기능 상세 보고

액션아이템 대응 디테일 — "왜 이 대안인가"

독자: PI(서호성) + RI팀 과학 리뷰. 본 페이지는 주요 액션아이템(A-01·A-04·A-05·A-09 + A-02/A-03 블로커)의 대안 선정 논거를 다룬다. 모든 수치에 신뢰등급 배지: 실측 HIGH / surrogate-상대순위 MED / surrogate-절대값 LOW. 인용은 코드 file:line · 문헌 URL · 산출 JSON 원본으로 직접 표기. (인용 내 narrative-v3.md는 실파일 _workspace/release/meeting-2026-05-28-narrative-v3.md의 약칭 — line 번호는 해당 파일 기준.)

핵심 결론 (두괄식)

📌 본 페이지는 대표 액션아이템 발췌 상세(A-01·A-04·A-05·A-09 + A-02/A-03 블로커)이며, A-01~A-10 전건 종합표는 01_action_items 페이지를 참조한다.

1. 완료 5건(A-01·A-04·A-05·A-09·A-10)은 "회의 제안의 직접 실행"이 아니라 펩타이드 특수성(SS bond·D-AA·OOD)에 부딪혀 대안을 채택한 결과다 — 도구 변경(TM-align→cealign), 단위 불일치 회피(REU 직접비교 금지), 도메인-밖 도구 우회(L-AA 가드).
2. A-02/A-03은 "도구 부재"가 아니라 "D-아미노산·환형·DOTA가 기존 in silico 도구의 학습 분포 밖(OOD)"이 근본 원인 — 따라서 자체 ML 학습이 아닌 wet-lab 실측 병행을 Gate-2 필수 조건으로 채택 [근거: EV03_meeting_0528.md:37, narrative-v3.md:384].
3. 모든 대안은 정확도 보장이 아니라 "의사결정 오류 억제"를 목표로 한다 — surrogate 절대값을 믿지 않고 상대순위·fail-closed·면책(H-06)으로 과신을 차단.

A-01 — SSTR1/3/4/5 위치 지정 도킹: 도구 교체와 구조 ID 정직 노출

왜 이 대안인가 (콜아웃)

기각안: 회의 제안 ① 구조 ID 7T10/7T11 사용, ② TM-align으로 SSTR1/3/4/5 정렬. 기각 근거: ① 로컬 구조 자산은 SSTR2_7XNA.pdb(7XNA)로 회의록 ID와 불일치 — 담당팀 확정 전까지 도킹 좌표 신뢰도 미검증 [근거: EV04_action_master.md:26 → A-01_SSTR_site_directed_docking.md:32-33]. ② TM-align 자동화 도구 미제시. 채택안: PyMOL cealign으로 SSTR2 기준 정렬 + 결합 포켓 중심 좌표 (-5.595, -28.626, 52.210) 반경 13 Å 검색 박스 설정 [근거: EV03_meeting_0528.md:49 → narrative-v3.md:59-60]. 채택 근거: cealign은 로컬 환경에서 실행 가능하고, 정렬 RMSD가 전 서브타입 4 Å 이내로 KPI 충족 — SSTR1 3.125 Å · SSTR3 3.086 Å · SSTR4 3.019 Å · SSTR5 2.770 Å [근거: EV03_meeting_0528.md:51-52 → narrative-v3.md:61-68].

주장 → 근거 → 함의

• 주장: 구조 ID 불일치를 숨기지 않고 명시한 채로 진행했다.
• 근거: A-01 분석에 "회의록 7T10 vs 로컬 7XNA" LOG-BLOCKER가 명문 기록 [근거: EV04_action_master.md:389-392].
• 함의: 도킹 결과는 상대 비교용으로만 유효 — 절대 pose validation은 SST-14:SSTR2 cryo-EM ground truth 미공개로 한계 [근거: EV03_meeting_0528.md:115 → narrative-v3.md:189].

