연구진은 Nature지에 발표된 연구에 따르면 효소의 기능을 모방하는 합성 고분자를 개발하여 인공 촉매를 만드는 새로운 접근 방식을 제시했습니다. 연구팀은 단백질의 복잡한 화학적, 구조적 특성을 복제하는 방법으로 무작위 이종 고분자(RHP)에 초점을 맞췄습니다. RHP는 서로 다른 단량체가 무작위로 배열된 고분자입니다.

이 연구는 재료 과학 분야의 오랜 과제인 천연 단백질의 복잡한 기능을 수행할 수 있는 합성 재료를 만드는 문제를 해결합니다. 과학자들이 단백질 구조를 복제하는 데 진전을 이루었지만, 유사한 기능을 달성하는 것은 어려운 것으로 입증되었습니다. 연구팀의 접근 방식은 고분자 내의 곁사슬의 공간적 배열을 분절 수준에서 프로그래밍하여 효소의 활성 부위를 효과적으로 모방하는 것입니다.

연구진은 논문에서 "우리는 단백질의 골격 화학과 다른 고분자의 경우, 곁사슬의 공간적 및 시간적 투영을 분절 수준에서 프로그래밍하는 것이 단백질 행동을 복제하는 데 효과적일 수 있다고 제안합니다."라고 밝혔습니다. 또한 고분자의 회전 자유도가 정확한 단량체 서열의 부족을 보완하여 재료 전체에서 보다 일관된 거동을 유도할 수 있다고 언급했습니다.

RHP의 설계는 촉매 활성이 발생하는 활성 부위에 초점을 맞춰 약 1,300개의 금속 단백질 분석을 통해 얻었습니다. 주요 단량체를 단백질의 기능성 잔기의 등가물로 RHP에 도입하고, 이러한 단량체를 포함하는 분절의 화학적 특성(분절 소수성 포함)을 통계적으로 조절했습니다. 이 과정은 RHP 내에 유사 활성 부위를 형성하여 주요 단량체에 단백질과 유사한 미세 환경을 제공했습니다.

이 연구의 의미는 촉매, 약물 전달 및 재료 과학을 포함한 다양한 분야에서 중요합니다. 인공 효소는 산업 공정에서 천연 효소를 대체하여 더 큰 안정성과 조절성을 제공할 수 있습니다. 또한 특정 촉매 기능을 가진 고분자를 설계하는 능력은 고유한 특성을 가진 새로운 재료 개발로 이어질 수 있습니다.

이러한 효소 모방체의 개발은 또한 재료 설계에서 인공 지능(AI)의 역할이 커지고 있음을 강조합니다. 소스 자료에 명시적으로 언급되지는 않았지만, 1,300개의 금속 단백질 분석에는 주요 특징을 식별하고 RHP 설계를 안내하기 위해 계산 도구 및 알고리즘이 사용되었을 가능성이 높습니다. AI는 새로운 재료의 특성을 예측하고 구성을 최적화하여 재료 발견을 가속화하는 데 점점 더 많이 사용되고 있습니다.

이 연구의 다음 단계는 RHP를 더욱 최적화하고 다양한 분야에서 잠재적인 응용 분야를 탐색하는 것입니다. 연구진은 또한 AI를 사용하여 훨씬 더 복잡하고 효율적인 효소 모방체를 설계하는 방법을 연구할 계획입니다. 맞춤형 특성을 가진 인공 효소를 만드는 능력은 다양한 산업에 혁명을 일으키고 새로운 기술 개발로 이어질 수 있습니다.