연구진은 Nature지에 발표된 연구에 따르면 효소를 모방하는 무작위 이종 중합체(RHP)를 개발하여 단백질과 유사한 기능을 가진 합성 물질에 대한 새로운 접근 방식을 제시했습니다. 약 1,300개의 금속 단백질의 활성 부위에서 영감을 얻은 연구팀은 원팟 합성법을 사용하여 이러한 RHP를 설계하여 효과적으로 효소 모방체를 만들었습니다.

이 연구는 단백질의 복잡한 기능을 합성적으로 복제하는 데 있어 오랜 과제를 해결합니다. 과학자들이 단백질의 1차, 2차 및 3차 구조를 모방하는 데 진전을 이루었지만, 기능에 중요한 화학적, 구조적 및 동적 이질성을 달성하는 것은 여전히 어려운 과제로 남아 있습니다. 연구진은 중합체 내 분절 수준에서 곁사슬의 공간적, 시간적 배열을 프로그래밍함으로써 단백질 행동을 복제할 수 있다고 제안합니다. 또한 중합체의 회전 자유도가 단량체 서열 특이성의 한계를 보완하여 앙상블 전체에서 일관된 행동을 유도할 수 있다고 제시합니다.

연구진은 단백질에서 발견되는 기능성 잔기와 동등한 역할을 하는 핵심 단량체를 RHP에 도입했습니다. 그들은 이러한 핵심 단량체를 포함하는 분절의 화학적 특성(분절 소수성 포함)을 통계적으로 조절하여 유사 활성 부위를 만들었습니다. 이러한 부위는 핵심 단량체에 단백질에서 발견되는 것과 유사한 미세 환경을 제공합니다.

[가상 이름] 박사([가상 대학] 재료 과학과 교수이자 이 연구의 주 저자)는 "우리는 본질적으로 이러한 중합체 내에서 효소 활성 부위의 단순화된 버전을 만들고 있습니다."라고 설명했습니다. "이를 통해 자연 효소의 정확하고 복잡한 구조 없이도 촉매 활성을 달성할 수 있습니다."

이 연구의 의미는 촉매 작용, 약물 전달 및 재료 과학을 포함한 다양한 분야에서 중요합니다. 효소 모방체는 산업 공정에서 천연 효소를 대체하여 더 큰 안정성과 조절 가능성을 제공할 수 있습니다. 약물 전달에서 이러한 중합체는 특정 세포 또는 조직을 표적으로 삼아 제어된 방식으로 약물을 방출하도록 설계할 수 있습니다.

이러한 RHP의 개발은 중합체 화학 및 전산 분석의 발전에 의존합니다. AI는 금속 단백질의 활성 부위를 분석하고 RHP 설계에 통합된 주요 특징을 식별하는 데 중요한 역할을 했습니다. 기계 학습 알고리즘은 중합체의 조성과 구조를 최적화하여 원하는 촉매 활성을 나타내도록 하는 데 사용되었습니다.

이 연구에 참여하지 않은 전산 화학자인 [가상 이름] 박사는 "AI는 재료 과학에서 없어서는 안 될 도구가 되고 있습니다."라고 말했습니다. "이를 통해 광대한 화학 공간을 탐색하고 특정 기능을 가진 새로운 재료에 대한 유망한 후보를 식별할 수 있습니다."

연구의 현재 상태는 RHP의 추가 최적화와 잠재적 응용 분야 탐색을 포함합니다. 연구진은 또한 이러한 중합체를 더 큰 규모로 합성하기 위한 새로운 방법 개발에 주력하고 있습니다. 향후 개발에는 훨씬 더 복잡한 기능을 가진 RHP 생성이 포함될 수 있으며, 이는 자연 대응 물질보다 성능이 뛰어난 인공 효소 개발로 이어질 수 있습니다.