인공 단백질을 설계하는 새로운 방법

단백질 설계는 치료를 위한 맞춤형 항체, 진단을 위한 바이오센서 또는 화학 반응을 위한 효소를 만드는 것을 목표로 합니다. 국제 연구팀은 이제 이전보다 더 나은 대형 신규 단백질을 설계하고 실험실에서 원하는 특성을 가진 단백질을 생산하는 방법을 개발했습니다. 그들의 접근 방식에는 2024년에 노벨 화학상이 수여된 AI 기반 소프트웨어 Alphafold2의 기능을 사용하는 새로운 방법이 포함됩니다.

단백질은 빌딩 블록, 수송 시스템, 효소 또는 항체로서 우리 몸에서 중요한 역할을 합니다. 따라서 연구자들은 단백질을 재생성하거나 자연에서 발생하지 않는 소위 de novo 단백질을 설계하려고 노력하고 있습니다. 이러한 인공 단백질은 예를 들어 특정 바이러스에 결합하거나 약물을 운반하도록 설계되었습니다. 과학자들은 점점 더 기계 학습을 사용하여 단백질을 설계하고 있습니다. 최근 이 분야의 발전은 노벨 화학상을 수상했습니다. 올해의 노벨상은 de novo 단백질 설계의 선구자인 데이비드 베이커와 소프트웨어 Alphafold2의 개발자인 데미스 하사비스와 존 점퍼에게 수여되었습니다. 이 소프트웨어를 사용하면 컴퓨터에서 단백질 구조를 높은 정확도로 예측할 수 있습니다.

뮌헨 공과대학(TUM)의 생물분자 나노기술 교수인 헨드릭 디츠와 MIT의 생물학 교수인 세르게이 오브치니코프가 이끄는 국제팀은 이제 알파폴드2의 정확한 구조 예측과 소위 경사 하강법을 함께 사용하여 효율적인 단백질 설계를 위한 방법을 개발했습니다. 이는 저널 Science에 게재되었습니다.

경사 하강법은 모델 최적화를 위한 일반적인 방법입니다. 단계별 프로세스에서 원하는 대상 함수와의 편차를 식별하고 최적의 결과가 달성될 때까지 매개변수를 조정하는 데 사용할 수 있습니다. 단백질 설계에서 경사 하강법은 AlphaFold2가 예측한 새로운 단백질의 구조를 원하는 단백질 구조와 비교하는 데 사용할 수 있습니다. 이를 통해 과학자는 새로 설계한 아미노산 사슬과 결과 구조를 더욱 최적화할 수 있습니다. 후자는 단백질의 안정성과 기능을 크게 결정하며 미묘한 에너지적 상호 작용에 따라 달라집니다.

빌딩 블록의 가상 중첩

새로운 방법을 사용하면 이전보다 더 나은 대형 신규 단백질을 설계하고 원하는 특성에 맞게 조정할 수 있습니다. 예를 들어 다른 단백질에 정확하게 결합할 수 있습니다. 그들의 설계 과정은 여러 면에서 이전 접근 방식과 다릅니다.

"우리는 새로운 단백질에 대한 프로세스를 설계하여 처음에는 물리적으로 가능한 것의 한계를 무시했습니다. 일반적으로 아미노산 사슬의 각 지점에서 20개의 가능한 구성 요소 중 하나만 가정합니다. 대신 모든 가능성이 가상으로 중첩되는 변형을 사용합니다." 생물 분자 나노기술 학과의 박사 후보생이자 이 연구의 첫 번째 저자인 크리스토퍼 프랭크가 말했습니다.

이 가상 중첩은 실제로 생산 가능한 단백질로 직접 변환될 수 없습니다. 하지만 단백질을 반복적으로 최적화할 수 있습니다. "우리는 새로운 단백질이 원하는 구조에 매우 가까워질 때까지 여러 번 반복하여 아미노산 배열을 개선합니다."라고 Christopher Frank는 말합니다. 그런 다음 이 최적화된 구조는 실험실에서 실제로 단백질로 조립할 수 있는 아미노산 서열을 결정하는 데 사용됩니다.

중요한 테스트: 예측이 실제 생활에서 어떻게 적용되는가?

새롭게 설계된 모든 단백질에 대한 궁극적인 테스트: 실제 구조가 예측된 구조와 원하는 기능에 부합하는가? 이 새로운 방법을 사용하여 팀은 100개가 넘는 단백질을 가상으로 설계하고 실험실에서 생산한 다음 실험적으로 테스트했습니다. "우리가 설계한 구조가 실제로 생산된 구조와 매우 가깝다는 것을 보여줄 수 있었습니다."라고 Christopher Frank는 말합니다.

그들은 새로운 방법을 사용하여 최대 1000개의 아미노산으로 구성된 단백질을 생산할 수 있었습니다. "이것은 우리를 항체의 크기에 더 가깝게 만들고, 항체와 마찬가지로 우리는 그런 단백질에 여러 가지 원하는 기능을 통합할 수 있습니다."라고 Hendrik Dietz는 설명합니다. "예를 들어, 이것들은 병원체를 인식하고 억제하기 위한 모티프가 될 수 있습니다."

출처: https://www.sciencedaily.com/releases/2024/11/241121115640.htm