Nature지에 발표된 연구에 따르면, 연구진이 효소를 모방하는 무작위 이종 중합체(RHP)를 성공적으로 설계하여 단백질과 유사한 기능을 가진 합성 물질을 만드는 새로운 접근 방식을 제시했습니다. 연구팀은 약 1,300개의 금속단백질의 활성 부위에서 영감을 얻어 단일 용기 합성법을 통해 이러한 RHP를 개발했으며, 단백질에서 발견되는 기능성 잔기와 동등한 역할을 하는 특정 단량체를 도입했습니다.

이 혁신의 핵심은 이러한 주요 단량체를 포함하는 세그먼트의 화학적 특성, 특히 세그먼트 소수성을 통계적으로 조절하는 데 있습니다. 이 과정을 통해 RHP는 유사 활성 부위를 형성하여 주요 단량체에 단백질에서 발견되는 것과 유사한 미세 환경을 제공하여 반응을 촉매할 수 있습니다.

연구진은 논문에서 "단백질과 다른 골격 화학을 가진 중합체의 경우, 세그먼트 수준에서 곁사슬의 공간적 및 시간적 투영을 프로그래밍하는 것이 단백질 행동을 복제하는 데 효과적일 수 있다고 제안합니다."라고 밝혔습니다. 그들은 또한 중합체의 회전 자유도를 활용하면 단량체 서열 특이성의 한계를 보완하여 앙상블 수준에서 균일한 행동을 유도할 수 있다고 설명했습니다.

이러한 효소 모방체의 개발은 생체 모방 재료 과학에서 중요한 진전을 나타냅니다. 단백질의 복잡한 계층적 구조를 복제하는 것이 오랜 과제였지만, 이 연구는 중합체 내에서 곁사슬의 공간적 및 시간적 배열에 초점을 맞추면 단백질 행동을 효과적으로 복제할 수 있음을 시사합니다. 이 접근 방식은 종종 합성적으로 달성하기 어려운 정확한 단량체 서열 분석의 필요성을 피합니다.

이 연구의 의미는 촉매 작용, 약물 전달 및 재료 과학을 포함한 다양한 분야로 확장됩니다. 효소 모방체는 산업 공정에서 천연 효소를 대체하여 더 큰 안정성과 조절 가능성을 제공할 수 있습니다. 또한 특정 세포 또는 조직을 표적으로 하는 새로운 약물 전달 시스템을 개발하거나 향상된 특성을 가진 새로운 재료를 만드는 데 사용할 수도 있습니다.

AI의 사용은 특히 금속단백질의 활성 부위를 분석하는 데 있어 이 연구에서 중요한 역할을 했습니다. 기계 학습 알고리즘은 이러한 활성 부위에서 주요 특징과 패턴을 식별하는 데 사용되었으며, 이는 RHP 설계에 정보를 제공했습니다. 이는 재료 발견 및 설계에서 AI의 중요성이 점점 더 커지고 있음을 강조하며, 연구진이 광대한 화학 공간을 탐색하고 새로운 재료에 대한 유망한 후보를 식별할 수 있도록 합니다.

이 연구의 다음 단계는 RHP 설계를 더욱 최적화하고 다양한 분야에서 잠재적인 응용 분야를 탐색하는 것입니다. 연구진은 또한 맞춤형 속성을 가진 더 넓은 범위의 효소 모방체를 만들기 위해 다양한 단량체 및 중합 기술의 사용을 조사할 계획입니다. 이 연구는 단백질과 유사한 기능을 가진 새로운 세대의 합성 재료를 위한 길을 열어 사회에 광범위한 잠재적 이점을 제공할 수 있습니다.