기능 상세 보고

액션아이템 종합표 (A-01~A-10 + 확장)

신뢰등급 표기: HIGH 실측(코드/PR/도킹) · MED surrogate-상대순위(Spearman 검증) · LOW surrogate-절대값(미검증). 모든 수치 뒤에 배지 부착.

핵심 결론 (두괄식·3줄)

2026-04-06 회의 액션아이템 10건 중 6건 머지 완료(A-01·A-04·A-05·A-09·A-10 + A-06 정언적 판정), 2건 부분(A-02·A-03), 1건 부분(A-07), 1건 미확인(A-06 PoC는 NOT_RECOMMENDED로 종결) [데이터: EV04_action_master.md:10; EV05_action_rest.md:12].
핵심 블로커는 "D-아미노산 예측 부재" — 혈청 반감기 7개 도구·pepADMET 모두 L-아미노산 학습이라 D-AA 후보 절대값 신뢰 불가, 현재 전략은 native 대비 상대 게이트로 한정 [데이터: EV04_action_master.md:76-80; EV12_bench_admet.md:142].
회의록 액션을 넘어선 최대 성과는 무한 발굴 엔진 — Δmargin·ddG 실측 기반으로 native 대비 선택성 +10.54 향상한 best 후보 확보, 엄격기준(Δ>0 ∧ ΔG≤−15 ∧ 비독성) 48건 동시 충족 [데이터: global_selectivity_leaderboard.json:3,9-13].

1. 읽는 법 (7열 구조)

각 행은 ① ID+제목 → ② 회의록 제안 해결방안 → ③ 제안 방법의 문제점 → ④ 채택 대안 → ⑤ 구현한 기능(file:line) → ⑥ 성능(측정값+신뢰등급) → ⑦ 성과·기대효과 순으로 읽는다. ③·④는 "왜 이 대안인가"의 기각-채택 근거를 담는다.

색상 의미: Silo A 3-Arm 가상스크리닝(NIM, 청색), Silo B SST-14 변이생성+PyRosetta 도킹(녹색). 본 표의 대부분 액션은 Silo B 계열(도킹·선택성·스코어링)이며, A-02/A-03(반감기·ADMET)은 두 Silo 공유 약리 게이트 계층이다 [데이터: EV09_silo_b_trace.md:5-8].

2. 기본 액션아이템 (A-01 ~ A-10)

표가 가로로 길다. 각 행의 핵심은 ③ 문제점 → ④ 대안 전환과 ⑥ 신뢰등급이다.