A-04 — 복합 스코어링: 단일 ΔG에서 Hard Cutoff + 다목적 최적화로

왜 이 대안인가 (콜아웃)

기각안: ΔG 단일 지표로 Top-K 선정. 기각 근거: ΔG만 쓰면 반감기가 극도로 짧거나 ADMET이 불량한 후보가 통과할 위험 [근거: EV03_meeting_0528.md:92 → narrative-v3.md:142-143]. 채택안: 5개 Hard Cutoff(ΔG·선택성 ≥100×·radiolysis ≤3·ADMET ≤0.3·Instability <40)로 1차 게이트 → WSS 가중합 + NSGA-II Pareto front 병용 → Tier S/A/B/FAIL 분류 [근거: EV03_meeting_0528.md:94-102 → narrative-v3.md:150-158; EV04_action_master.md:210-222]. 채택 근거: Hard Cutoff는 "절대 통과 불가" 안전선을, WSS/Pareto는 통과 후보 간 선택지를 동시에 제공 — 단일 방식의 취약성(WSS는 가중치 임의성, Pareto는 후보 폭증)을 상호 보완.

WSS 가중치 (서호성 박사 제안 패널)

• 주장: A-04 엔진 자체는 완전 구현(PR #62, 7 files, 73건 테스트 통과)이다.
• 근거 [근거: EV03_meeting_0528.md:104 → narrative-v3.md:163; EV04_action_master.md:230-234 → pipeline_local/scoring/composite_scorer.py, radiolysis_scorer.py].
• 함의: 그러나 입력(A-02 반감기·A-03 ADMET)의 신뢰도가 LOW이므로 Tier 분류는 상대순위 해석에 한정 — 절대 통과 판정 아님 [근거: EV04_action_master.md:381-385].

구현 코드 흐름 — composite_scorer.py (목적→입력→연산→산출)

• 목적: 단일 ΔG 만으로는 거를 수 없는 후보를 "절대 통과 불가 안전선(Hard Cutoff) + 통과 후보 간 상대 우선순위(WSS/Pareto)"의 2단 구조로 분류해 Tier S/A/B/FAIL을 부여한다 — 정확도 보장이 아니라 의사결정 오류 억제가 목표 [근거: composite_scorer.py:3-9, 27-31].
• 입력: 후보별 dict — ddg·selectivity_ratio·half_life·admet_tox·instability·sequence [근거: composite_scorer.py:384-387]. ΔG 기준선은 하드코딩이 아니라 pharmacology_guards.LITERATURE_VALUES에서 SST14_SSTR2_ref_ddg_boltz2 = −95.024 REU 를 로드해 H-01 가드(직접 하드코딩 금지)를 충족 [근거: composite_scorer.py:48-55].
• 흐름(알고리즘): 1. Radiolysis 점수를 전 후보에 대해 계산(SS bond Cys 제외 민감 잔기 카운트) [근거: composite_scorer.py:411-415]. 2. Hard Cutoff 5게이트 적용 — ΔG ≤ −95.024 REU, 선택성 ≥ 100×, 민감잔기 ≤ 3, ADMET ≤ 0.3, Instability < 40. 하나라도 위반 시 사유 문자열을 failures에 누적해 fail-closed [근거: composite_scorer.py:175-232]. 통과율 < 5%면 Critic Agent 경고 발생 [근거: composite_scorer.py:435-441]. 3. WSS 가중합 — 통과 후보만 대상으로 5개 축(−ΔG·선택성·반감기·1−ADMET·10−민감잔기)을 후보군 내 min-max 정규화 후 0.35/0.25/0.20/0.10/0.10 가중 [근거: composite_scorer.py:60-66, 251-306]. 4. Pareto front — 통과 후보가 ≥ 50건이고 pymoo 설치 시에만 NSGA-II Non-Dominated Sorting 으로 front[0] 추출, 미달 시 WSS 단독(정상 분기, 경고 없음) [근거: composite_scorer.py:341-359, 461-469]. 5. Tier 결정 — WSS 상위 20% ∩ Pareto = S, XOR = A, 나머지 통과 = B, Hard Cutoff 미통과 = FAIL. Pareto 미계산 시엔 상위 20% = S / 나머지 = B [근거: composite_scorer.py:127-138, 519-532].
• 산출: 후보별 ScoringResult(통과여부·실패게이트목록·WSS·Pareto소속·Tier·radiolysis_info·ADMET 폴백 플래그·경고) — 입력과 동일 순서로 반환 [근거: composite_scorer.py:144-169, 394-395].

