연구진이 효소의 기능을 모방하는 합성 고분자를 개발하여 산업 촉매 작용과 약물 개발에 혁명을 일으킬 가능성이 있다고 Nature지에 발표된 새로운 연구에서 밝혔다. 연구팀은 단백질과는 달리 서로 다른 화학적 특성을 가진 골격으로 이루어져 있지만, 곁사슬의 위치를 신중하게 제어하여 단백질의 행동을 복제하는 랜덤 이종 고분자(RHP)를 만드는 데 집중했다.

연구진은 이러한 RHP를 설계하기 위해 약 1,300개의 금속단백질의 활성 부위에서 영감을 얻었다. 그들은 단일 용기 합성법을 사용하여 단백질에서 발견되는 기능성 잔기와 동등한 역할을 하는 특정 단량체를 도입했다. 이러한 핵심 단량체를 포함하는 세그먼트의 화학적 특성을 통계적으로 조절함으로써 단백질과 유사한 미세 환경을 제공하는 유사 활성 부위를 만들 수 있었다. 연구에 따르면 이 접근 방식을 통해 RHP는 효소 모방체 역할을 할 수 있다.

합성 효소 모방체를 만드는 능력은 재료 과학의 중요한 과제를 해결한다. 과학자들은 단백질의 구조적 복잡성을 성공적으로 복제했지만, 기능적 이질성을 달성하는 것은 여전히 어려운 과제로 남아 있었다. 이 연구는 고분자 내 세그먼트 수준에서 곁사슬의 공간적, 시간적 배열을 프로그래밍함으로써 단백질과 유사한 행동을 달성할 수 있음을 시사한다. 또한 고분자에 내재된 회전 자유도는 정확한 단량체 서열 특이성의 부족을 보완하여 고분자 앙상블 전체에서 균일한 행동을 유도할 수 있다.

연구의 주 저자는 "우리는 이 접근 방식이 기능성 물질을 설계하는 새로운 길을 열어줄 것이라고 믿습니다."라고 말했다. "단백질 활성 부위의 원리를 활용하여 합성 고분자에 적용함으로써 맞춤형 특성을 가진 촉매를 만들 수 있습니다."

이 연구의 의미는 다양한 분야로 확장된다. 산업 촉매 작용에서 RHP는 기존 효소보다 더 강력하고 비용 효율적인 대안을 제공할 수 있다. 약물 개발에서는 특정 생물학적 과정을 표적으로 하는 새로운 치료제를 만드는 데 사용될 수 있다. 금속단백질 활성 부위를 분석하는 데 AI를 사용한 것이 설계 과정에서 매우 중요했다. 머신 러닝 알고리즘은 효소 활성에 기여하는 주요 구조적, 화학적 특징을 식별하는 데 사용되었으며, 이는 단량체 선택과 RHP에서의 배열에 영향을 미쳤다.

이 분야의 전문가들은 이 개발을 중요한 진전으로 보고 있다. 화학 공학 교수인 에밀리 카터 박사는 "이것은 효소 기능을 모방하는 영리한 접근 방식입니다."라고 말했다. "랜덤 이종 고분자를 사용하면 기존 단백질 공학으로는 달성하기 어려운 수준의 유연성과 조절 가능성을 얻을 수 있습니다."

연구자들의 다음 단계는 특정 응용 분야에 맞게 RHP 설계를 최적화하고 실제 환경에서 사용할 수 있는 잠재력을 탐구하는 것이다. 또한 AI를 사용하여 설계 프로세스를 더욱 개선하고 촉매 활성을 향상시킬 수 있는 새로운 단량체 조합을 발견할 계획이다. 연구팀은 또한 산업 응용 분야에서 RHP를 보다 쉽게 사용할 수 있도록 RHP 합성을 확장하는 데 주력하고 있다.