① ID·제목	② 회의록 제안	③ 제안 방법의 문제점	④ 채택 대안	⑤ 구현 기능 (file:line)	⑥ 성능 (측정값+신뢰등급)	⑦ 성과·기대효과
A-01 SSTR1/3/4/5 위치 지정 도킹·재도킹 ✅	SSTR2 cryo-EM(7T10/7T11) 기반 ECL/TM 핵심잔기(77-314)로 포켓 좌표 설정 후 SSTR1/3/4/5 정렬·Boltz-2 off-target 도킹 [데이터: A-01_…docking.md:12-21]	구조 ID 불일치(회의록 7T10 vs 로컬 7XNA), 포켓 좌표 수동추출 자동화 도구 미제시 [데이터: A-01_…docking.md:32-33,39-62]	구조 ID 확정→TM-align/cealign 정렬→검색박스 15–20 Å→WSM/MSM 선택성 산출(A-04 연동) [데이터: A-01_…docking.md:37-93]	off-target 선택성 정량화 파이프라인. `offtarget_dock.py`는 수용체 CIF/PDB + 펩타이드 서열을 입력받아 → 체인별 SSTR1~5 고유 시그니처를 매칭해 수용체를 식별하고(`_SSTR_SIGNATURES`/`_match_sstr_signature`, offtarget_dock.py:71-79,225-233) Boltz-2로 복합체 구조 예측 → iPTM을 `ddg = -100×iptm` 프록시로 변환해 JSON 출력(offtarget_dock.py:562-589). `selectivity_runner.py`는 그 SSTR2 ddG와 off-target ddG들을 받아 → `delta_ddg = sstr2_ddg - target_ddg`로 변환하고 WSM=max(delta), SR=exp(−Δ/RT), Tier(0~3)를 산출(selectivity_runner.py:122-162) (PR #61, 10 files) [데이터: EV04:42-46]	선택성 KPI ≥100× MED; TM-score≥0.8 LOW·미측정 [데이터: EV04:44-46]	SSTR2 선택성 정량화 기반 마련, A-04 선택성 입력·A-09 필터 [데이터: EV04:50-53]
A-02 혈청 반감기 예측도구 비교 🟡	7종(ProtParam·HLP·PlifePred·PeptideRanker·PeptideStability·pepMSND·CAMSOL) R²·Spearman 비교 [데이터: A-02_…tools.md:30-51]	🔴 D-아미노산 지원 0개 — 전부 L-AA 학습, Octreotide 등 D-AA에 유사도 4.83× 과대추정(실측 2026-05-20). HLP는 SST-14를 1.6초로 과소추정 [데이터: EV04:76-84]	1차 ProtParam/HLP 선별 + D-AA는 자체 ML 또는 wet-lab 병행(의사결정 보류), MD(RMSD) 정밀보정 로드맵 [데이터: EV04:89-93]	반감기 예측 도구 통합 wrapper + 신뢰도 메타 등록. `predict_halflife_pepmsnd.py`는 서열(또는 FASTA)을 받아 → peptools conda env에서 PlifePred2를 subprocess로 호출해 0~1 확률 스코어를 산출하되, HLE 회귀 가중치 부재 시 시간(h) 환산을 거부해 환각을 차단하는 정직 wrapper다(predict_halflife_pepmsnd.py:5-17,50-54). `pharmacology_guards.py::ENDPOINT_CONFIDENCE`는 7개 도구를 P1~P4 신뢰등급으로 등록해 API 응답에 등급·경고를 자동 주입한다(pharmacology_guards.py:26,790,1180-1194) (commit `4d3583c`) [데이터: EV04:99-100]	wrapper·가드 등록 HIGH; SST-14 절대정확도 도구간 불일치 LOW; D-AA 지원 0개 HIGH [데이터: EV04:99-102]	벤치마크 방법론 수립. 미해결(D-AA)이 A-04·A-09 신뢰도 한계로 전파 [데이터: EV04:108-116]
A-03 Fab-ADMET(=pepADMET) 정확도 검증·자체학습 평가 🟡	펩타이드 ADMET ML(pepADMET) AUC/Acc/F1 검증, 환형·D-AA·DOTA 처리 여부 확인, fine-tuning 요건 산정 [데이터: A-03_…validation.md:28-68]	🔴 REST API HTTP 403 차단(2026-05-19), D-AA 미지원 추정, 원논문 성능 미확인, 라이선스 복합성(GPL-3.0 vs CC BY-NC-SA) [데이터: EV04:142-145]	로컬 `git clone`(V-02)→Octreotide 직접입력 D-AA 검증(V-03)→상업활용 법무검토(V-04)→부족 시 자체 독성모델 [데이터: EV04:149-154]	pepADMET 적용가능성 가드(본체 미설치, 선언적 검증만). `pharmacology_guards.py`는 외부 패키지 import 없이 동작하는 stand-alone 모듈로 → 후보 서열·modification 정보를 받아 `check_pepadmet_applicability()`로 D-AA·환형·DOTA 등 학습범위 밖 입력을 탐지하고(pharmacology_guards.py:498), pepADMET 엔드포인트를 `ENDPOINT_CONFIDENCE`에 등록해 응답에 신뢰 경고를 부착한다(pharmacology_guards.py:790,1039-1054 — grade는 원논문 정확도 기준 P1, 인프라 HTTP 403과 분리) — REST 본체는 HTTP 403으로 미설치 [데이터: EV04:162-165]	HTTP 403 차단 확인 HIGH; 원논문 AUC LOW·미검증; 로컬 실행 미구현 [데이터: EV04:162-165]	명칭 정정(Fab-ADMET→pepADMET)으로 추적성 확보. A-04 ADMET 입력 신뢰도 현 LOW [데이터: EV04:171-176]
A-04 Top-K 복합 스코어링 체계 ✅	7단계 다단계 선별(선택성≥100×→반감기→독성→Lead 확정→변형규칙); Hard Cutoff + WSS + Pareto(NSGA-II) 병용 [데이터: A-04_…scoring.md:14-119]	A-02/A-03 입력 불완전(ADMET 신뢰도 LOW), A-05 ΔG 기준선 의존, Radiolysis ≤3 임계값 실험 미검증 [데이터: EV04:204-206]	Hard Cutoff(ΔG≤SST14 ref·선택성≥100×·ADMET≤0.3·Radiolysis≤3) + WSS 가중(0.35/0.25/0.20/0.10/0.10) + Pareto front → Tier S/A/B/FAIL [데이터: EV04:210-224]	3단계 복합 스코어링 엔진. `composite_scorer.py`는 후보별 ddG·선택성·반감기·ADMET·radiolysis 지표를 입력받아 → ① 5개 Hard Cutoff 게이트(ddG≤−95.024 REU·선택성≥100×·radiolysis≤3·ADMET≤0.3·instability<40)로 1차 통과/탈락 판정 → ② 가중합 WSS(ddg 0.35·selectivity 0.25·half_life 0.20·admet 0.10·radiolysis 0.10)를 [0,1]로 산출 → ③ 후보≥50시 NSGA-II Pareto front 계산 후 Tier S/A/B/FAIL로 분류한다(composite_scorer.py:6-30,60-89). `radiolysis_scorer.py`는 서열을 받아 잔기별 ¹⁷⁷Lu 민감도(C·M=3, F·Y·W=2, P·H·L=1)를 합산하되 Cys3-Cys14 SS bond는 치환 불가로 제외해 민감잔기 개수를 산출한다(radiolysis_scorer.py:30-39,88-100) (PR #62, 7 files), 단위테스트 ≥10 [데이터: EV04:230-234]	Hard Cutoff·WSS·Pareto 전부 구현 HIGH; 단 ADMET·반감기 입력 신뢰도 LOW [데이터: EV04:230-234,204]	안정성+선택지 이중구조 완성. A-09 입력·Tier-S 자동 합성의뢰서 생성 [데이터: EV04:240-247]
A-05 SST-14 레퍼런스 ΔG 기준선 ✅	SST-14 원형 n≥10 반복 도킹으로 실측 ΔG 획득, mean×0.9 안전여유 게이트, 3단계(Rosetta→MM-GBSA→FEP/TI) [데이터: A-05_…dG.md:22-94]	도구간 단위 불일치(FlexPepDock REU vs Boltz-2 REU 직접비교 금지), 하드코딩 폴백(`-5.0`) 5곳 산재, 2·3차 미구현 [데이터: EV04:275-277]	SSOT `gate_thresholds.yaml::rosetta_ddg_max`=FlexPepDock mean×0.9 = 498.4713; Boltz-2 ref −95.024 REU 별도 보관 [데이터: EV04:283-286]	임계값 단일진실원천(SSOT) + 문헌정답 회귀가드. `gate_thresholds.yaml`에 SST-14 실측 기반 게이트(`rosetta_ddg_max`=FlexPepDock mean×0.9)를 한 곳에 정의해 코드 산재 폴백(`-5.0`)을 대체한다. `pharmacology_guards.py::LITERATURE_VALUES`는 Kyte-Doolittle·Radzicka-Wolfenden 등 출처가 인용된 문헌 정답 테이블을 보유하고 → `assert_literature_value()`/`audit_table()`로 코드의 lookup table을 문헌값과 대조해 오기재(H-01)·부호역전(H-02)을 차단한다(pharmacology_guards.py:56-75,640,679-695) (main `8e7e1cc`) [데이터: EV04:294-295]	FlexPepDock mean 553.857 REU, σ=4.024 (n=10, KPI σ<5 충족) HIGH; 폴백 5곳 정렬 진행중 [데이터: EV04:259,296-298]	A-04 Hard Cutoff 생물학적 근거 제공, 임의 폴백(`-5.0`) 대체 [데이터: EV04:304-311]