⚠️ 주의: Radiolysis "≤3개 민감 잔기" 임계는 서호성 제안이나 실험 검증 미완료 [미검증] [근거: EV04_action_master.md:413 → A-04_composite_scoring.md:157-161].

A-05 — SST-14 레퍼런스 ΔG: 단위 불일치를 인정한 단일 진실원(SSOT)

왜 이 대안인가 (콜아웃)

기각안: FlexPepDock REU와 Boltz-2 점수를 한 축에서 직접 비교해 단일 임계값 도출. 기각 근거: 두 도구의 점수는 단위·스케일이 달라 직접 비교 금지 [근거: EV04_action_master.md:275 → A-05_SST14_reference_dG.md:16; EV03_meeting_0528.md:113]. 채택안: 도구별 레퍼런스를 분리 보관하고, 게이트 임계는 FlexPepDock mean × 0.9(10% 안전여유)로 단일 진실원(SSOT) gate_thresholds.yaml::rosetta_ddg_max에 고정 [근거: EV03_meeting_0528.md:114 → narrative-v3.md:183; EV04_action_master.md:283-286]. 채택 근거: 동일 프로토콜 n=10 반복으로 σ=4.024(KPI σ<5 충족) — 통계적으로 안정된 단일 기준선 확보. 기존 임의 폴백 -5.0 대체로 신뢰도 향상.

• 함의: A-04 Hard Cutoff에 생물학적 기준선을 제공하나, 코드 폴백 5곳 미정렬로 런타임 시 기준선 무시 가능성 잔존 [근거: EV04_action_master.md:394-398]. 2·3차 스크리닝(MM-GBSA, FEP/TI)은 별도 로드맵 [근거: EV04_action_master.md:277].

구현 코드 흐름 — gate_thresholds.yaml SSOT (목적→입력→연산→산출)

• 목적: 단위가 다른 FlexPepDock REU 와 Boltz-2 점수를 직접 비교하지 않도록, ΔG 게이트 임계를 단일 진실원(SSOT) 한 곳에 명시하여 파이프라인 전 단계가 같은 기준선을 참조하게 한다 [근거: gate_thresholds.yaml:25-26].
• 입력: SST-14 동일 프로토콜 FlexPepDock 반복 측정 mean 553.857 REU(n=10) — 외부 코드 입력이 아니라 측정 상수로 YAML 에 박제 [근거: EV03_meeting_0528.md:111; EV04_action_master.md:285].
• 흐름(연산): rosetta_ddg_max = 553.857 × 0.9 = 498.4713(10% 안전여유)을 단일 키로 고정 [근거: gate_thresholds.yaml:26]. 선택성 게이트는 별도로 margin = max(ddG_off-target) − ddG(SSTR2) 부호 규약과 selectivity_margin_min: 10.0·offtarget_max_allowed: −15.0 를 함께 정의해 step05c iPTM 부호와 통일 [근거: gate_thresholds.yaml:33-44].
• 산출: 각 게이트(plddt/docking/rosetta/selectivity/disulfide/stability) on-off 토글 + 임계값 + final_score_weights(plddt 0.15·dock 0.25·ddg 0.25·lddt 0.15·selectivity 0.20) + AND 게이트 로직·fail_fast=false 를 단일 파일로 노출 [근거: gate_thresholds.yaml:6-14, 59-79, 88-90].

