Binding Paths: Describing Small Molecule Interactions with Disordered Proteins via a Markov State Model

미끄러운 형태 변화를 일으키는 해파리를 그물로 잡으려는 상황을 상상해 보십시오. 그것은 대략적으로 약물 설계자들이 '무질서한 단백질(disordered proteins)'을 표적으로 삼으려 할 때 직면하는 상황과 비슷합니다. 대부분의 단백질이 특정 구멍(포켓)이 있는 단단하고 고정된 열쇠와 같은 것과 달리, 무질서한 단백질은 흐느적거리고 끊임없이 모양이 변하며 고정된 구조가 없습니다. 고정된 '구멍'이 없기 때문에 과학자들은 이들에게 달라붙는 약물을 설계하는 데 어려움을 겪어 왔습니다.

이 논문은 작은 약물 분자가 어떻게 이 꿈틀거리는 단백질을 붙잡는지 이해하는 새로운 방법을 소개합니다. 연구진은 정적인 구멍을 찾는 대신, 약물이 거치는 여정에 주목했습니다.

"하이킹 경로" 비유
무질서한 단백질을 고정된 물체가 아니라, 지형이 끊임없이 변하는 광활하고 안개 낀 풍경으로 생각하십시오. 약물 분자는 이 풍경을 가로지르려는 등산객과 같습니다. 등산객은 목적지로 바로 뛰어드는 것이 아니라, 이곳저곳을 헤매며 다양한 가능한 경로를 택합니다. 그 과정에서 잠시 이곳의 바위를 붙잡았다가, 저곳의 덤불을, 그다음엔 나뭇가지를 붙잡는 식으로 이동한 뒤 마침내 자리를 잡게 됩니다.

연구진은 이러한 방황하는 경로를 **"결합 경로(binding paths)"**라고 부릅니다. 단백질이 무질서하고 경로가 무작위적일지라도, 약물 분자는 단백질의 구성 요소인 아미노산의 다양한 그룹들과 미세하고 일시적인 연결을 만들고 끊으며 표면을 확산하는 과정에서 실제로 특정한 규칙을 따르고 있습니다.

"지도와 나침반" (마르코프 상태 모델, MSM)
이 혼란스러운 방황을 이해하기 위해, 과학자들은 **마르코프 상태 모델(Markov State Model, MSM)**이라는 디지털 지도를 구축했습니다.

• 지도: 등산객의 여정을 뚜렷한 "체크포인트" 또는 "상태"로 나누는 것을 상상해 보십시오. 지형이 변하더라도, 이 모델은 약물이 멈추는 가장 흔한 장소와 한 지점에서 다음 지점으로 이동할 확률을 식별합니다.
• 나침반: 이 모델은 확률을 계산하는 나침반 역할을 합니다. 어떤 경로가 가장 인기가 있는지, 그리고 약물이 방문할 가능성이 가장 높은 단백질 상의 "핫스팟"이 어디인지를 알려줍니다.

여정의 시각화
이 복잡한 데이터를 쉽게 이해하기 위해, 연구진은 이 지도를 **지식 그래프(knowledge graph)**로 변환했습니다. 이것을 지하철 노선도라고 생각하십시오. 단백질의 물리적 형태를 보여주는 대신, 약물이 멈추는 "역"(station)과 그곳에 도달하기 위해 약물이 이동하는 "노선"(line)을 보여줍니다. 이를 통해 약물이 무질서함을 어떻게 헤쳐 나가는지에 대한 명확한 그림을 얻을 수 있습니다.

이론 검증
연구팀은 이 방법을 단 하나의 사례에만 적용한 것이 아닙니다. 그들은 다음과 같은 사례들에 적용하여 방법론의 유효성을 입증했습니다.

1. 알츠하이머와 연관된 단백질인 A{beta}42와 약물 10074-G5의 상호작용.
2. 파킨슨병과 연관된 {alpha}-synuclein과 세 가지 다른 약물의 상호작용.
3. 약물 fasudil과 상호작용하는 긴 140개 잔기(residue)의 펩타이드.

핵심 결론
주요 결론은 관점의 전환입니다. 이전에는 약물을 설계하기 위해 단단하고 변하지 않는 "포켓"이 필요하다고 생각했습니다. 하지만 이 논문은 흐물거리는 무질서한 단백질의 경우, "포켓"은 사실 **역동적인 경로(dynamic path)**라고 주장합니다. 이러한 방황하는 경로를 지도화함으로써, 우리는 이 혼란스러운 단백질 중 실제로 "약물 투여가 가능한(druggable, 약물로 표적화할 수 있는)" 부분이 어디인지 식별할 수 있으며, 한때 치료가 불가능하다고 여겨졌던 시스템을 미래의 약물 설계가 가능한 표적으로 바꿀 수 있습니다.