A-06 디퓨전 모델 도킹 가속화 PoC ✅(NOT_REC)	DiffPepDock으로 후보당 수십초 1차 필터(FlexPepDock 대비 ≥10× speedup 목표) [데이터: A-06_…PoC.md:20-22,130]	SS bond(Cys3-Cys14) 처리 불가 — DiffDock은 소분자 기본설계, 14aa 환형 펩타이드 구속 불만족 [데이터: EV05:15,30-31]	기각·FlexPepDock 유지 — 정언적 NOT_RECOMMENDED 판정 [데이터: EV05:12-17]	(구현 불필요; PoC audit 종결) [데이터: EV05:147]	NOT_RECOMMENDED HIGH — 정언 판정, audit 완료 [데이터: EV05:147]	A-07 GPU(VRAM 120GB) 요건 자연 해소 [데이터: EV05:35]
A-07 DGX/고성능 GPU 견적 🟡	DGX H100/B200 vs 자체빌드 비용·사양 견적 수집 [데이터: A-07_…quote.md:76-89]	A-06 NOT_REC로 디퓨전용 VRAM 120GB 요건 소멸 → 구매 필요성 재검토 [데이터: EV05:51-53]	점검 매트릭스+의사결정 양식 작성, 실 벤더 견적은 사용자(서호성/안기범) 책임 분리. 기존 H100×8(640GB)+H100 NVL×4(384GB) 활용 우선 [데이터: EV05:44-49,61]	점검 매트릭스·의사결정 양식 (외부 견적 대기) [데이터: EV05:44-45]	매트릭스 작성 완료, 견적 TBD MED [데이터: EV05:148]	기존 인프라 활용 재평가로 불필요 구매 회피 [데이터: EV05:53]
A-09 최종 후보 3-4개 도출·합성의뢰 ✅	Top-K 후보 확정 후 ¹⁷⁷Lu 표지·합성 의뢰 준비 [데이터: A-09_…synthesis.md:37-44]	후보 4개 sequence identity 86~93%(기준≤80% 미달) — SS bond+FWKT 보존 제약상 불가피 [데이터: EV05:84-88]	PRST-001~004 + 합성의뢰서 자동생성; 다양성 미달은 WARN 기록(강제 시 후보 부족) [데이터: EV05:71-88]	`runs_local/final_candidates/synthesis_orders/PRST-001~004.md` (PR #63) [데이터: EV05:71-72]	PRST-001(AGCKNIIWKTITSC) ΔG −105.5 REU·ΔΔG −10.5 HIGH; 선택성 250× MED; 반감기 4.5h·ADMET 0.10 LOW [데이터: EV05:78-95]	Gate-2(표지/제조) 진입 준비, ¹⁷⁷Lu 표지→HPLC RCP 72h(≥90%) 후속 [데이터: EV05:98-100]
A-10 SSTR3 도킹 에러 해결 ✅	`selectivity_runner.py` SSTR3 도킹 에러(8XIR 전처리 미완료) 수정 [데이터: A-10_…fix.md:14-20]	누락잔기·충돌원자·비정상 B-factor; 후속 SSTR4 시그니처(`VILRYAKMKTA`) SSTR1 오매칭 [데이터: EV05:116-128]	구조 전처리 완료 + `offtarget_dock.py::_SSTR_SIGNATURES`에서 공유모티프 제거, 서브타입 고유 시그니처만 유지 [데이터: EV05:119,128-129]	수용체 서브타입 오매칭 방지 시그니처 정제. `offtarget_dock.py::_SSTR_SIGNATURES`는 수용체 체인 서열을 받아 SSTR1~5를 식별하는 N-말단·TM3 특징 서열 테이블인데 → SSTR1/SSTR4 공유 모티프("VILRYAKMKTA")가 서브타입 오매칭을 유발하므로 이를 제거하고 각 서브타입 고유 시그니처만 남겨 `_match_sstr_signature()`가 정확한 수용체를 반환하도록 수정했다(offtarget_dock.py:71-79,225-233) (PR #60) [데이터: EV05:113,129]	회귀테스트 24 PASS + 24 PASS/4 SKIP HIGH [데이터: EV05:130]	4-subtype 선택성 프로파일 완전화, A-01 전제 충족 [데이터: EV05:132-134]