A-09 — 최종 후보 도출: 다양성 강제 포기, 신뢰도 한계 명시

왜 이 대안인가 (콜아웃)

기각안: sequence identity ≤80% 다양성 기준을 후보 4건에 강제 적용. 기각 근거: 14aa 길이 + Cys3-Cys14 SS bond + FWKT pharmacophore 보존 + Hard Cutoff 5개 동시 적용이 후보를 한 영역으로 수렴시켜 identity 86~93% — 다양성을 강제하면 후보 자체가 부족해진다 [근거: EV05_action_rest.md:84-88 → A-09:20; EV03_meeting_0528.md:157 → narrative-v3.md:258]. 채택안: 다양성 미달을 WARN으로 기록한 채 PRST-001~004를 확정하고, 합성 의뢰서에 selectivity·half-life·ADMET의 신뢰도 한계를 명시 [근거: EV05_action_rest.md:88-96]. 채택 근거: SS bond·FWKT는 SSTR2 결합의 생물학적 필수 요소이므로 보존이 우선 — 임상 SST 유사체(octreotide, DOTATATE)도 고리화가 결합 필수 [출처: Patel YC 1999 Front Neuroendocrinol 20:157-198; 근거: BIO_biology.md:23].

PRST-001 (Tier-S) 신뢰등급 분해

• 함의: PRST-001~004는 도출되었으나 ADMET·serum stability 계산값만으로 통과 판정 불가 — Gate-2 진입은 ¹⁷⁷Lu 표지 후 72h RCP ≥90% 등 실측 패키지 필요 [근거: EV05_action_rest.md:99-100; EV03_meeting_0528.md:330-332].

A-02 / A-03 — 블로커: "도구 부재"가 아니라 "도메인-밖(OOD)"

왜 이 대안인가 (콜아웃)

기각안 ①: 기존 7종 반감기 도구(ProtParam·HLP·PlifePred·PeptideRanker·PeptideStability·pepMSND·CAMSOL)로 D-AA 후보 반감기 직접 예측. 기각 근거: 7종 전부 L-아미노산 기반 학습 → Octreotide 등 D-AA 후보를 4.83× 과대 추정(2026-05-20 실측 확인) [근거: EV03_meeting_0528.md:64-66 → narrative-v3.md:93-95; EV04_action_master.md:79]. D-AA는 protease 회피로 안정성을 높이는데, 도구가 L-AA처럼 처리해 효과를 왜곡 [근거: EV03_meeting_0528.md:66 → narrative-v3.md:95]. 기각안 ②: pepADMET REST API(pepadmet.ddai.tech)로 ADMET 독성 자동 호출. 기각 근거: HTTP 403 차단(2026-05-19) + D-AA/DOTA가 학습 분포 밖(OOD) → binary_toxicity=1.00은 절대 독성 판정이 아니라 외삽 신호 [근거: EV03_meeting_0528.md:83-85 → narrative-v3.md:122-127; EV04_action_master.md:142]. 채택안: ① wrapper만 등록하고 wet-lab serum stability 실측을 Gate-2 필수 조건으로 격상, ② pepADMET 로컬 git clone(GPL-3.0) + native 대비 상대 게이트로만 제한 사용 [근거: EV03_meeting_0528.md:69 → narrative-v3.md:103; EV04_action_master.md:151-154]. 채택 근거: 자체 ML 학습은 Layer 2 half-life 회귀 R²=−0.028(의사결정용 불가) 상태라 단기 대안이 못 됨 [근거: EV03_meeting_0528.md:261 → narrative-v3.md:413-420]. 따라서 surrogate를 절대값으로 신뢰하지 않고 상대순위·면책으로 격리하는 것이 유일하게 정당.

근본 원인의 과학적 구조

• 주장: A-02/A-03 부분 충족은 도구 품질 문제가 아니라 화학 공간(chemical space)의 OOD 문제다.
• 근거: PRST 후보의 화학 공간 = 14aa + SS bond + D-AA/비천연 AA + DOTA → 기존 도구 학습 분포 밖 [근거: EV03_meeting_0528.md:201 → narrative-v3.md:314-320]. pepADMET 적용 범위 분류: L-AA ✓ / cyclic ⚠️조건부 / D-AA ❌ / DOTA ❌(OOD) [근거: EV03_meeting_0528.md:78-82 → narrative-v3.md:120-123].
• 함의: 따라서 "더 좋은 도구를 찾는다"가 아니라 "계산 불가능을 계산 가능한 척하지 않는다"(H-06 가드)가 채택 전략 [근거: BIO_pharma.md:86-87; EV03_meeting_0528.md:202 → narrative-v3.md:340-342].

