현대 생성형 AI와 과학 에이전트를 사용하여 새롭고 알려지지 않은 작은 분자를 발견하는 데 도움을 줄 수 있을까요?
슈퍼스타 @zyxiong123 님의 주도 하에, NMR 스펙트럼으로부터 구조를 규명하기 위한 새로운 접근 방식인 ChefNMR2 작업을 공유하게 되어 기쁩니다!
논문:
https://chefnmr.cs.princeton.edu
기원 이야기:
화학 분야의 많은 AI 모델은 비교적 단순한 약물 유사 분자(drug-like molecules)를 위해 개발되었지만, 저는 항상 천연물(예: 유명 항생제, 많은 항암제 및 기타 블록버스터 의약품)의 아름다움과 구조적 복잡성에 영감을 받아왔습니다! 2/
몇 년 전 @PrincetonChem의 Mo와 나눈 첫 대화에서, 새로운 분자를 분리한 후 종종 간과되는 과제가 바로 그 화학적 구조를 결정하는 것임을 배웠습니다.
NMR은 구조 규명을 위한 주요 분석 기술입니다. 하지만 이후에도
그때부터 우리는 NMR 스펙트럼으로부터 분자 구조를 추론하는 원자 생성 모델(atomic generative models)을 개발해 왔습니다. SMILES 문자열이나 그래프 표현을 사용하는 대신, 우리는 원자 구조를 직접 생성해 왔습니다 (단백질 구조 모델링 분야와 유사합니다). 목표는
오늘, 저희의 모델 ChefNMR2를 출시합니다!
저희는 확산 모델(diffusion model)을 플로우 매칭(flow-matching)으로 업그레이드하고, 다중 모드 확산 트랜스포머(multimodal diffusion transformers) 기반의 새로운 아키텍처를 설계했으며, 아마도 가장 중요한 것은 훈련 데이터를 252만 개에 달하는 분자로 대폭 확장했다는 점입니다.
ChefNMR2는 1차 양성자 및 탄소 NMR 피크 목록과 분자식(예: 질량 분석기(mass spec)에서 얻은 것)을 받아 이 입력값들을 조건으로 하는 후보 구조를 생성합니다.
중요하게도, 저희의 생성 모델은 불확실성을 보정하는 기능(나중에 더 자세히 설명하겠습니다)을 가지고 있어 유도할 수 있습니다.
그러다가 아주 갑자기 (지난 6월 Claude Opus 4.8 이후!), 챗봇들이 NMR에 능숙해졌습니다!
우리는 이제 LLM이 화학자처럼 NMR 스펙트럼을 해석하는 것을 포함하여 과학적 작업에 일반적으로 충분히 지능적인 시대에 와 있습니다. 프론티어 LLM의 NMR 상태는 어떨까요?
우리는 실험적 NMR 데이터를 포함하여 5가지 다양한 테스트 세트에서 2,000개 이상의 분자를 대상으로 ChefNMR2를 다른 전문 구조 규명 도구 및 6개의 최신 추론 능력을 갖춘 LLM과 비교 벤치마킹했습니다.
ChefNMR2는 순위 1위로 82.3%의 구조를 정확하게 예측했으며, 이는 [비교 대상]의 35.4%와 비교됩니다.
비용 및 시간 비교
ChefNMR2는 테스트한 최신 LLM보다 분자당 중앙값 실행 시간이 최대 2,170배 짧고 중앙값 비용이 360배 낮습니다. 9/
우리는 ChefNMR2가 별도로 감독되는 신뢰도 모듈을 필요로 하지 않으면서도 놀라울 정도로 잘 보정된 불확실성을 가지고 있음을 발견했습니다.
우리는 여러 후보 구조를 생성하고 그 샘플링 빈도를 신뢰도 추정치로 사용합니다. 모든 벤치마크에서 이 값들은 [비교 대상]과 매우 근접하게 일치합니다.
우리는 타크솔(taxol), 라파마이신(rapamycin), 반코마이신 아글리콘(vancomycin aglycone) 등 다양한 구조적 계열에 걸친 9가지 잘 알려진 천연물에 대해 ChefNMR2를 평가했습니다 (무거운 원자 80개!).
ChefNMR2는 9개 분자 모두의 평면 구조를 정확하게 규명했습니다. 최신 LLM들 역시 [비교 대상]에서 좋은 성능을 보였습니다.
ChefNMR2를 다음 단계로 발전시키기 위해, 우리는 전문적인 분자 생성 모델과 범용 LLM의 상호 보완적인 강점을 결합한 ChefNMR2-Agent를 개발했습니다.
ChefNMR2는 NMR 스펙트럼으로부터 후보 구조를 생성하는 반면, LLM 에이전트는 화학적 추론을 사용합니다.
Mo Seyedsayamdost 그룹과 함께 @PrincetonChem에서 우리는 ChefNMR2-Agent를 사용하여 이전에 발표되지 않은 4가지 천연물(nocobactin AI-1 및 AI-2, 그리고 hybridamides A 및 B!)을 성공적으로 규명했습니다. 13/
한계점 측면에서 볼 때, ChefNMR2는 분자식을 요구하며, 1D NMR만으로는 추론하기 불가능한 입체화학(stereochemistry)은 예측하지 못합니다. 예상대로, 분자 문제가 커지고 학습 데이터와 유사성이 떨어질수록 성능도 저하됩니다. 이들은
가장 중요한 것은, 지난 몇 년 동안 ChefNMR 개발을 두려움 없이 주도해 온 슈퍼스타 @zyxiong123이 이끈 놀라운 팀 노력의 결과라는 점입니다!
Mo Seyedsayamdost와 @PrincetonChem, 그리고 @EdisonSci의 협력자들에게 정말 즐거운 경험을 선사해 준 것에 대해 깊이 감사드립니다.
ChefNMR2가 공개적으로 이용 가능합니다!
논문(Paper):
https://biorxiv.org/content/10.64898/2026.10.29.762711v1
…
프로젝트 페이지(Project page):
https://chefnmr.cs.princeton.edu
코드(Code):
https://github.com/ml-struct-bio/chefnmr2
…
ChefNMR2-Agent는 @EdisonSci의 AI 과학자 플랫폼인 Kosmos에서 찾을 수 있습니다. 현재 저희는 해당 스킬과 도구들을 적응시키고 출시하는 작업을 진행하고 있습니다.
