연구진은 효소를 모방하는 무작위 이종 중합체(RHP)를 개발하여 산업 촉매 작용 및 약물 개발에 혁신을 가져올 가능성을 제시했습니다. Nature에 발표된 이 연구는 단일 용기 합성법을 통해 생성된 이러한 합성 중합체가 핵심 단량체를 전략적으로 배치하여 유사 활성 부위를 형성함으로써 단백질의 기능을 복제할 수 있는 방법을 자세히 설명합니다.

약 1,300개의 금속 단백질의 활성 부위 분석에서 영감을 얻은 연구팀은 분절 소수성과 같은 핵심 단량체를 포함하는 분절의 화학적 특성을 통계적으로 조절하도록 RHP를 설계했습니다. 이 접근 방식을 통해 RHP는 이러한 단량체에 단백질과 유사한 미세 환경을 제공하여 효소 모방체로서 기능할 수 있도록 합니다. 저자들은 논문에서 "단백질과 다른 골격 화학 구조를 가진 중합체의 경우, 분절 수준에서 곁사슬의 공간적 및 시간적 투영을 프로그래밍하는 것이 단백질 행동을 복제하는 데 효과적일 수 있다고 제안합니다."라고 밝혔습니다.

이러한 효소 모방체의 생성은 합성 화학에서 오랫동안 해결되지 않았던 과제, 즉 비단백질 재료를 사용하여 단백질의 복잡한 기능을 복제하는 문제를 해결합니다. 과학자들은 단백질 구조의 일부 측면을 성공적으로 복제했지만, 단백질의 고유한 이질성으로 인해 기능적 유사성을 달성하는 것은 여전히 어려운 과제로 남아 있었습니다. 연구진은 중합체의 회전 자유도를 활용하여 단량체 서열 특이성의 한계를 극복하고 앙상블 수준에서 균일한 거동을 달성할 수 있다고 믿습니다.

이 연구의 의미는 광범위합니다. 기존의 효소 생산은 종종 생물학적 시스템에 의존하는데, 이는 비용이 많이 들고 규모를 확장하기 어려울 수 있습니다. 반면에 RHP는 실험실에서 합성할 수 있어 잠재적으로 더 효율적이고 비용 효율적인 대안을 제공합니다. 이는 효소가 화학 반응 속도를 높이는 데 사용되는 산업 촉매 작용과 효소가 약물 설계 및 전달에 중요한 역할을 하는 약물 개발을 포함한 다양한 분야에서 발전을 가져올 수 있습니다.

RHP의 개발은 또한 재료 과학에서 인공 지능(AI)의 역할이 커지고 있음을 강조합니다. AI 알고리즘은 방대한 단백질 구조 및 기능 데이터 세트를 분석하여 합성 재료에서 복제할 수 있는 주요 특징을 식별할 수 있습니다. 이러한 데이터 기반 접근 방식은 발견 프로세스를 가속화하고 연구자가 특정 속성 및 기능을 가진 재료를 설계할 수 있도록 합니다.

앞으로 연구진은 RHP 설계를 더욱 최적화하고 다양한 산업 분야에서 잠재적인 응용 분야를 탐색할 계획입니다. 또한 이러한 재료의 설계 및 합성을 지원하기 위해 새로운 AI 도구를 개발하는 것을 목표로 하고 있습니다. 궁극적인 목표는 광범위한 응용 분야에서 천연 효소를 대체하거나 보완하는 데 사용할 수 있는 RHP 라이브러리를 만드는 것입니다.