효소 반응 공간 규명: 통합 벤치마크 및 사전 학습 모델

기존의 반응 모델들은 주로 분자 변환(molecular transformations)을 학습하는 반면, 효소 반응은 분자 구조와 촉매 기능에 공동으로 의존합니다. 우리는 이 문제를 반응물, 생성물, 그리고 Enzyme Commission (EC) 주석을 연결하는 효소 반응 공간을 학습하는 것으로 공식화했습니다. 이 공간을 특성화하기 위해, 우리는 순방향 반응 예측(forward reaction prediction), 단일 단계 역합성(single-step retrosynthesis), 및 EC 번호 예측을 위한 통합 벤치마크인 VenusRX-Bench를 소개합니다. VenusRX-Bench는 여러 생화학 데이터베이스의 반응들을 표준화된 큐레이션, 누출 제어 분할(leakage-controlled splits), 그리고 일관된 평가와 함께 통합합니다. 대표적인 화학 및 효소 모델을 벤치마킹한 결과, 제한된 도메인 데이터, 촉매-맥락 의존성(catalytic-context dependency), 그리고 대형 생체 분자 구조를 모델링하는 어려움에 의해 주도되는 명확한 화학-효소 도메인 격차(chemical-to-enzymatic domain gap)가 밝혀졌습니다. 이 격차를 해소하기 위해, 우리는 효소 반응을 위한 통합 T5 스타일의 시퀀스-투-시퀀스 모델인 VenusRX를 개발했습니다. VenusRX는 수백만 개의 템플릿 확장된 반응에 대한 2단계 학습 후 실제 생화학 반응으로 진행되며, 순방향 예측, 역합성, 그리고 반응 재구성을 공동으로 학습합니다. 또한, 선택적 EC 조건부(optional EC conditioning)는 촉매 맥락을 통합하고, 분자 라이브러리 제약 디코딩(Molecule Library-Constrained Decoding)은 복잡한 생체 분자의 생성을 개선합니다. 벤치마크 작업과 까다로운 일반화 분할 전반에 걸쳐, VenusRX는 대표적인 화학 및 효소 기준 모델들보다 대부분의 평가 설정에서 최고 또는 경쟁력 있는 성능을 달성합니다. 더욱이, EC 정보는 반응 예측을 일관되게 개선하며, 학습된 반응 표현은 정확한 EC 예측을 지원하여, 반응 구조와 촉매 기능 간의 양방향 관계를 밝혀냅니다. 종합적으로, VenusRX-Bench와 VenusRX는 효소 반응 공간을 규명하고 모델링하기 위한 통합 프레임워크를 제공합니다.