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.

과학자들은 약 1,300개의 금속단백질의 활성 부위에서 영감을 얻어 RHP를 설계했습니다. 그들은 단백질에서 발견되는 기능성 잔기와 동등한 기능을 하는 핵심 단량체를 통합하여 원팟 합성법을 사용하여 이러한 고분자를 만들었습니다. 연구진은 분절 소수성과 같은 이러한 핵심 단량체를 포함하는 분절의 화학적 특성을 통계적으로 제어함으로써 단백질과 유사한 미세 환경을 제공하는 유사 활성 부위를 만들 수 있었습니다.

연구진은 논문에서 "단백질과 다른 골격 화학을 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 자유도는 정확한 단량체 서열의 부족을 보완하여 고분자 앙상블 전체에서 일관된 행동을 유도할 수 있다고 언급했습니다.

이러한 효소 모방체의 개발은 의학, 재료 과학 및 환경 정화를 포함한 다양한 분야에 중요한 영향을 미칠 수 있습니다. 인공 효소는 산업 공정에서 화학 반응을 촉매하고, 새로운 약물 치료법을 개발하거나, 환경에서 오염 물질을 분해하는 데 잠재적으로 사용될 수 있습니다.

이 연구는 생물학적 시스템에서 발견되는 복잡한 기능을 복제하려는 생체 모방 재료에 대한 관심이 증가하고 있음을 강조합니다. 이전의 노력은 단백질의 1차, 2차 및 3차 구조를 복제하는 데 중점을 두었지만, 이 연구는 단백질과 유사한 기능을 달성하는 데 있어 화학적, 구조적 및 역동적 이질성의 중요성을 강조합니다.

인공 효소를 만드는 데 있어 어려운 과제 중 하나는 천연 효소와 동일한 수준의 특이성과 효율성을 달성하는 것입니다. 천연 효소는 특정 반응을 정확하게 촉매하기 위해 수백만 년에 걸쳐 진화했습니다. AI 및 머신 러닝의 사용은 이 분야에서 점점 더 중요해지고 있으며, 연구자들이 원하는 특성을 가진 합성 효소를 설계하고 최적화하는 데 도움이 됩니다. AI 알고리즘은 단백질 구조 및 기능에 대한 방대한 양의 데이터를 분석하여 촉매 활성에 기여하는 주요 특징을 식별할 수 있습니다. 이러한 특징은 합성 고분자의 설계에 통합될 수 있습니다.

연구진은 RHP 및 기타 효소 모방체의 추가 개발이 향상된 성능과 다재다능성을 갖춘 차세대 촉매로 이어질 수 있다고 믿습니다. 향후 연구는 이러한 고분자의 설계 및 합성을 개선하고 다양한 분야에서 잠재적인 응용 분야를 탐색하는 데 중점을 둘 것입니다. 연구팀은 AI 기반 방법을 사용하여 RHP의 설계를 더욱 개선하고 촉매 활성을 최적화할 계획입니다.