챕터별 상세
팀 소개 및 배경
Novozymes 팀과 우승자인 Eggplanck(Daisuke Iijima)가 인사를 나눴다. Eggplanck는 교토 대학교에서 입자 물리학을 전공했으며, 인턴 과정에서 그래프 신경망(GNN)을 연구하며 단백질 데이터셋에 관심을 갖게 되었다. 단백질 데이터셋이 GNN의 벤치마크로 자주 사용된다는 점에 착안하여 이번 경진대회에 참여했다.
단백질 구조의 그래프 변환
PDB 파일에 포함된 단백질의 3차원 구조 정보를 그래프 형태로 변환했다. 각 아미노산 잔기(Residue)를 노드로 설정하고, 두 잔기 사이의 거리가 6Å(옹스트롬) 이내인 경우 엣지로 연결했다. 이를 통해 단백질의 물리적 근접성을 반영하는 그래프 구조를 생성했다.
노드 피처 엔지니어링: ESM-2 활용
GNN의 입력값인 노드 피처로 ESM-2 모델에서 추출한 임베딩 벡터를 사용했다. 단백질 서열 정보를 ESM-2에 입력하여 생성된 벡터와 각 아미노산의 물리화학적 특성을 결합했다. 야생형(Wild-type)과 변이형(Mutant) 서열 모두에 대해 임베딩을 수행하여 변화를 포착했다.
GNN 모델 아키텍처: GIN
3개 계층으로 구성된 GIN(Graph Isomorphism Network) 아키텍처를 구축했다. 각 계층에서 메시지 패싱과 집계(Aggregation)를 수행하며, 각 층의 중간 표현값을 연결(Concatenate)하여 최종 출력을 생성했다. Deep Graph Library(DGL)를 사용하여 모델을 구현했으며 전체 학습 시간은 약 56분이 소요됐다.
앙상블 전략 및 버그의 역설
GNN 모델 단독 점수보다 Rosetta, Thermonet v2, RMSD 등 공공 리더보드에서 성능이 검증된 모델들과의 앙상블을 통해 최종 성능을 높였다. 흥미롭게도 제출된 GNN 모델에는 미니배치 내 샘플들이 거의 동일한 예측값을 출력하는 버그가 있었으나, 이것이 오히려 모델의 로버스트함(Robustness)을 높여 우승에 기여했다. 변이가 일어난 위치의 정보가 누락되었음에도 불구하고 구조적 특징만으로도 높은 성능을 기록했다.
python
import dgl
import torch
import torch.nn as nn
from dgl.nn import GINConv
class GINModel(nn.Module):
def __init__(self, in_dim, hidden_dim, out_dim):
super().__init__()
self.conv1 = GINConv(nn.Linear(in_dim, hidden_dim), 'sum')
self.conv2 = GINConv(nn.Linear(hidden_dim, hidden_dim), 'sum')
self.conv3 = GINConv(nn.Linear(hidden_dim, hidden_dim), 'sum')
self.mlp = nn.Sequential(
nn.Linear(hidden_dim * 3, hidden_dim),
nn.ReLU(),
nn.Linear(hidden_dim, out_dim)
)
def forward(self, g, h):
h1 = torch.relu(self.conv1(g, h))
h2 = torch.relu(self.conv2(g, h1))
h3 = torch.relu(self.conv3(g, h2))
# Concatenate intermediate representations
h_combined = torch.cat([h1, h2, h3], dim=1)
g.ndata['h'] = h_combined
return self.mlp(dgl.readout_nodes(g, 'h', op='sum'))DGL 라이브러리를 사용하여 구현한 3계층 GIN(Graph Isomorphism Network) 모델의 기본 구조
중심성(Centrality)과 안정성의 상관관계
변이가 발생한 노드의 정보 중심성(Information Centrality)과 열안정성 변화(dTm) 사이에 상관관계가 있음을 발견했다. 단백질 구조의 중심부에 위치한 아미노산의 변이가 안정성에 더 큰 영향을 미친다는 사실을 데이터로 확인했다. 중심성의 역수(Inverse)만으로도 리더보드에서 상당한 점수를 기록할 수 있었다.
용어 해설
- 그래프 신경망(Graph Neural Network)
- — 데이터 간의 관계를 노드와 엣지로 표현하는 그래프 구조를 처리하기 위한 신경망이다. 단백질 구조와 같이 개별 요소(아미노산) 간의 3차원적 상호작용이 중요한 데이터를 학습하는 데 필수적이다.
- ESM-2
- — Meta AI에서 개발한 대규모 단백질 언어 모델로, 수억 개의 단백질 서열 데이터를 학습하여 아미노산의 진화적, 구조적 정보를 벡터 형태로 추출한다. 단백질의 특성을 예측하는 다양한 하위 작업에서 강력한 성능을 발휘한다.
- 단백질 구조 데이터뱅크(PDB)
- — 단백질, 핵산 등 생체 고분자의 3차원 구조 정보를 저장하는 표준 파일 형식 및 데이터베이스이다. 원자 단위의 좌표 정보를 포함하고 있어 단백질의 물리적 형태를 분석하는 기초 자료가 된다.
- 그래프 동형 신경망(GIN)
- — 그래프의 구조적 차이를 식별하는 능력이 이론적으로 가장 강력하다고 알려진 GNN 아키텍처 중 하나이다. 그래프 내 노드들의 정보를 집계할 때 정보 손실을 최소화하여 복잡한 구조를 효과적으로 학습한다.
- 열안정성(Thermostability)
- — 단백질이나 효소가 높은 온도에서도 구조적 무결성과 기능을 유지하는 성질이다. 산업용 효소 개발에서 고온 공정을 견디기 위해 반드시 확보해야 하는 핵심 지표이다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 02. 25.수집 2026. 02. 25.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
