 2.4% 차이였다.
redesign-evolved enzyme은 더 빠르고, native substrate에는 더 조용했다
| Measurement | Redesign-evolved result | WT-evolved comparison |
|---|---|---|
| Ataxin-2 cleavage | D3(428)1 1.4×, D3(428)2 1.7× faster | best WT-evolved E(428)4 기준 |
| SNAP25 off-target | 같은 농도에서 D3 variants는 검출되지 않음 | WT-evolved도 시작 BoNT/E 대비 17,000×·21,000× 감소 |
| High-sensitivity off-target assay | D3(428)1 limited cleavage, D3(428)2 still not detected | WT-evolved는 검출 가능 |
| Selected specificity gain | 79× 및 >56× greater | E(428)4 대비 |
gel-shift assay도 같은 방향을 확인했다. WT-evolved protease는 SNAP25 off-target cleavage가 관찰됐지만 redesign-evolved protease에서는 보이지 않았다. HEK293T viability assay에서는 D3(428)1이 E(428)4보다 독성이 낮았다. 저자들은 specificity가 높아 cellular perturbation이 줄었을 가능성과 일치한다고 해석한다.
redesign의 stability margin은 결국 새 기능을 사는 데 쓰였다
D3-evolved ataxin-2 protease는 D3 starting point보다 크게 destabilized됐다. 그러나 최종 상태에서도 WT BoNT/E 또는 WT-evolved variant보다 더 안정적이었다. WT-evolved protease도 불안정해졌지만 정도는 작았다. 저자들은 WT가 처음부터 stability margin이 작아 새 기능과 교환할 수 있는 여유가 적었기 때문이라고 본다.
HEK293T에서 redesign-evolved protease는 WT-evolved protease와 WT BoNT/E보다 expression이 높고 ataxin-2 cleavage product를 더 효율적으로 만들었다. WT-evolved protease에서는 여러 cleavage byproduct가 더 많이 보인 반면, D3-evolved에서는 low-abundance byproduct 하나가 주로 관찰됐다.
최고 specificity genotype는 WT background에서 아예 작동하지 않았다
D3(428)1 또는 D3(428)2의 evolution mutation 전체를 WT background에 옮기자 ataxin-2 cleavage activity가 사라졌다. 반대로 WT-evolved E(428)4 mutation을 D3에 graft하면 높은 activity와 specificity를 가진 protease가 됐다. mammalian-cell assay에서도 같은 비대칭이 재현됐다.
simulation은 off-target loss를 지지했지만 redesign의 우위를 설명하지 못했다
Extended Data Fig. 10의 3 μs all-atom molecular dynamics는 evolved protease에서 SNAP25 contact가 약해지는 현상을 뒷받침했다. 그러나 WT-evolved와 redesign-evolved specificity의 차이를 설명하는 분명한 구조적 지표는 제공하지 못했다. 논문은 이 지점을 과장하지 않는다. simulation은 관찰된 off-target loss와 일치하지만, 왜 redesign이 79× 수준의 상대 specificity advantage를 만들었는지에 대한 완결된 mechanistic explanation은 아니다.
결론보다 더 중요한 것은 이 결과를 어떻게 분해해 확인했는가이다
39쪽 PDF의 Methods와 Extended Data는 redesign, evolution, sequencing, structural analysis, cell assay가 어떻게 서로 다른 질문을 검증하는지 보여 준다.
각 method가 답하는 질문
| Method | Purpose | Key source detail |
|---|---|---|
| ProteinMPNN redesign | structure-compatible sequence stabilization | AF2 input, distance/conservation constraints, sampling T 0.1/0.3, cysteine excluded |
| PROSS redesign | alternative physical/evolutionary stabilization | same AF2 structure and 14/18 Å distance constraints, ref2015 energy |
| Small/medium-scale purification | soluble expression and biochemical characterization | His-tag affinity purification, SDS–PAGE, BCA quantification |
| FRET cleavage kinetics | initial rate and Michaelis–Menten kinetics | 470/526 nm donor–acceptor readout, trypsin endpoint normalization |
| Thermal shift | melting temperature | SYPRO Orange, 25→95 °C ramp, maximum derivative defines Tm |
| Luciferase circuit assay | PACE selection fitness proxy | target cleavage activates T7 RNAP-driven luciferase |
| Substrate profiling | find new substrates of graded difficulty | all 441 single substitutions across 21 SNAP25 residues |
| ePACE / min-eVOLVER | parallel continuous directed evolution | replicate lagoons, matched codons across WT/design backgrounds |
| PANCE | 96-well non-continuous stepping-stone evolution | serial passages with induced mutagenesis |
| LoopSeq | full-length genotype population dynamics | >100 assembled long reads defines abundant genotype for plotted analyses |
| ESM-C + PCA | visualize sequence-space organization | layer 5 selected by substrate-cluster Rand index |
| Gel shift + intact mass MS | confirm cleavage and scissile bond | LC-TOF intact-mass assignment of ataxin-2 products |
| Molecular dynamics | probe SNAP25 interface dynamics | OpenMM 8.2, ff14SB, 3 μs per system, NVT 298 K |
| HEK293T assays | expression, target cleavage, toxicity | western blot/CellTiter-Glo readouts |
안전과 재현성의 균형을 위해 본 글은 논문의 실험 목적과 핵심 조건을 설명하되, 배양·선택 시스템을 그대로 재현할 수 있는 단계별 실행 레시피는 옮기지 않았다. 원문 Methods가 일차 출처다.
