연구진은 효소의 기능을 모방하는 합성 고분자를 개발하여 인공 촉매를 만드는 새로운 접근 방식을 제시했습니다. Nature지에 발표된 이 연구는 무작위 이종 고분자(RHP)가 금속 단백질의 활성 부위를 복제하도록 설계되어 의학과 재료 과학을 포함한 다양한 분야에서 발전으로 이어질 가능성을 자세히 설명합니다.

약 1,300개의 금속 단백질 활성 부위 분석을 바탕으로 팀은 원-팟(one-pot) 방법을 사용하여 RHP를 합성했습니다. 여기에는 단백질에서 발견되는 기능성 잔기와 동등한 역할을 하는 특정 단량체를 도입하는 과정이 포함됩니다. 연구진은 분절 소수성과 같은 이러한 핵심 단량체 함유 분절의 화학적 특성을 통계적으로 조절하여 핵심 단량체에 단백질과 유사한 미세 환경을 제공하는 유사 활성 부위를 만들었습니다.

연구진은 "단백질과 다른 골격 화학 구조를 가진 고분자의 경우, 분절 수준에서 곁사슬의 공간적 및 시간적 투영을 프로그래밍하는 것이 단백질 행동을 복제하는 데 효과적일 수 있다고 제안합니다."라고 밝혔습니다. 또한 고분자의 회전 자유도를 활용하면 단량체 서열 특이성의 한계를 보완하고 앙상블 수준에서 균일한 행동을 달성할 수 있다고 언급했습니다.

이러한 효소 모방체의 개발은 단백질의 복잡한 화학적, 구조적, 동적 이질성을 합성적으로 복제하는 과제를 해결하기 때문에 중요합니다. 이전의 노력은 단백질의 1차, 2차 및 3차 구조를 복제하는 데 중점을 두었지만 기능적 복제를 달성하는 것은 여전히 어려웠습니다. 이 새로운 접근 방식은 분절 수준에서 곁사슬의 공간적 및 시간적 배열을 프로그래밍하는 데 중점을 두어 단백질 행동을 효과적으로 모방할 수 있는 고분자를 만들 수 있습니다.

이 연구의 의미는 광범위합니다. 효소 모방체는 약물 전달, 생체 감지 및 산업 촉매 작용을 포함한 다양한 응용 분야에 사용될 수 있습니다. 예를 들어, 화학 제조에서 특정 반응을 촉매하도록 설계하여 보다 효율적이고 지속 가능한 공정으로 이어질 수 있습니다. 의학에서는 암세포를 표적으로 파괴하거나 약물을 질병 조직에 직접 전달하는 데 사용할 수 있습니다.

AI의 사용은 이러한 RHP의 설계 및 최적화에 중요한 역할을 했습니다. 머신 러닝 알고리즘은 금속 단백질의 활성 부위를 분석하고 촉매 활성에 기여하는 주요 특징을 식별하는 데 사용되었습니다. 이 정보는 RHP의 설계를 안내하는 데 사용되어 효소 모방체로서 기능하는 데 필요한 화학적 및 구조적 특성을 갖도록 했습니다.

연구진은 이 접근 방식이 생체 모방 재료 분야에서 중요한 진전을 나타낸다고 믿습니다. AI의 힘과 고급 합성 기술을 활용하여 복잡한 기능을 높은 정밀도로 수행할 수 있는 새로운 종류의 재료를 만들었습니다. 다음 단계는 이러한 RHP의 설계를 더욱 최적화하고 다양한 분야에서 잠재적인 응용 분야를 탐색하는 것입니다. 연구팀은 또한 더 광범위한 효소 모방체를 만들기 위해 다양한 유형의 단량체와 고분자를 사용하는 것을 조사할 계획입니다.