Nature지에 발표된 연구에 따르면 연구진은 효소를 모방하는 랜덤 헤테로폴리머(RHP)를 개발하여 단백질과 유사한 기능을 가진 합성 물질을 만드는 새로운 접근 방식을 제시했습니다. 약 1,300개의 금속단백질의 활성 부위에서 영감을 얻은 연구팀은 단일 용기 합성법을 사용하여 이러한 RHP를 설계하고, 주요 단량체 함유 세그먼트의 화학적 특성을 통계적으로 조절하여 유사 활성 부위를 만들었습니다.

이 연구는 단백질의 복잡한 기능을 합성적으로 복제하는 데 있어 오랜 과제를 해결합니다. 과학자들은 단백질의 1차, 2차 및 3차 구조를 모방하는 데 진전을 이루었지만, 단백질 기능을 구동하는 화학적, 구조적 및 동적 이질성을 달성하는 것은 여전히 어려웠습니다. 연구진은 폴리머 내 세그먼트 수준에서 곁사슬의 공간적 및 시간적 배열을 프로그래밍함으로써 단백질의 골격 화학 성분과 다른 경우에도 단백질 행동을 복제할 수 있다고 제안합니다.

연구진은 논문에서 "우리는 주요 단량체를 단백질의 기능적 잔기와 동등한 것으로 도입합니다."라고 언급하며 단백질 활성 부위의 미세 환경을 모방하는 것의 중요성을 강조했습니다. 폴리머의 회전 자유도는 단량체 서열 특이성의 한계를 극복하는 데 도움이 되어 분자 앙상블 전체에서 균일한 행동을 유도합니다.

이러한 효소 모방체의 개발은 촉매 작용, 약물 전달 및 재료 과학을 포함한 다양한 분야에 잠재적인 영향을 미칩니다. 특정 화학 반응을 수행하거나 높은 친화력으로 표적 분자에 결합할 수 있는 합성 물질을 만들어 과학자들은 새로운 치료법, 보다 효율적인 산업 공정 및 맞춤형 특성을 가진 고급 재료를 개발할 수 있습니다.

금속단백질의 활성 부위를 분석하는 데 AI를 사용한 것은 RHP 설계에 중요한 역할을 했습니다. 머신 러닝 알고리즘은 대규모 데이터 세트에서 주요 특징과 패턴을 식별하여 연구진이 합성 물질의 구성 및 구조에 대한 정보에 입각한 결정을 내릴 수 있도록 합니다. 이 접근 방식은 재료 발견 및 설계에서 AI의 중요성이 커지고 있음을 강조합니다.

앞으로 연구진은 RHP 설계를 더욱 최적화하고 다양한 분야에서 잠재적인 응용 분야를 탐색할 계획입니다. 또한 폴리머 내에서 단량체의 공간적 및 시간적 배열을 제어하는 새로운 방법을 개발하는 것을 목표로 하고 있으며, 이는 훨씬 더 정교한 효소 모방체로 이어질 수 있습니다. 연구팀은 이 접근 방식이 단백질과 유사한 기능을 가진 차세대 합성 물질의 길을 열어 과학적 및 기술적 혁신을 위한 광범위한 기회를 제공할 수 있다고 믿습니다.