구현 코드 흐름 — step08_stability.py::predict_half_life (목적→입력→연산→산출)

• 목적: D-AA serum t½ 의 절대 예측이 불가능한 상황에서, GLP-1 약동학 전략을 참고한 휴리스틱 ranking score 로 후보 상대 우선순위만 부여한다 — 함수명·hours 단위는 표면적 표현이며 임상 절대값 인용은 금지(VR-cycle-09 / H-06) [근거: step08_stability.py:7-24, 197-202].
• 입력: 서열(1-letter) + 이미 적용된 modification 유형 목록(예: fatty_acid·d_amino_acid·cyclization) [근거: step08_stability.py:211-214].
• 흐름(알고리즘): 1. 서열 조성의 _PROTEASE_VULNERABILITY 평균(잔기당)을 구해 vulnerability_factor = exp(−0.5·(avg−1.0)) 로 base(_BASE_HALF_LIFE_HOURS=3.0) 감쇠 [근거: step08_stability.py:66-87, 110, 242-252]. 2. Cys 쌍(≥4잔기 간격) 탐지 시 고리화 보너스(+24) 가산해 intrinsic 산정 [근거: step08_stability.py:254-266]. 3. Arg/Lys·Met 개수, N/C 말단 취약성, K/R-X·F/Y/W-X dipeptide 절단 부위로 비율 페널티(하한 0.2) 적용 — 절대 페널티가 아닌 비율이라 변이체 간 변별력 확보 [근거: step08_stability.py:268-293]. 4. 외부 modification 보너스(fatty_acid +120·pegylation +96·d_amino_acid +48·substitution +12)를 단순 가산(saturation 비선형성 무시) [근거: step08_stability.py:113-119, 295-306].
• 산출: max(0.5, adjusted_hl + ext_mod_bonus) 를 소수 2자리로 반환 — 값이 클수록 순위 상위, 신뢰등급은 자동 HEURISTIC(HIGH/MED/LOW와 별개) [근거: step08_stability.py:28, 308-320].

벤치마크 실측 — 메타데이터 회복으로 방향성 입증

권위값 = v2(39종 수집 / 32종 유효, L23·D9). 구 v1(17종)은 소표본이라 폐기적 참조용. 아래 ρ는 모두 v2 실측(BENCH_halflife_v2_results.json).

* D 그룹 ρ는 n=9 소표본 + raw 값이 전부 바닥(0.02~0.06h, near-tied)이라 순위 ρ 불안정 — raw(+0.436)>meta(+0.277) 역전은 이 불안정의 산물 [데이터: BENCH_halflife_v2_results.json]. [데이터: report_site/_analysis/BENCH_halflife_v2_results.json; report_site/_analysis/14_benchmark_validation.md]

표본 확장 정직 서술: 구 v1(16 유효)의 전체 raw ρ는 −0.30(소표본 노이즈, 변형 펩타이드 몇 건이 순위를 끌어내림)이었으나, 표본을 17→39로 늘린 v2에서 +0.396(양수 전환). 즉 "raw로는 경향성을 전혀 못 잡는다"는 v1 결론은 과장이었음 [근거: 14_benchmark_validation.md:39-46]. (v1 meta +0.76은 서브셋이 달라 v2 +0.662와 직접 비교 불가.)

• 함의: 도구가 변형 메타데이터를 받으면 전체 순위 상관이 회복(raw +0.396→meta +0.662)되므로, 한계는 "공식 부재"가 아니라 "메타데이터 부재 + 고정 배수" [근거: BIO_pharma.md:116-117 — D-aa 고정 배수 ×35는 D-잔기 개수·위치 무관]. 즉 D-AA 메타데이터 입력 경로 정비가 우선 과제.

pepADMET 용혈 게이트의 한계 (추가 정직성)

