MPNN-guided redesign of PET hydrolases with enhanced catalytic activity below the PET glass transition temperature

⚕️

이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

Each language version is independently generated for its own context, not a direct translation.

이 연구는 플라스틱 병을 먹어치우는 '미생물 요리사'를 인공지능으로 개조하여, 더 낮은 온도에서도 잘 일하게 만든 이야기입니다.

자, 이 복잡한 과학 논문을 우리 일상생활에 비유해서 쉽게 설명해 드릴게요.

1. 문제 상황: "열만 받으면 녹는 플라스틱"

우리가 매일 쓰는 페트병 (PET) 은 사실 매우 단단한 플라스틱입니다. 이걸 분해하려면 보통 70~80 도의 뜨거운 물이 필요합니다. 마치 단단한 초콜릿을 녹이려면 뜨거운 물이 필요한 것과 비슷하죠.

기존에 발견된 'PHL7'이라는 효소 (플라스틱을 먹는 미생물 요리사) 는 이 뜨거운 물 (70 도) 에서 아주 잘 일했습니다. 하지만 두 가지 치명적인 문제가 있었습니다.

생산 비용이 비쌉니다: 이 요리사를 대량으로 키우기가 매우 어렵고 비쌉니다.
에너지 낭비: 70 도까지 물을 데우는 데 엄청난 전기세가 듭니다.

2. 해결책: "AI 요리사 훈련 (MPNN)"

연구팀은 "이 요리사를 더 잘 일하게 만들고, 낮은 온도 (50 도) 에서도 잘 먹게 만들자"고 생각했습니다. 그래서 인공지능 (ProteinMPNN) 을 활용했습니다.

비유: 마치 유명한 셰프 (PHL7) 의 레시피를 AI 가 분석해서, "이 재료를 조금만 바꾸면 더 맛있게, 더 저렴하게 만들 수 있어!"라고 제안하는 것과 같습니다.
AI 는 PHL7 의 구조를 분석하고, 36 가지의 새로운 '레시피 (변이체)'를 만들어냈습니다.

3. 실험 결과: "예상치 못한 대박!"

연구팀은 36 가지 새로운 요리사들을 실험해 보았습니다. 결과는 놀라웠습니다.

생산성 대폭 향상: 기존 요리사보다 최대 120 배 더 많이 키울 수 있게 되었습니다. (비용 절감!)
온도 역전 현상: 원래는 뜨거운 곳에서만 일하던 요리사들이, 50 도 (따뜻한 물) 에서도 기존보다 훨씬 잘 일했습니다.
- 핵심 성과: 새로운 'D5'라는 요리사는 50 도에서 24 시간 일한 결과가, 기존 요리사가 70 도에서 24 시간 일한 결과와 똑같았습니다.
- 에너지 절약: 물을 덜 데우면서도 같은 일을 해낸 셈입니다.

4. 왜 이런 일이 일어났을까? (비밀은 '유연성'에 있었다)

과학자들은 "왜 온도가 낮아졌는데 더 잘 먹지?"라고 궁금해했고, 컴퓨터 시뮬레이션으로 그 이유를 찾아냈습니다.

비유: 기존 요리사 (PHL7) 는 몸이 너무 뻣뻣해서 뜨거운 물 (70 도) 에서만 팔을 잘 움직일 수 있었습니다. 하지만 새로운 요리사 (D5) 는 몸이 조금 더 유연해졌습니다.
유연한 손: 낮은 온도에서도 플라스틱 (PET) 을 잡는 '손 (활성 부위)'이 더 자유롭게 움직여서, 딱딱한 플라스틱을 잘 뜯어낼 수 있게 된 것입니다.
대신 약점: 몸이 유연해지니 뜨거운 물 (70 도 이상) 에서는 오히려 녹아내리거나 (변성) 일을 못 하게 되었습니다. 하지만 우리가 원하는 건 '뜨거운 물'이 아니라 '따뜻한 물'에서의 효율이니까, 이 약점은 큰 문제가 되지 않습니다.

5. 더 중요한 발견: "다시 쓸 수 있는 원료"

이 요리사들이 플라스틱을 분해할 때 나오는 부산물이 재미있습니다.

