대규모 단백질 폴드 분류: 벤치마킹 및 사전 학습 (Protein Fold Classification at Scale: Benchmarking

요약

단백질 폴드 분류를 위한 대규모 비중복 벤치마크인 TEDBench를 소개하고, 기존 모델들의 한계를 극복하기 위한 새로운 자기지도 학습 프레임워크인 MiAE를 제안합니다. MiAE는 높은 마스킹 비율과 SE(3)-불변 인코더를 사용하여 경량화된 구조로도 최신 베이스라인을 뛰어넘는 뛰어난 성능과 확장성을 보여줍니다.

핵심 포인트

• AlphaFold 구조를 기반으로 구축된 대규모 단백질 폴드 분류 벤치마크 TEDBench 공개
• 자기지도 학습 프레임워크인 Masked Invariant Autoencoders (MiAE) 제안
• 최대 90%의 높은 마스킹 비율과 SE(3)-불변 인코더를 활용한 효율적인 구조 표현 학습
• 기존 최신 모델(SOTA) 및 지도 학습 모델 대비 우수한 성능과 확장성 입증
• CATH v4.4 실험적 구조를 통한 AlphaFold 구조 외 데이터에 대한 전이 성능 검증