알파폴드 기반의 단백질-리간드 결합 포켓 구조 예측 및 상호작용 강도 평가

본 기술은 대규모 딥러닝 모델인 AlphaFold의 구조 예측 능력을 활용하여, 잠재적 약물 후보 물질(리간드)이 목표 단백질의 활성 부위에 어떻게 결합할지를 예측하고 결합 강도를 정량적으로 평가하는 방법을 제공합니다.

작동 원리

• 결합 포켓 식별: 먼저, 목표 단백질의 3차원 구조 정보를 기반으로 리간드가 접근 가능한 결합 포켓(Binding Pocket) 영역을 계산합니다.
• 도킹 및 점수화: 예측된 단백질 구조와 다양한 화합물을 조합하여 분자 도킹 알고리즘을 통해 가능한 모든 결합 자세(Pose)를 탐색합니다.
• 친화도 예측: 모델은 단순한 기하학적 적합도를 넘어, 예상되는 van der Waals 힘, 정전기적 상호작용 등의 에너지 함수를 통합하여 각 결합 자세의 상대적 안정성(친화도)을 예측합니다. 이는 전통적인 단백질 구조 예측 방법론의 한계를 보완합니다.

이는 초기 단계의 신약 개발 과정에서 실험적 스크리닝 비용을 획기적으로 절감시키는 데 기여하며, 궁극적으로는 타겟 단백질과의 최적의 상호작용을 갖는 바이오마커 혹은 약물을 선별하는 데 필수적입니다.