기존 방식: 플라스틱을 완전히 분해해서 '산 (TPA)'과 '알코올 (EG)'로 만듭니다.
새로운 방식 (D5): MHET이라는 중간 물질을 더 많이 만들어냅니다.
의미: 이 MHET 는 플라스틱을 다시 만드는 데 더 쉽고 효율적인 원료입니다. 마치 플라스틱 병을 분해해서 바로 새 병을 만들 수 있는 '초간단 키트'를 얻은 것과 같습니다.

요약: 이 연구가 우리에게 주는 메시지

이 연구는 **"인공지능으로 효소를 설계하면, 에너지를 아끼면서도 플라스틱을 더 효율적으로 재활용할 수 있다"**는 것을 증명했습니다.

에너지 절약: 물을 덜 데워도 됩니다.
비용 절감: 효소를 더 많이, 더 싸게 만들 수 있습니다.
순환 경제: 분해된 플라스틱을 다시 새 플라스틱으로 만드는 과정이 훨씬 수월해집니다.

결국, 이 기술은 우리가 버린 플라스틱 병이 다시 새 병이 되어 돌아오는 **'완벽한 원형 경제 (Circular Economy)'**를 실현하는 데 중요한 첫걸음이 될 것입니다.

Each language version is independently generated for its own context, not a direct translation.

1. 문제 제기 (Problem)

플라스틱 오염 및 재활용의 한계: 폴리에틸렌 테레프탈레이트 (PET) 는 전 세계적으로 가장 많이 사용되는 플라스틱 중 하나이지만, 환경 오염의 주요 원인입니다. 기존의 기계적 재활용은 품질 저하가 심하고, 화학적 재활용은 고에너지가 필요합니다.
효소적 분해의 병목 현상: PET 가수분해 효소 (PETase) 는 온화한 조건에서 PET 를 분해할 수 있는 유망한 대안이지만, 산업적 적용에는 다음과 같은 한계가 있습니다.
- 낮은 발현량: 재조합 발현 시 단백질 수율이 낮아 생산 비용이 높음.
- 열 안정성 부족: 많은 천연 효소는 PET 의 유리 전이 온도 ( $T_g$ , 약 70°C) 이상에서 활성을 잃거나 변성됨.
- 낮은 온도에서의 비활성: PET 가 고체 상태인 낮은 온도 (60°C 미만) 에서 분해 속도가 매우 느림.
PHL7 의 한계: 최근 발견된 Polyester Hydrolase Leipzig 7 (PHL7) 은 70°C 근처에서 PET 를 빠르게 분해하지만, 60°C 이상에서 불활성화되며 발현 수율이 낮아 실용화에 제약이 있습니다.

2. 방법론 (Methodology)

연구팀은 역접합 (Inverse Folding) 모델인 ProteinMPNN 과 LigandMPNN 을 활용하여 PHL7 의 아미노산 서열을 재설계했습니다.

설계 전략:
- 입력 구조: TPA(테레프탈산) 가 결합된 PHL7 의 결정 구조 (PDB ID: 8BRB) 사용.
- 고정된 잔기 (Fixed Residues):
  - 활성 부위 (리간드로부터 6 Å 이내) 의 잔기.
  - 진화적 정보 (Multiple Sequence Alignments, MSA) 를 기반으로 보존도가 높은 잔기 (30%, 50%, 70% 컷오프).
- 생성 및 필터링: ProteinMPNN 과 LigandMPNN 을 통해 1,176 개의 서열 생성. ESMFold 를 이용한 구조 예측, pLDDT (>85), Cα-RMSD (<1.5 Å), Rosetta 에너지 최소화 ( $\Delta$ Energy < -200 kcal/mol) 등을 통해 필터링.
- 클러스터링: Levenshtein 거리 행렬을 사용하여 36 개의 대표 변이체 선정.
실험적 검증:
- 발현 및 정제: $E. coli$에서 고처리량 (High-throughput) 및 대량 (1L) 배양을 통해 정제.
- 물성 분석: 원형 이색성 (CD) 을 통한 2 차 구조 확인, 차분 스캐닝 형광법 (DSF) 을 통한 녹는점 ( $T_m$ ) 측정.
- 활성 평가:
  - PCL 나노입자 분해: 다양한 온도 (25~70°C) 에서의 최적 온도 및 동역학 파라미터 ( $k_{cat}$ , $K_M$ ) 측정.
  - PET 마이크로입자 (microPET) 분해: 24 시간 배양 후 HPLC 를 통해 분해 생성물 (TPA, MHET, BHET) 정량.
- 분자 동역학 (MD) 시뮬레이션: 50, 60, 70°C 에서의 활성 부위 유연성 (RMSF) 분석.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 발현 수율의 극적인 향상