• 주장: pepADMET hc50은 범용 용혈 예측기로 신뢰 불가, native 대비 상대 게이트로만 정당.
• 근거: 52종(50 평가) 용혈 문헌 벤치 — L-aa ROC-AUC=0.146(n=32, 랜덤 0.50보다 나쁨, 역변별 견고), D-aa ROC-AUC=0.677(n=18, 양의 변별). LL-37(비용혈 임상 AMP)을 hc50 −1004로 가장 독성 오판 [데이터: report_site/_analysis/BENCH_admet_v2_results.json; 근거: BIO_pharma.md:123-129].
• 함의: A-04 ADMET Hard Cutoff(≤0.3)는 절대 독성 판정이 아니라 native 상대 비교 — 절대 단위(μg/mL vs μM)도 미검증 [근거: BIO_pharma.md:134-136 → pepadmet_toxicity.py:24-30].

구현 코드 흐름 — pepadmet_toxicity.py (목적→입력→연산→산출)

• 목적: OOD(D-AA·DOTA·환형) 화학 공간에서 pepADMET MLR-GAT 출력의 절대값 과신을 차단하기 위해, 추론 결과를 면책 메타데이터로 감싸 "상대 비교 전용" 신호로만 노출한다 [근거: pepadmet_toxicity.py:1-9, 25-29].
• 입력: 펩타이드 서열(필수) + SMILES(선택). 실제 추론은 conda 격리 env 의 pepadmet_runner.predict_toxicity_batch subprocess 가 수행하고 본 모듈은 결과 행을 받는다 [근거: pepadmet_toxicity.py:8-9, 19, 59-69].
• 흐름(연산): runner 출력 한 행을 _normalize_runner_row 로 레거시 API 형태로 정규화 — binary_toxicity·toxicity_type·neurotoxicity_type·hc50 을 매핑하되, hc50 에는 hc50_unit="절대단위 미검증; 상대비교 전용" 라벨을 강제 부착하고, SMILES 파싱 실패로 선형 폴백(graph_note=="linear_sequence_fallback")이면 이황화/고리 구조 소실로 hc50_reliable=False 로 표시 [근거: pepadmet_toxicity.py:22-43].
• 산출: 면책 필드가 포함된 dict(또는 배치 list) — 절대 독성 판정이 아니라 native baseline 대비 다목적 상대 게이트의 입력으로만 소비됨 [근거: pepadmet_toxicity.py:32-56, 83-89].

부수 액션 — A-06 / A-07 (의존성 연쇄)

왜 이 대안인가 (콜아웃)

A-06 기각안: DiffPepDock(디퓨전 도킹)으로 FlexPepDock 대체해 ~10× 가속. 기각 근거: DiffPepDock이 Cys3-Cys14 SS bond 구속을 유지 못함 → RMSD ≤2 Å 재현율 KPI 미충족 → NOT_RECOMMENDED [근거: EV05_action_rest.md:15-17, 30-32 → A-06:8,38; EV03_meeting_0528.md:125-127]. 채택안: Rosetta FlexPepDock 유지. 채택 근거: SS bond는 SST-14 구조의 기본 제약이며 SSTR2 결합 conformation의 필수 요소 — 이를 깨는 도킹은 점수의 생물학적 타당성이 없음 [근거: BIO_biology.md:21-23].

• A-07 연쇄 함의: A-06 NOT_RECOMMENDED → 디퓨전용 VRAM 120GB 요건 자연 해소 → 기존 H100×8(640GB) 활용 가능 → GPU 신규 구매 우선순위 재평가 [근거: EV05_action_rest.md:35, 51-53 → A-07:9].

대안 선정 요약표 (한눈에)

의존성 도식 — 대안 채택의 연쇄 (Silo B 녹색)

도식 색 의미: 녹색 = Silo B(PyRosetta 도킹·실측 경로), 적색 = 블로커(OOD/차단), 황색 = Gate-2(wet-lab 전환점). [근거: build2.py SILO_STYLE — .silo-b 녹색 규약]

미검증·격리 항목 (본문 주장에서 제외)

작성 2026-06-18 · slug=04_action_detail · 빌드 build2.py → pages/04_action_detail.html · 인용은 _evidence/EV03·EV04·EV05·BIO_* 원본 추적