GN⁺: 일러스트레이티드 AlphaFold

소개

이 글을 읽어야 할 사람

• AlphaFold3의 작동 방식을 이해하고 싶은 사람
• 복잡한 구조를 시각적으로 이해하고 싶은 사람
• 머신러닝에 익숙한 사람

아키텍처 개요

• AlphaFold3는 단백질, 핵산, 소분자 등의 구조를 예측함
• 복잡한 입력 타입을 처리하기 위해 더 복잡한 특징화/토큰화 방식 사용

입력 준비

토큰화

• 표준 아미노산: 1 토큰
• 표준 뉴클레오타이드: 1 토큰
• 비표준 아미노산/뉴클레오타이드: 1 토큰 당 원자
• 기타 분자: 1 토큰 당 원자

검색 (MSA 및 템플릿 생성)

• 유사한 서열을 찾아 MSA와 템플릿 생성
• 유클리드 거리 계산 후 디스토그램으로 변환

원자 수준 표현 생성

• 각 아미노산, 뉴클레오타이드, 리간드의 "참조 구조" 생성
• 원자 수준의 단일 표현(q)과 쌍 표현(p) 생성

원자 수준 표현 업데이트 (Atom Transformer)

• q와 p를 업데이트하여 더 나은 표현 생성
• Adaptive LayerNorm, Attention with Pair Bias, Conditioned Gating, Conditioned Transition 사용

원자 수준 -> 토큰 수준 집계

• 원자 수준의 표현을 토큰 수준으로 변환
• MSA 및 사용자 제공 정보 추가

표현 학습

템플릿 모듈

• 템플릿을 사용하여 z 업데이트

MSA 모듈

• MSA와 z를 업데이트
• Outer Product Mean, Row-wise Gated Self-Attention Using Only Pair Bias 사용

Pairformer 모듈

• s와 z를 업데이트
• Triangle Updates, Triangle Attention 사용

구조 예측

확산의 기본 원리

• 확산 모델을 사용하여 구조 예측
• 노이즈를 추가하고 제거하여 최종 구조 생성

GN⁺의 정리

• AlphaFold3는 단백질, 핵산, 소분자 등의 복잡한 구조를 예측함
• 시각적 다이어그램과 함께 복잡한 모델 구조를 설명하여 이해를 돕음
• 머신러닝과 생명공학 분야에서 중요한 발전을 이룬 모델임
• 유사한 기능을 가진 프로젝트로는 RosettaFold 등이 있음