36 개의 설계 변이체 중 31 개가 성공적으로 정제되었으며, 대부분의 변이체가 PHL7 보다 높은 발현 수율을 보였습니다.
특히 D5와 D11 변이체는 미소 규모 정제에서 PHL7 대비 28 배와 66 배, 대량 정제 (1L) 에서 7 배와 13 배의 수율 향상을 보였습니다.

B. 낮은 온도에서의 향상된 촉매 활성 (Activity-Stability Trade-off)

열 안정성 감소: 설계된 변이체들은 PHL7 보다 $T_m$ 이 약 10~16°C 낮아졌습니다 (PHL7: ~82.6°C, D5: ~72.8°C, D11: ~70.7°C).
저온 활성 획득: 열 안정성은 낮아졌으나, 50~60°C 구간에서 PHL7 보다 우수한 PET 분해 능력을 보였습니다.
- D5 변이체: 50°C 에서 24 시간 반응 시, PHL7 이 70°C 에서 달성한 것과 동일한 생성물 수율을 기록했습니다.
- 생성물 프로파일: D5 와 D11 은 낮은 온도에서 테레프탈산 (TPA) 보다 단일 (2-하이드록시에틸) 테레프탈레이트 (MHET) 생성을 선호했습니다. MHET 는 직접 중합을 통해 원료 수준의 PET 를 재생성하는 데 더 효율적인 전구체입니다.

C. 동역학 및 메커니즘 규명

동역학: PCL 나노입자 분해 실험에서 PHL7 은 50°C 에서 초기 반응 속도가 빠르지만 시간이 지남에 따라 불활성화되는 반면, D5 와 D11 은 초기 속도는 느리지만 장시간 반응 동안 활성을 유지하여 총 분해량이 더 많았습니다.
분자 동역학 (MD) 분석: D5 와 D11 의 활성 부위 루프 (W-loop, D-loop) 에서 **국부적 유연성 (Local Flexibility)**이 증가한 것이 확인되었습니다.
- 이 유연성 증가는 낮은 온도에서 기질 (PET) 결합 및 촉매 반응을 용이하게 하지만, 고온에서는 부분적 변성을 유발하여 열 안정성을 낮추는 원인이 되었습니다.
- 이는 "저온 활성을 위한 유연성 증가"와 "고온 안정성을 위한 강성 유지" 사이의 균형 (Trade-off) 을 성공적으로 조절했음을 시사합니다.

4. 의의 및 결론 (Significance)

계산적 효소 설계의 성공 사례: ProteinMPNN 과 LigandMPNN 을 결합하여, 기존에 알려지지 않은 서열 공간에서 낮은 온도에서 활성이 높은 PET 분해 효소를 성공적으로 설계했습니다.
에너지 효율적인 재활용 공정: PET 분해를 70°C 이상에서 50°C 로 낮출 수 있어, 산업적 공정에서의 에너지 비용 절감과 증발 손실 감소가 가능해집니다.
순환 경제 (Circular Economy) 의 새로운 경로: MHET 생성을 촉진하여, TPA 와 에틸렌 글리콜 (EG) 로 분해 후 재중합하는 기존 방식보다 효율적인 MHET 기반 직접 중합 (Direct Repolymerization) 경로를 가능하게 합니다.
전체 세포 촉매 (Whole-cell Biocatalysis) 적용 가능성: 50°C 에서의 높은 활성은 중온성 호스트 (Moderately thermophilic hosts) 를 이용한 전체 세포 기반 생촉매 시스템과의 호환성을 높여줍니다.

요약하자면, 이 연구는 열 안정성을 일부 희생하더라도 낮은 온도에서의 촉매 활성과 발현 수율을 극대화한 PHL7 변이체 (D5, D11) 를 개발함으로써, PET 플라스틱의 경제적이며 환경 친화적인 생분해 및 재활용 기술의 실용화를 한 단계 앞당겼다는 점에서 중요한 의미를 가집니다.