항체 언어 모델 AbLingua 개발 및 성능 입증

주장항체 언어 모델의 규모를 확장하는 전략은 항체 공학에서 구조적 표현력을 높이는 핵심 요소입니다. 기존 모델은 항체 서열의 복잡한 구조를 충분히 포착하지 못하는 한계가 있어 새로운 접근법이 필요합니다.

팩트AbLingua 모델은 17억 개의 파라미터를 보유하고 있으며 14억 개의 항체 서열을 학습했습니다. 이는 현재까지 개발된 항체 특화 인코더 기반 언어 모델 중 가장 큰 규모입니다.

팩트연구팀은 인간 언어 수준으로 어휘를 확장하는 고급 토큰화 방식을 도입했습니다. 이 기술은 항체 행동에 영향을 미치는 복잡한 구조적 모티프를 정밀하게 파악합니다.

팩트AbLingua는 아미노산 단위를 처리하는 개선된 사전 학습 방식을 사용합니다. 이 방식은 항체 내 구조적 상호 의존성을 효과적으로 표현합니다.

팩트해당 모델은 파라토프 예측, 중화 능력 평가, 치료용 항체 설계 등 다양한 응용 분야에서 우수한 성능을 보입니다. 또한 B세포 발달 단계와 바이러스 특이적 항체를 비지도 방식으로 분류하는 능력을 갖췄습니다.

교차검증모델의 성능은 학습 데이터의 품질과 큐레이션에 크게 의존합니다. 데이터셋의 편향성이 존재할 경우 특정 항체 유형에 대한 예측 정확도가 저하될 위험이 있습니다.

주장고급 토큰화 기술과 강력한 스케일링 법칙, 정제된 데이터셋의 결합은 항체 공학의 새로운 표준이 됩니다. 이러한 기술적 시너지는 신약 개발의 효율성을 획기적으로 개선합니다.

팩트본 연구는 국제디지털경제아카데미(IDEA) AI4SCI 연구소 소속 연구원들이 수행했습니다. 연구진은 션전 허타오 심천-홍콩 과학기술 혁신 협력 구역의 지원을 받아 프로젝트를 진행했습니다.

팩트연구 논문은 2026년 5월 25일 네이처 커뮤니케이션즈 바이올로지에 게재되었습니다. 연구의 교신 저자는 유 리 교수이며, 션위안 바이와 지징 리우가 공동 저자로 참여했습니다.

출처네이처 커뮤니케이션즈 바이올로지(https://www.nature.com/articles/s42003-026-10283-z)를 교차 검증했습니다. 본 연구는 션전 허타오 심천-홍콩 과학기술 혁신 협력 구역의 연구 보조금(Grant No. HTHZQSWS-KCCYB-2023052)을 통해 지원받았습니다.