A-08 상태 (행 미수록 사유): A-08("라이브러리 서버 마이그레이션 완료 및 검증")은 외부망 H100×8 서버 배포 완료로 완료·삭제 처리된 항목이라 추적 파일 미생성이 정상 상태다 — 미수행/미검증 아님 [데이터: docs/meet_log/2026-04-06_action_items/00_MASTER_INDEX.md:19,27]. A-01~A-10 중 A-08만 완료-삭제, 나머지 9건은 표에 전건 수록.

3. 대안 선정 핵심 트리플 (요약)

회의록 제안을 그대로 따르지 않고 방향을 튼 3건이 의사결정의 핵심이다. 아래는 한 줄 요약이며, 각 대안의 주장 → 근거 → 함의 상세 논거는 04_action_detail 페이지를 참조한다.

액션	기각안 → 채택안	핵심 근거 (요약)
A-06 디퓨전 도킹 기각	DiffPepDock → FlexPepDock 유지	Cys3-Cys14 disulfide 구속 미충족, A-07 GPU 구매 요건 동시 해소 [데이터: EV05:30-31,35,51-53]
A-05 ΔG 기준선 SSOT화	임의 폴백 `-5.0` → 실측 mean×0.9 SSOT	FlexPepDock n=10 실측 mean 553.857 REU, σ=4.024(<5) 재현 가능 [데이터: EV04:259,283-286]
A-02/A-03 절대값 → 상대 게이트	도구 절대값 신뢰 → native 대비 상대 게이트	7개 반감기 도구·pepADMET 전부 L-AA 학습, L-aa 용혈 AUC 0.146(역변별)·D-aa 0.677 [데이터: _analysis/BENCH_admet_v2_results.json]

📌 위 3건의 "주장 → 근거 → 함의" 전개와 코드 흐름(목적→입력→연산→산출)은 04_action_detail 페이지에 상세 수록.

4. 확장 행 (회의록 이후 성과)

baseline 10건은 "회의록 대응", 아래 4건은 "회의록을 넘어선 자체 발전"이다.

