GYDE (Guide Your Design and Engineering)

AI 모델 통합 실행**: AlphaFold2, Boltz-1/2, Chai-1r, OpenFold3, ABodyBuilder2, Ibex, MOE Ab_workflow(구조 예측), ProteinMPNN, ThermoMPNN, LigandMPNN, BindCraft, RFDiffusion(단백질 설계), MAFFT, Absolve, RaSP, Rosetta ΔΔG, TAP, MolDesk(분석) 등 10종 이상의 최신 단백질 AI 모델을 Slivka API를 통해 웹 GUI에서 직접 실행

- AI 모델 통합 실행: AlphaFold2, Boltz-1/2, Chai-1r, OpenFold3, ABodyBuilder2, Ibex, MOE Ab_workflow(구조 예측), ProteinMPNN, ThermoMPNN, LigandMPNN, BindCraft, RFDiffusion(단백질 설계), MAFFT, Absolve, RaSP, Rosetta ΔΔG, TAP, MolDesk(분석) 등 10종 이상의 최신 단백질 AI 모델을 Slivka API를 통해 웹 GUI에서 직접 실행 - Mol* 기반 3D 구조 시각화: 시퀀스-구조 자동 동기화, MSA 뷰어(필터링·정렬·어노테이션), 히트맵(포화 변이 데이터), 산점도(예측 점수 vs 실험값), 시퀀스 로고(잔기 보존도), 이미지 뷰어 등 인터랙티브 플로팅 통합 - 항체 엔지니어링 워크플로우: Absolve 넘버링 → ABodyBuilder2 구조 예측 → TAP/MolDesk 개발성 분석 → ProteinMPNN 변이 설계의 일관된 파이프라인 - 유연한 데이터 모델: 컬럼 기반 데이터프레임 구조로 서열·구조·실험 데이터 통합. CSV, XLSX, FASTA, PDB 업로드 및 PDB/UniProt/Pfam 공개 DB 연동 - 세션 버전 관리 및 협업: OAuth2 인증, 세션 접근 제어, 버전 히스토리로 연구자 간 협업 지원 - Send-to-GYDE API: 외부 시스템에서 curl 엔드포인트를 통한 프로그래밍적 데이터 임포트 (파이프라인 자동화 연동) - HPC 스케줄러 연동: Slivka를 통해 LSF, Slurm, SunGrid Engine 등 주요 HPC 잡 스케줄러 지원

💻 필요한 컴퓨터 사양

🧠RAM

GYDE 자체는 CPU 기반 웹 서버. Slivka 컴퓨트 레이어의 AlphaFold2/RFDiffusion 등 AI 모델 실행 시 NVIDIA GPU 필요 (모델별 상이 — AlphaFold2 16GB+, ProteinMPNN 8GB+, RFDiffusion 16GB+)

💾저장공간

GYDE 코어 ~500MB, Slivka 컴퓨트 도구 + AI 모델 웨이트 포함 시 수십~수백 GB (AlphaFold2 DB 별도 ~2.5TB, 로컬 구축 시)

⚡ 설치법

### 4-1. Quick Start (Docker, 권장)

```bash
git clone https://github.com/proteinverse/gyde.git
cd gyde
export SLIVKA_DATA_DIR=/path/to/slivka/data
docker compose --profile setup run slivka-bio-installer
docker compose up gyde-server
# http://localhost:3030 에서 접속
```

### 4-2. 로컬 개발 환경

```bash
# 사전 요구: Node.js v14+, MongoDB v4.4+, Git
git clone https://github.com/proteinverse/gyde.git

# 프론트엔드
cd gyde/gyde-frontend && npm install && npm start
# http://localhost:3000

# 백엔드 (별도 터미널)
cd gyde/gydesrv && npm install
export GYDE_SLIVKA_URL=http://your-slivka-server:4040
export GYDE_MONGO_CONNECTION=mongodb://localhost:27017/
npm start
```

### 4-3. 프로덕션 배포

```bash
cd gyde-frontend && npm run build
cd ../gydesrv
export GYDE_HOST=0.0.0.0
export GYDE_PORT=3030
export GYDE_SLIVKA_URL=http://your-slivka-server:4040
export GYDE_MONGO_CONNECTION=mongodb://localhost:27017/
node index.js
```

### 주요 환경 변수

| 변수 | 용도 | 기본값 |
|------|------|--------|
| `GYDE_HOST` | 바인딩 주소 | 127.0.0.1 |
| `GYDE_PORT` | 포트 | 3030 |
| `GYDE_SLIVKA_URL` | Slivka 컴퓨트 API 엔드포인트 | **필수** |
| `GYDE_MONGO_CONNECTION` | MongoDB 연결 URI | mongodb://localhost/ |
| `GYDE_DB_NAME` | 데이터베이스 이름 | gydedb_prd |
| `GYDE_CA_BUNDLE` | 기업 SSL 인증서 경로 | (없음) |

🧬 바이오 활용

🔬

단백질-단백질 상호작용(PPI) 대규모 필터링**

프로테오믹스 데이터에서 발견된 1,381개 상호작용 후보를 AlphaFold2-multimer로 구조 예측하고 GYDE 내에서 pTM/ipTM 점수 기반 필터링 — Mol* 뷰어에서 인터페이스 잔기를 시각 검증하여 실험 검증 우선순위 선정

🧬

구조 예측 방법론 벤치마킹**

Boltz-1과 Chai-1r 코폴딩(co-folding) 결과를 동일 세션에서 직접 비교 — 예측 품질 메트릭, 구조 불일치 영역, 신뢰도 점수를 시각적으로 점검하여 프로젝트별 최적 모델 선택

💊

항체 엔지니어링 (합리적 설계)**

B세포 레퍼토리 시퀀스에서 항체 넘버링, 구조 예측, CDR 변이 히트맵 시각화, 개발성(TAP/MolDesk) 평가, 실험용 픽리스트 생성까지 단일 플랫폼에서 수행. Anti-PD-1 항체를 ProteinMPNN으로 설계 최적화한 사례 시연

🎙️

효소 최적화**

HyperTEV 프로테아제에 ProteinMPNN 기반 포화 변이 설계 워크플로우를 적용하여 야생형 대비 약 20배 촉매 효율 향상을 달성한 선행 연구의 전산적 재현

🤖

De novo 바인더 설계**

BindCraft 및 RFDiffusion을 활용한 LRRC15 타겟 AAV 캡시드 리타겟팅 설계 — 실험적 결합/VLP 수율 데이터와 예측 구조를 GYDE에서 통합 분석

⚡

협업 기반 반복 설계**

세션 버전 관리와 접근 제어를 통해 전산생물학자·실험 과학자·프로젝트 리더가 동일 설계 세션을 공유하며 반복 설계-실험 사이클 수행

BioPlayground