PoCP: Pareto optimal Cyclic Peptide design with Monte Carlo Tree Guidance

Abstract

치료용 펩타이드는 소분자 약물과 항체의 장점을 결합한 차세대 모달리티로 각광받고 있으나, 생체 내 생화학적 특성 향상을 위해 필수적인 고리화 구조 설계는 학습 데이터의 극심한 부족으로 큰 도전 과제로 남아있다. 나아가 임상 적용을 위해서는 표적 단백질 결합을 넘어 상충하는 다양한 생화학적 특성을 동시에 최적화해야 한다. 본 연구는 제로 샷 기하학적 생성과 파레토 최적화를 결합한 PoCP를 제안한다. PoCP는 CP-Composer를 활용하여 선형 펩타이드 데이터만으로 결합 부위와 기하학적 제약을 조합해 고리형 펩타이드를 생성하고, 몬테 카를로 트리 가이던스(MCTG)로 생성 경로를 탐색한다. 그 결과, 높은 결합 친화력을 유지하면서 부작용(독성, 용혈성 등)을 최소화하는 파레토 비지배 고리형 펩타이드 후보군을 성공적으로 설계함을 증명한다.