FRET conversion과 substrate enrichment는 정량적으로 정의된다
FRET assay는 donor/acceptor emission ratio를 protease-free negative control과 trypsin-complete-conversion positive control 사이에서 정규화한다.
substrate profiling에서는 plus/minus chloramphenicol 조건의 각 substrate read frequency를 비교해 log-enrichment를 계산한다.
cleavage rate는 linear region의 slope로 계산하고, statistically significant conversion rate가 관찰되지 않을 때는 three replicates의 mean + 3 s.d.를 최대 rate bound로 사용한다.
Extended Data 1–10이 각각 무엇을 검증하는가
| Extended Data | What it adds |
|---|---|
| Fig. 1 | BoNT/E/F/X ProteinMPNN redesign의 AF2 structure alignment, RMSD, pLDDT, WT 대비 sequence difference를 보여 준다. |
| Fig. 2 | PROSS redesign의 mutation fraction, activity/yield, purification, Tm, Michaelis–Menten을 ProteinMPNN과 직접 비교한다. |
| Fig. 3 | BoNT/F 및 BoNT/X redesign의 constraint map, activity/yield, thermal stability, kinetics, PACE circuit, BoNT/X delivery compatibility를 검증한다. |
| Fig. 4 | 441 single-substitution substrate profile과 412–419 candidate의 starting fitness를 통해 415/413/412 난도 설정을 정당화한다. |
| Fig. 5 | 413 selection의 WT top genotype과 D3 top genotype에서 individual mutation reversion으로 compensatory stabilization 여부를 분해한다. |
| Fig. 6 | D4/PROSS1 consensus genotype, four-background graft functional fraction, background 간 activity correlation, Hamming distance를 정리한다. |
| Fig. 7 | ProteinMPNN apo/complex score와 soluble yield, Tm, evolved activity의 correlation을 분석하며 prediction이 제한적임을 보여 준다. |
| Fig. 8 | ataxin-2 target accessibility, stepping-stone design, WT starting activity, parallel evolution trajectory, AF3 models, initial clone activity를 검증한다. |
| Fig. 9 | AF3-predicted ataxin-2 complex와 gel shift, intact mass spectrometry를 결합해 실제 scissile bond를 확인한다. |
| Fig. 10 | ataxin-2/SNAP25 kinetics, HEK293T viability, MD interface statistics, 최종 variant Tm을 통해 activity·toxicity·stability를 보강한다. |
replicate, cell line, exclusion, dual-use 항목까지 공개한다
Nature Reporting Summary에 따르면 별도 표기가 없는 실험은 통상 triplicate로 수행됐다. data exclusion은 없었고, biological replicate는 동일하게 처리돼 randomization이 relevant하지 않았다고 보고했다. western blot은 최소 2회의 독립 실험에서 comparable result를 확인했고, in vitro cleavage reaction은 최소 2회, FRET assay는 3회 수행했다.
HEK293T(CRL-3216)와 Neuro-2a(CCL-131)은 ATCC에서 구입했고 STR authentication을 거쳤으며 mycoplasma negative였다. 사용 antibody에는 anti-6×His, β-tubulin, anti-FLAG, anti-GAPDH, anti-cofilin이 포함된다. Reporting Summary의 dual-use research checklist에서는 public health, national security, crops/livestock, ecosystems 등 위해 영역과 vaccine evasion, antimicrobial resistance, virulence, transmissibility, host range, diagnostic evasion, weaponization 등 experiments of concern을 모두 No로 표시했다.
sequence-design과 LoopSeq code는 공개됐다
raw data는 Supplementary Tables에, uncropped western blot은 Supplementary Information에 제공된다고 명시돼 있다. ProteinMPNN protease sequence-design code는 sequence-design-guide, LoopSeq analysis code는 LoopSeq repository에 공개됐다. Reporting Summary는 notable plasmid를 Addgene에, high-throughput sequencing data를 NCBI SRA에 deposit할 계획도 적고 있다.
