Prospective discovery of LasB inhibitors by integrating generative design, free energy ranking, and experimental validation
본 연구는 생성적 분자 설계와 엄격한 자유 에너지 계산을 통합하여 녹농균(Pseudomonas aeruginosa)의 독성 인자인 LasB에 대한 강력하고 안정적인 나노몰 농도의 억제제 3종을 성공적으로 식별한 완전한 오픈 소스 계산-실험 워크플로우를 제시하며, 이는 초기 단계 신약 개발을 가속화하기 위한 확장 가능한 프레임워크를 입증한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
새로운 약을 찾는 것은 수십억 개의 자물쇠가 들어 있는 도서관에서 단 하나의 특정한 열쇠를 찾는 것과 같습니다. 이 과정은 느리고, 비용이 많이 들며, 종종 좌절감을 안겨주는데, 이는 화학자들이 어떤 분자가 실제로 맞는지 확인하기 위해 수백만 개의 잠재적 후보군을 직접 만들고 테스트해야 하기 때문입니다. 수십 년 동안 과학자들은 컴퓨터를 사용하여 원자가 실제로 조립되기 전에 어떤 분자가 효과가 있을지 예측함으로써 이 과정을 가속화하려고 노력해 왔습니다. 그러나 이러한 컴퓨터 예측은 종종 스스로 신뢰하기에는 너무 거칠어서, 연구자들이 결국 쓸모없는 것으로 판명된 화합물을 합성하는 데 시간을 낭비하게 만들었습니다. 과제는 방대한 새로운 화학적 영역을 탐색할 수 있을 만큼 빠르면서도, 진정한 승자와 아까운 실패작을 구별할 수 있을 만큼 정밀한 시스템을 만드는 것이었습니다.
최근 한 연구에서 연구진은 이 문제를 해결하기 위해 두 가지 강력한 컴퓨터 기술을 결과적으로 결합하여, 디지털 상상의 단계에서 물리적 현실의 단계로 놀라운 효율성을 가지고 이동하는 워크플로우를 만들어내는 데 성공했습니다. 그들은 심각한 병원 내 감염의 흔한 원인이자 기존 항생제로는 치료가 점점 더 어려워지고 있는 위험한 박테리아인 녹농균(Pseudomonas aeruginosa)에 집중했습니다. 이 박테리아는 LasB라고 알려진 분자 기계인 특정 단백질에 의존하여 인간 조직을 분해하고 감염을 확산시킵니다. 이 단백질은 박테리아 세포 외부로 분비되기 때문에, 박테리아의 단단한 외피 안에 숨겨진 표적보다 약물로 접근하기가 더 쉽습니다. 목표는 이 단백질에 결합하여 기능을 멈추게 함으로써 박테리아를 직접 죽이지 않고도 효과적으로 무력화하는 새로운 분자를 설계하는 것이었으며, 이는 박테리아가 내성을 발달시킬 가능성을 줄일 수 있는 전략입니다.
연구팀은 이미 LasB 단백질에 결합하는 능력을 어느 정도 보여주었지만 완벽하지는 않았던 세 가지 알려진 분자로부터 시작했습니다. 새로운 분자 구조를 생성하도록 설계된 컴퓨터 프로그램을 사용하여, 그들은 이 세 가지 씨앗을 바탕으로 소프트웨어에 수천 가지의 변형을 상상하도록 요청했습니다. 프로그램은 단순히 원자를 무작위로 섞는 것이 아니라, 효과적인 약물이 될 가능성이 높고 실험실에서 만들기 쉬운 분자를 선호하는 규칙에 따라 유도되었습니다. 여러 차례의 디지털 진화 과정을 거치면서, 소프트웨어는 거의 40,000개의 독특한 후보 분자를 생성했습니다. 이 방대한 디지털 라이브러리로부터 연구진은 모양과 화학적 특성을 기준으로 가장 유망해 보이는 50개의 다양한 화합물 그룹을 선정했습니다.
이 50개의 후보가 실제로 제작할 가치가 있는지 확인하기 위해, 팀은 두 번째의 더 엄격한 컴퓨터 테스트를 적용했습니다. 이 단계는 약물 후보와 단백질 사이의 물리적 힘을 극도로 정밀하게 시뮬레이션하여, 그들이 서로 얼마나 단단하게 붙잡고 있을지를 정확히 계산하는 과정을 포함했습니다. 자유 에너지 계산(free energy calculation)이라고 알려진 이 방법은 계산 비용이 많이 들지만 표준 스크리닝 방식보다 훨씬 더 정확합니다. 이 시뮬레이션 결과 덕분에 팀은 50개의 후보를 순위 매기고 물리적으로 합성할 가장 좋은 것들을 고를 수 있었습니다. 그들은 이 상위 순위의 분자 중 6개를 실험실에서 실제로 만들고 박테리아 단백질에 대해 테스트했습니다.
결과는 이 통합적 접근 방식의 명백한 성공이었습니다. 새로 만들어진 세 개의 분자는 매우 높은 효율로 박테리아 단백질을 억제하는 강력한 억제제임이 입증되었으며, 농도는 22에서 53 나노몰라(nM) 수준에 불과했습니다. 이 화합물들은 강력할 뿐만 아니라 혈액 및 대사 테스트에서도 우수한 안정성을 보여주었는데, 이는 체내에서 제 역할을 할 수 있을 만큼 충분히 오래 생존할 가능성이 높음을 의미합니다. 이 새로운 약물들이 접시 위에서의 인체 세포에 대해 일부 독성을 보였으나, 박테리아 단백질을 표적으로 하는 강력한 능력은 향후 개발을 위한 실행 가능한 경로를 시사합니다. 이 연구는 생성적 설계(새로운 아이디어를 창조함)와 물리 기반의 엄격한 순위 매기기(높은 정밀도로 아이디어를 테스트함)를 연결함으로써, 과학자들이 화학적 가능성의 거대한 바다를 항해하며 길을 잃지 않고 귀중한 보물을 찾을 수 있음을 보여줍니다.
연구진은 또한 그들의 방법론의 한계에 대한 중요한 교훈을 얻었습니다. 그들은 컴퓨터 예측이 어떤 분자가 다른 분자보다 더 나은지를 순위를 매기는 데는 탁와 있었지만, 결합이 얼마나 강할지에 대해서는 때때로 과대평가한다는 것을 발견했습니다. 이러한 불일치는 컴퓨터가 상세한 시뮬레이션을 실행하기 전에 새로운 분자의 초기 위치를 추측해야 했기 때문에 발생했을 가능성이 크며, 그 추측에서의 작은 오류가 최종 계산을 망칠 수 있기 때문입니다. 그럼에도 불구하고, 이 시스템은 수천 개의 풀에서 세 개의 완전히 새로운 고효율 억제제를 식별해 낼 만큼 충분히 잘 작동했으며, 이는 디지털 우선 전략이 전통적인 시행착오 방식보다 실험 작업을 더 효과적으로 안내할 수 있음을 증명했습니다. 이 연구는 이 접근 방식이 다른 과학자들이 유사한 과제를 해결하는 데 사용할 수 있는 확장 가능하고 오픈 소스적인 프레임워크를 제공하며, 잠재적으로 다른 까다로운 질병에 대한 의약품 발견을 가속화할 수 있다고 결론지었습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.