본 논문은 저유사도 단백질 및 오르판 단백질의 구조 예측 정확도 향상을 위해 새로운 MSA(다중 서열 정렬) 설계 모델인 PLAME을 제안합니다. PLAME은 기존 방법과 달리 사전 훈련된 단백질 언어 모델의 진화적 임베딩을 활용하여 진화 정보를 강화하고, 보존-다양성 손실 함수를 통해 생성 품질을 향상시킵니다. 또한, 고품질 MSA를 효과적으로 선별하는 새로운 MSA 선택 방법과 MSA 품질을 평가하는 새로운 서열 품질 평가 지표를 제안합니다. 저유사도 및 오르판 단백질에 대한 AlphaFold2 벤치마크에서 PLAME은 AlphaFold3에서도 일관된 성능 향상을 보이며 최첨단 성능을 달성합니다. ablation study를 통해 MSA 선택 방법의 효과를 검증하고, 다양한 단백질 유형에 대한 광범위한 사례 연구를 통해 AlphaFold의 예측 품질과 MSA 특성 간의 관계에 대한 통찰력을 제공합니다. 마지막으로, PLAME이 ESMFold의 추론 속도로 AlphaFold2 수준의 정확도를 달성하는 어댑터 역할을 할 수 있음을 보여줍니다.