Nicholas A. Krasnow가 연구 설계, computational design, PACE/PANCE, protease characterization, data analysis를 주도했고 David R. Liu가 연구와 experimental design을 총괄했다. 연구는 NSF Graduate Research Fellowship, NIH R01EB031172/R01EB027793/RM1HG009490/R35GM118062, Howard Hughes Medical Institute의 지원을 받았다.
competing interests로 Krasnow와 Liu는 본 연구 관련 Broad Institute patent application의 inventor이며, Liu는 Beam Therapeutics, Prime Medicine, Pairwise Plants, nChroma Bio, Exo Therapeutics의 cofounder/consultant/equity holder라고 공개했다. 다른 저자는 competing interest가 없다고 밝혔다. 논문은 CC BY 4.0 open-access license다.
AI protein design의 역할을 ‘최종 답 생성’에서 ‘진화 가능한 상태 설계’로 넓힌다
이 연구가 강한 이유는 좋은 enzyme 하나를 만든 것이 아니라, starting point가 이후 mutation의 의미를 어떻게 바꾸는지 side-by-side evolution과 graft experiment로 보여 줬기 때문이다.
computational design과 experimental evolution은 서로 다른 종류의 문제를 잘 푼다
현재 computational design은 stability와 fold-compatible sequence를 만드는 데 강하지만 새로운 catalytic function을 완전히 설계하는 일은 여전히 어렵다. directed evolution은 반대로 새 기능을 찾는 데 강하지만 stability를 잃기 쉽다. 이 논문은 둘을 이어 붙인다. design으로 stability reserve를 만들고, evolution이 그 reserve를 specificity와 activity로 소비하도록 한다.
단순한 ‘stabilize then evolve’보다 더 강한 인과 증거
stability가 evolvability를 높일 수 있다는 개념 자체는 오래됐다. 이 연구의 새로움은 세 가지다. 첫째, ProteinMPNN과 PROSS로 만든 여러 redesign을 동일 selection에 WT와 side-by-side로 넣었다. 둘째, evolution mutation을 alternative background로 교차 graft해 starting-point robustness를 직접 검증했다. 셋째, LoopSeq population dynamics와 ESM-C embedding으로 redesign이 local·distal sequence space를 어떻게 넓히는지 보여 줬다.
따라서 “redesign된 enzyme이 최종적으로 더 좋았다”에서 멈추지 않는다. 왜 더 좋은가를 mutation compatibility와 fitness landscape 변화로 연결한다.
BoNT protease에서의 일관된 우위가 모든 protein으로 자동 확장되는 것은 아니다
Protein-class scope
주요 실험은 BoNT/E/F/X protease에 집중돼 있다. 다른 fold, 다른 catalytic mechanism에서도 같은 정도의 landscape expansion이 일어나는지는 future work다.
PACE-selectable functions
workflow는 기능을 PACE/PANCE selection에 연결할 수 있어야 한다. selection circuit로 표현하기 어려운 phenotype에는 그대로 적용하기 어렵다.
Predictive design metrics
ProteinMPNN score는 evolutionary performance를 modest하게만 예측했다. ‘어떤 redesign이 가장 evolvable한가’를 계산만으로 고르는 문제는 남아 있다.
Therapeutic translation
ataxin-2 cleavage는 biochemical/cell evidence다. 질환 치료 효과, delivery, immunogenicity, in vivo safety를 입증한 것은 아니다.
‘좋은 모델’보다 ‘좋은 search space’를 설계하는 AI
AI-for-science에서 model은 흔히 최종 candidate를 직접 제안하는 도구로 묘사된다. 이 논문은 다른 역할을 보여 준다. AI는 실험 search를 대체하지 않고, search가 실패하지 않도록 초기 상태의 robustness와 neighborhood를 바꾼다. 그 뒤의 innovation은 continuous evolution이 담당한다.
이 구조는 protein engineering에 특히 자연스럽다. sequence–function landscape가 거칠고 epistasis가 강할수록, 같은 mutation도 background에 따라 전혀 다른 결과를 낸다. 그러므로 좋은 starting point는 단순한 baseline이 아니라 향후 어떤 mutation이 ‘가능한 선택지’가 될지를 정의하는 일종의 evolutionary prior다.
본문 figure를 한 문장씩 다시 읽기
Fig. 1
ProteinMPNN redesign이 stability·expression·kinetics를 높이고, redesigned starting point가 넓은 functional space를 가진다는 출발 가설을 세운다.
Fig. 2
이미 PTEN specificity를 얻은 evolved protease도 redesign background에 mutation을 graft하면 expression/stability를 회복할 수 있음을 보인다.
Fig. 3
415/413/412 세 난도에서 D3가 WT보다 높은 outcome과 mutation compatibility, 더 빠른 local adaptation을 보인다.
Fig. 4
LoopSeq로 WT와 D3 population의 genotype frequency, shared/specific mutation, Hamming distance, entropy를 추적한다.
Fig. 5
D4와 PROSS1까지 포함한 44 evolution과 four-background graft, ESM-C embedding으로 landscape expansion이 특정 redesign 하나에 국한되지 않음을 보인다.
Fig. 6
ataxin-2 dual selection에서 redesign-evolved protease가 더 높은 activity·specificity·stability와 낮은 native-substrate activity를 달성한다.