ID·제목	요약 제안/배경	문제점	채택 방향	구현·산출 (경로)	성능 (측정값+신뢰등급)	성과·기대효과
EX-1 retro-Q2 분기 회고	하네스 어댑테이션 Stage 0~8 + VR-cycle 자기검증을 분기 단위로 정리 [데이터: retro-2026-Q2.md:5-13]	실 트래픽 부재(dogfooding 1회), tmux 1순위 위임 0회 운영 [데이터: retro-2026-Q2.md:191-194]	SemVer로 단계 cut + Q3 액션 8건 등록(CI 등록·tmux 실운영·VR full closure 등) [데이터: retro-2026-Q2.md:161-168]	`_workspace/release/retro-2026-Q2.md` (v0.1.0→v0.15.0) [데이터: retro-2026-Q2.md:43]	15 minor + 1 patch cut HIGH; VR §검증 10/10 처리 HIGH [데이터: retro-2026-Q2.md:43,189]	자기진화 루프 입증·환각 가드 운영화. Q3-1(CI 등록)이 운영 진입 전제 [데이터: retro-2026-Q2.md:170]
EX-2 06월 선택성 돌파 (무한 엔진) Silo B	off-target 도킹 전수 적용은 비용 과다(후보×5수용체×~6분) [데이터: EV09:48-49]	매 iteration 전체 후보 off-target 도킹 불가능 [데이터: EV09:48]	ddG 프록시 게이트 + Δmargin(home-advantage 보정), in-loop top-K만 도킹·글로벌 리더보드로 epoch간 누적 [데이터: EV09:50-77]	무한 발굴 엔진(epoch 루프 + 선택성 누적 기억). `continuous.py`는 STOP 파일 생성 전까지 단발 run을 epoch 단위로 무한 반복하며 → 매 epoch control JSON을 다시 읽어 knobs를 반영하고, best Δmargin이 patience 동안 정체하면 변이 다양성을 올려 local optimum을 탈출한다(continuous.py:1-14). `selectivity_loop.py`는 off-target 도킹이 비싸므로(후보×5수용체) → 루프 내 실측 ddG를 유망도 프록시로 삼아 "리더보드 최약체보다 강한 후보"만 도킹하고 Δmargin=margin−native_margin(home-advantage 보정)을 산출한다(selectivity_loop.py:1-7). `global_leaderboard.py`는 epoch간 측정값을 디스크에 누적해 ① 도킹 서열 재도킹 회피 ② warm-start ③ best Δmargin 단조 추적을 제공한다(global_leaderboard.py:1-10); 산출 `global_selectivity_leaderboard.json` [데이터: EV09:13,46,63]	best Δmargin +10.5351(native+10.54)·ddG −45.1112(AGCKNFFWKTDTSC) HIGH; 엄격기준 48건 동시충족 HIGH; 누적 스크리닝 628 서열 [데이터: leaderboard.json:3,9-13; 실측 필터]	선택성 핵심=pos11 변이(F11D). 회의록 KPI(선택성)를 실측 ddG·margin으로 정량화 [데이터: leaderboard.json:9-12]
EX-3 벤치마크 검증 (반감기·물성)	surrogate 예측의 절대신뢰 가정 위험	(구 v1, 17종) raw 반감기 Spearman ρ=−0.30 — 소표본 노이즈로 확인됨(표본 17→39 확장 시 raw가 양수로 전환) [데이터: 14_benchmark_validation.md:12,42-45]	변형 메타데이터 주입 시 상관 회복(v1 meta ρ=+0.76, 권위값은 v2 meta ρ=+0.662, n=32 — 표본·서브셋 상이로 직접비교 불가) [데이터: 14_benchmark_validation.md:46; BENCH_halflife_v2_results.json all_meta]	문헌 ground-truth 대조 벤치마크 러너. `bench_run.py`는 researcher가 출처 인용으로 수집한 `BENCH_literature.md`의 JSON 문헌값을 파싱하고 → 동일 서열을 실제 코드로 재예측한 뒤 → 공통 쌍만으로 Spearman ρ·Kendall을 계산해(자체 rank 구현, tie 평균순위 처리, n<3이면 None) 문헌 대비 상대순위 일치도를 검증한다(bench_run.py:2-6,17-38); 산출 `BENCH_results.md` (report_site `_analysis/14`)	물성 descriptor(GRAVY·Instability·Aliphatic) r=1.0 완전일치 HIGH; 반감기 메타데이터 회복 v2 ρ=+0.662(n=32) MED [데이터: 14_benchmark_validation.md:46; BENCH_halflife_v2_results.json]	한계=메타데이터 부재+고정배수(공식 부재 아님). 상대순위 surrogate로 사용 정당화 [데이터: 14_benchmark_validation.md]
EX-4 ADMET 확장 (용혈 독성) — 완료	pepADMET HC50을 범용 독성예측기로 사용 시도	24종 독립셋(D-aa n=4) ROC-AUC 0.19(역변별), LL-37(−1004)·Cecropin A(−823)를 비용혈인데 독성으로 오판	절대단위 금지 → native 대비 상대 hc50 게이트만 사용; D-AA 52종(D=19) 확장 완료 (06-18) [데이터: BENCH_admet_v2.md]	`BENCH_admet_v2.md`·`BENCH_admet_v2_results.json` (report_site `_analysis/15`)	물성 r≈1.0 HIGH; L-aa AUC 0.146(n=32) LOW 역변별 견고; D-aa AUC 0.677(n=18) MED 양의변별 [데이터: BENCH_admet_v2_results.json]	D-aa 표본 확보로 L/D 분리 양상 확인: L-aa 역변별은 견고한 구조적 한계, D-aa는 변별 가능성 있음 [데이터: _ADMET_EXPAND_RESULT.md]

