연구진은 효소의 기능을 모방하는 합성 고분자를 개발하여 산업 촉매 작용과 신약 개발에 혁신을 가져올 가능성을 제시했습니다. Nature에 발표된 이 연구는 무작위 이종 고분자(RHP)가 금속 단백질의 활성 부위를 복제하도록 설계되어 원팟 합성(one-pot synthesis)을 통해 단백질과 유사한 미세 환경을 구현하는 방법을 자세히 설명합니다.

약 1,300개의 금속 단백질 활성 부위 분석을 바탕으로 연구팀은 분절 소수성을 포함하여 RHP 내 주요 단량체 함유 분절의 화학적 특성을 통계적으로 조절하는 데 집중했습니다. 이러한 접근 방식을 통해 효소 기능을 수행할 수 있는 유사 활성 부위를 만들 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.

이 연구의 중요성은 합성 물질 설계의 한계를 극복하는 데 있습니다. 단백질의 복잡한 계층적 구조를 복제하는 것이 오랜 목표였지만, 기능적 등가성을 달성하는 것은 어려웠습니다. 연구진은 단량체 서열 특이성의 결함을 보완하기 위해 고분자의 회전 자유도를 활용하여 앙상블 수준에서 균일한 거동을 얻었습니다.

효소 모방 RHP의 의미는 광범위합니다. 기존 효소는 생산 비용이 비싸고 환경 조건에 민감한 경우가 많습니다. 이러한 합성 모방체는 다양한 응용 분야에서 잠재적으로 더 강력하고 비용 효율적인 대안을 제공합니다. 이 연구는 "결과적으로 생성된 RHP는 주요 단량체에 단백질과 유사한 미세 환경을 제공하는 유사 활성 부위를 형성합니다."라고 언급하며 천연 효소의 기능적 측면을 복제하는 데 달성한 정밀도를 강조했습니다.

AI는 특히 금속 단백질 활성 부위의 방대한 데이터 세트를 분석하는 데 중요한 역할을 했습니다. 머신 러닝 알고리즘은 효소 활성에 기여하는 주요 구조적, 화학적 특징을 식별하는 데 사용되었습니다. 이러한 데이터 기반 접근 방식을 통해 연구진은 촉매 특성이 향상된 RHP를 합리적으로 설계할 수 있었습니다. 재료 과학 분야에서 AI의 사용은 맞춤형 기능을 갖춘 새로운 재료의 발견을 가속화하는 추세입니다.

앞으로 연구진은 RHP 설계를 더욱 최적화하고 다양한 촉매 반응에서의 응용을 탐색할 계획입니다. 이러한 효소 모방체의 개발은 생물학적 시스템의 복잡성과 기능을 갖춘 인공 시스템을 만드는 데 중요한 진전을 나타냅니다. 이는 지속 가능한 화학, 맞춤형 의학 및 환경 정화와 같은 분야에서 획기적인 발전을 가져올 수 있습니다.