연구진은 효소의 기능을 모방하는 합성 고분자를 개발하여 산업 촉매 작용 및 신약 개발에 혁신을 가져올 가능성을 제시했습니다. Nature지에 발표된 이번 연구는 무작위 이종 고분자(RHP)가 금속 단백질의 활성 부위를 복제하도록 설계되어 천연 단백질의 복잡한 구조에 의존하지 않고도 효소와 유사한 활성을 달성하는 방법을 자세히 설명합니다.

약 1,300개의 금속 단백질 활성 부위 분석을 바탕으로 팀은 단일 용기 합성법을 통해 RHP를 만들었습니다. 이 방법은 생성 과정을 단순화합니다. 단백질의 기능성 잔기와 동등한 역할을 하는 핵심 단량체는 분절 소수성과 같은 화학적 특성을 제어하기 위해 통계적으로 조절되었습니다. 이러한 조절을 통해 RHP는 유사 활성 부위를 형성하여 핵심 단량체에 단백질과 유사한 미세 환경을 제공할 수 있었습니다.

연구진은 논문에서 "단백질과 다른 골격 화학 구조를 가진 고분자의 경우, 분절 수준에서 곁사슬의 공간적, 시간적 투영을 프로그래밍하는 것이 단백질 행동을 복제하는 데 효과적일 수 있다고 제안합니다."라고 밝혔습니다. 그들은 또한 고분자 사슬의 회전 자유도가 단량체 서열 특이성의 한계를 극복하는 데 도움이 되어 고분자 앙상블 전체에서 일관된 행동을 유도한다고 설명했습니다.

이러한 효소 모방체의 개발은 다양한 분야에 중요한 영향을 미칩니다. 전통적인 효소 공학은 종종 단백질 구조의 복잡성과 활성 부위 수정의 어려움으로 인해 제한됩니다. RHP는 보다 유연하고 잠재적으로 확장 가능한 접근 방식을 제공합니다. 이는 특정 산업 공정에 맞춤화된 촉매를 만들어 폐기물과 에너지 소비를 줄이는 데 기여할 수 있습니다. 신약 개발에서 효소 모방체는 질병 관련 단백질을 표적으로 하거나 복잡한 약물 분자를 보다 효율적으로 합성하는 데 사용될 수 있습니다.

이러한 RHP의 설계는 AI 및 머신 러닝 원리를 활용합니다. 연구진은 대규모 금속 단백질 활성 부위 데이터 세트를 분석하여 합성 고분자 설계에 통합된 주요 특징과 관계를 식별했습니다. 이러한 데이터 기반 접근 방식은 재료 과학 및 생명 공학에서 AI의 역할이 커지고 있음을 강조합니다. 연구진은 "고분자의 회전 자유도를 활용하면 단량체 서열 특이성의 결함을 완화하고 앙상블 수준에서 행동 균일성을 달성할 수 있습니다."라고 언급하며, 전산 모델링을 통해 고분자 역학을 이해하는 것이 중요함을 시사했습니다.

그러나 여전히 과제가 남아 있습니다. RHP는 효소와 유사한 활성을 보이지만 효율성과 특이성은 아직 천연 효소에 미치지 못할 수 있습니다. 이러한 고분자의 설계를 최적화하고 다양한 맥락에서 잠재적 응용 분야를 탐색하기 위해서는 추가 연구가 필요합니다. 연구팀은 RHP의 촉매 활성을 개선하고 촉매할 수 있는 반응 범위를 확장하는 방법을 연구할 계획입니다. 또한 AI를 사용하여 다양한 RHP 설계의 속성을 예측하여 개발 프로세스를 가속화하는 방법을 모색하고 있습니다.

효소 모방체로서의 무작위 이종 고분자 생성은 생체 모방 재료 과학에서 중요한 진전을 나타냅니다. 단백질 공학, 고분자 화학 및 인공 지능의 통찰력을 결합함으로써 연구자들은 산업을 변화시키고 인간의 건강을 개선할 수 있는 잠재력을 가진 차세대 합성 촉매를 위한 길을 열고 있습니다.