연구진은 효소의 기능을 모방하는 무작위 이종 중합체(RHP)를 개발하여 단백질과 유사한 거동을 보이는 합성 물질을 만드는 데 중요한 진전을 이루었습니다. Nature에 발표된 이 연구 결과는 단일 용기 합성법을 통해 생성된 이러한 RHP가 분절 소수성과 같은 주요 단량체 함유 분절의 화학적 특성을 통계적으로 조절하여 단백질 활성 부위의 미세 환경을 복제할 수 있는 방법을 자세히 설명합니다.

이 연구는 재료 과학 분야의 오랜 과제인 합성 중합체를 사용하여 단백질의 복잡한 기능을 복제하는 문제를 해결합니다. 과학자들은 단백질의 1차, 2차 및 3차 구조를 모방하는 데 진전을 이루었지만 이러한 생체 분자에 내재된 기능적 이질성을 달성하는 것은 여전히 어려운 과제로 남아 있었습니다. 약 1,300개의 금속 단백질의 활성 부위 분석을 바탕으로 연구팀은 단백질에서 발견되는 기능적 잔기의 등가물로 주요 단량체를 사용하여 RHP를 설계했습니다.

연구 저자들은 "우리는 단백질의 골격 화학과 다른 중합체의 경우 분절 수준에서 측쇄의 공간적 및 시간적 투영을 프로그래밍하는 것이 단백질 거동을 복제하는 데 효과적일 수 있다고 제안합니다."라고 썼습니다. 그들은 또한 중합체의 회전 자유도를 활용하면 단량체 서열 특이성의 한계를 보완하여 앙상블 전체에서 보다 균일한 거동을 유도할 수 있다고 언급했습니다.

이 연구의 의미는 촉매 작용, 약물 전달 및 재료 과학을 포함한 다양한 분야로 확장됩니다. 효소 모방체는 산업 공정에서 천연 효소를 대체하여 더 큰 안정성과 조절 가능성을 제공할 수 있습니다. 약물 전달에서 이러한 RHP는 특정 조직이나 세포를 표적으로 삼아 치료제를 제어된 방식으로 방출하도록 설계할 수 있습니다. 또한 이 개발은 재료 설계에서 인공 지능(AI)의 역할이 증가하고 있음을 강조합니다. 연구자들은 방대한 단백질 구조 및 기능 데이터 세트를 분석하여 합성 재료에 통합할 주요 기능을 식별할 수 있습니다.

캘리포니아 대학교 버클리의 재료 과학자인 아냐 샤르마 박사는 "이 연구는 재료 발견을 가속화하는 AI의 힘을 보여줍니다."라고 말했습니다. "기계 학습 알고리즘을 활용하여 효소 모방체의 유망한 후보를 식별하고 성능을 최적화할 수 있습니다."

효소 모방체로서의 RHP 개발은 생체 모방 재료의 중요한 발전을 나타냅니다. 이러한 재료의 기능과 한계를 완전히 이해하려면 추가 연구가 필요하지만 초기 결과는 유망합니다. 향후 연구는 RHP의 촉매 효율성을 개선하고 다양한 분야에서 잠재적인 응용 분야를 탐색하는 데 중점을 둘 것입니다. 연구자들은 또한 향상된 기능을 갖춘 더욱 정교한 효소 모방체를 설계하기 위해 AI 사용을 조사할 계획입니다.