EX-2 라이브 주의: 무한 엔진 가동 중이라 엄격기준 충족 건수는 스냅샷마다 변동(메모리 기록 시점 47건 → 본 빌드 시점 48건 실측). 절대 단정 대신 "스냅샷 실측"으로 해석 [데이터: leaderboard.json 실측 재확인 2026-06-18].

5. 액션 의존성 & 잔존 블로커

flowchart TD A10["A-10 SSTR3 fix
PR #60 ✅"] --> A01["A-01 위치지정 도킹
PR #61 ✅"] A01 --> A05["A-05 ΔG 기준선
main 8e7e1cc ✅"] A05 --> A04["A-04 복합 스코어링
PR #62 ✅"] A02["A-02 반감기
🔴 D-AA 0개"] --> A04 A03["A-03 pepADMET
🔴 HTTP 403"] --> A04 A04 --> A09["A-09 최종후보 PRST-001~004
PR #63 ✅"] A06["A-06 디퓨전 PoC
NOT_REC"] -. VRAM 요건 해소 .-> A07["A-07 GPU 견적
🟡 견적 대기"] A09 --> EX2["EX-2 무한엔진
Δmargin +10.54 (Silo B)"] classDef siloB fill:#eafaf0,stroke:#1a8a4a,stroke-width:2px; classDef blocker fill:#fdeaea,stroke:#b03030,stroke-width:2px; class EX2 siloB; class A02,A03 blocker;

[데이터: EV04_action_master.md:337-356; EV05_action_rest.md:35]

🔴 잔존 HIGH-BLOCKER 2건: A-02 D-아미노산 도구 0개, A-03 pepADMET HTTP 403/로컬 미설치 → A-04 ADMET·반감기 입력 신뢰도 LOW로 전파 [데이터: EV04:367-385].
⚠️ 구조적 제약: A-05 폴백 5곳 미정렬(런타임 우회 위험), A-09 다양성 86~93%(SS bond+FWKT 보존상 불가피) [데이터: EV04:394-398; EV05:84-88].

6. 용어 (RI팀 비-AI 멤버 배려)

Δmargin (delta_margin): 후보의 off-target 회피 여유(margin)에서 native SST-14 여유를 뺀 home-advantage 보정값. 양수=native보다 선택적 [데이터: EV09:50-52].
ΔG / ddG: FlexPepDock 결합 에너지(REU, 음수일수록 강한 결합). 실측 HIGH [데이터: EV09:311].
SSOT: Single Source of Truth — 임계값을 한 파일(gate_thresholds.yaml)에서만 정의 [데이터: EV04:283].
HC50: 적혈구 50% 용혈 농도(독성 지표). 본 시스템은 절대값 미신뢰, 상대 게이트만 사용 [데이터: EV12:142].
Tier S/A/B/FAIL: A-04 복합 스코어링의 후보 등급(S=WSS상위20%∩Pareto front) [데이터: EV04:218-222].