연구진은 효소의 기능을 모방하는 무작위 이종 중합체(RHP)를 개발하여 단백질과 유사한 거동을 보이는 합성 물질을 만드는 새로운 접근 방식을 제시했습니다. Nature에 발표된 이 연구는 약 1,300개의 금속 단백질의 활성 부위에서 얻은 통찰력을 사용하여 이러한 RHP가 어떻게 설계되었는지 자세히 설명합니다.

연구팀은 단백질과는 다른 골격 화학적 특성을 가진 중합체의 분절 수준에서 곁사슬의 공간적, 시간적 배열을 프로그래밍하는 데 집중했습니다. 이 전략을 통해 중합체는 단백질 거동을 효과적으로 복제할 수 있습니다. 연구진은 중합체에 내재된 회전 자유도를 활용하여 단량체 서열 특이성의 한계를 극복하고 전체 분자 앙상블에서 균일한 거동을 달성하고자 했습니다.

연구진은 논문에서 "우리는 핵심 단량체를 단백질의 기능적 잔기와 동등한 것으로 도입하고 분절 소수성과 같은 핵심 단량체 함유 분절의 화학적 특성을 통계적으로 조절합니다."라고 밝혔습니다. 그 결과 RHP는 유사 활성 부위를 형성하여 핵심 단량체에 단백질과 유사한 미세 환경을 제공합니다.

이러한 효소 모방체의 개발은 생체 모방 물질의 중요한 진전을 의미합니다. 단백질 기능을 복제하려는 기존의 접근 방식은 종종 단백질의 1차, 2차 및 3차 구조를 모방하는 데 중점을 두었습니다. 그러나 단백질 기능에 중요한 화학적, 구조적, 동적 이질성을 달성하는 것은 여전히 과제로 남아 있었습니다. 이 새로운 접근 방식은 중합체 구조 내에서 핵심 단량체의 통계적 조절에 초점을 맞춤으로써 이러한 문제 중 일부를 우회합니다.

이 연구의 의미는 촉매 작용, 약물 전달 및 재료 과학을 포함한 다양한 분야로 확장됩니다. 효소 모방체는 산업 공정에서 천연 효소를 대체하여 더 큰 안정성과 낮은 생산 비용을 제공할 수 있습니다. 약물 전달에서 이러한 중합체는 특정 세포 또는 조직을 표적으로 삼아 치료제의 효능을 향상시키도록 설계될 수 있습니다.

인공 지능(AI)의 사용은 이러한 RHP의 설계를 안내하는 데 중요한 역할을 했습니다. 연구진은 대규모 금속 단백질 데이터 세트의 활성 부위를 분석하여 효소 기능에 기여하는 주요 구조적 및 화학적 특징을 식별할 수 있었습니다. 이러한 데이터 기반 접근 방식을 통해 특정 촉매 특성을 가진 중합체를 합리적으로 설계할 수 있었습니다.

"원-팟 합성"의 개념 또한 이 개발의 중심이며, 원하는 제품을 형성하기 위해 필요한 모든 구성 요소를 단일 반응 용기에서 결합하는 전략을 의미합니다. 이는 제조 공정을 단순화하고 여러 정제 단계의 필요성을 줄입니다.

앞으로 연구진은 이러한 RHP의 설계를 더욱 개선하고 다양한 분야에서 잠재적인 응용 분야를 탐색할 계획입니다. 향후 연구는 이러한 효소 모방체의 촉매 효율성을 개선하고 기질 범위를 확장하는 데 중점을 둘 것입니다. 연구팀은 또한 중합체 구조 내에서 단량체의 공간적 배열을 제어하는 새로운 방법을 개발하는 것을 목표로 하고 있으며, 이는 훨씬 더 정교하고 기능적인 물질로 이어질 수 있습니다.