← 최신 논문
💻 생물정보학

Rapid generation of antibody conformational ensembles using machine learning

이 논문은 정적인 구조 예측의 한계를 극복하기 위해 서열로부터 다양한 항체 컨포메이션 앙상블을 신속하게 생성하는 머신러닝 프레임워크인 Cadense를 소개하며, 이를 통해 더욱 정확한 항체-항원 상호작용 모델링을 가능하게 하고 신약 설계를 가속화한다.

원저자: Rao, P. V., Sommer, D., Davidson, D., Alberstein, R. G., Ludwiczak, J., Kleinhenz, J., Vani, B., Park, E., Lee, J. H., Izadi, S., Kiefer, J. R., Bonneau, R., Mahajan, S. P., Watkins, A. M., Dreyer, F.
게시일 2026-11-09
📖 4 분 읽기☕ 가벼운 읽기

원저자: Rao, P. V., Sommer, D., Davidson, D., Alberstein, R. G., Ludwiczak, J., Kleinhenz, J., Vani, B., Park, E., Lee, J. H., Izadi, S., Kiefer, J. R., Bonneau, R., Mahajan, S. P., Watkins, A. M., Dreyer, F. A.

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

단백질은 생명의 일꾼으로, 감염과 싸우거나 산소를 운반하는 것과 같은 과업을 수행하기 위해 특정한 모양으로 접히는 아주 작은 기계입니다. 수십 년 동안 과학자들은 단백질의 형태를 보기 위해 단백질을 결정(crystal) 상태로 얼려 사진을 찍는 X선 결정학이라는 방법에 의존해 왔습니다. 문제는 이 사진이 정적이라는 점입니다. 이는 마치 달리는 선수가 달리는 도중의 모습을 포착한 사진처럼, 단백질의 특정 순간만을 얼어붙은 채로 포착합니다. 실제로 단백질은 역동적이며, 끊임없이 꿈틀거리고 다양한 형태 사이를 움직입니다. 이러한 움직임은 특히 면역 체계의 방어자인 항체에 있어 매우 중요합니다. 항체는 끝부분에 유연한 루프(loop)를 가지고 있어, 특정 침입자를 붙잡기 위해 구부러지거나 뒤틀려야 합니다. 만약 과학자가 항체를 하나의 경직된 자세로만 본다면, 질병을 일으키는 바이러스에 결합할 수 있게 해주는 바로 그 형태를 놓칠 수도 있고, 혹은 단지 하나의 얼어붙은 스냅샷에서 위험해 보인다는 이유만으로 무해한 단백질을 위험하다고 잘못 판단할 수도 있습니다.

오랫동안 이러한 움직임을 관찰하는 유일한 방법은 물과 원자의 물리학을 모사하는 복잡한 컴퓨터 시뮬레이션을 실행하는 것이었습니다. 이 과정은 계산량이 너무 많아 단 1초의 움직임을 시뮬레이션하는 데에도 며칠이 걸릴 수 있습니다. 이 때문에 수천 개의 잠재적인 약물 후보 물질을 빠르게 테스트하는 것은 불가능했습니다. 제네텍(Genentech)의 연구진은 이제 게임의 판도를 바꾸는 '카덴스(Cadense)'라는 새로운 도구를 선보였습니다. 모든 움직임을 처음부터 시뮬레이션하는 대신, 카덴스는 수백만 개의 이전 시뮬레이션 데이터를 학습한 인공지능을 사용하여 항체의 가능한 형태 전체를 즉각적으로 생성합니다. 이 도구는 단 하나의 구조만을 추측하는 것이 아니라, 항체가 실제 상황에서 어떻게 꿈틀거리고 휘어지는지를 보여주는 다양한 구조의 집합체, 즉 앙상블(ensemble)을 만들어냅니다. 이를 통해 과학자들은 며칠이 아닌 몇 초 만에 분자의 전체 운동 범위를 볼 수 있으며, 이 분자들이 실제로 어떻게 행동하는지에 대한 훨씬 더 명확한 그림을 얻을 수 있습니다.

연구진은 이미 실험을 통해 답을 알고 있는 항체의 형태를 예측하도록 요청함으로써 이 새로운 시스템을 테스트했습니다. 한 세트의 테스트에서, 그들은 표적 없이 결정화된 상태(apo state)와 표적에 결합된 상태(holo state)라는 두 가지 서로 다른 상태로 결정화된 항체들을 살펴보았습니다. 주로 결합된 버전에 중점을 두고 학습된 기존의 대부분의 프로그램은 표적과 결합된 형태만을 예측하는 경향이 있어, 유연한 비결합 형태를 완전히 놓치곤 합니다. 그러나 카덴스는 전체 운동 범위를 아우르는 샘플을 성공적으로 생성하여, 결합되지 않은 형태와 결합된 형태, 그리고 그 사이의 모든 형태를 보여주었습니다. 특히 엄격한 테스트에서 연구진은 자신들의 실험실에서 방금 결정화한, 컴퓨터가 이전에 본 적 없는 항체 구조를 예측하는 데 이 도구를 사용했습니다. 이 도구의 최선의 예측은 원자 하나의 너비 이내로 정확했으며, 이는 시스템에 완전히 새로운 구조일지라도 올바른 형태를 찾아낼 수 있음을 증명했습니다.

단순히 형태를 맞추는 것을 넘어, 연구진은 이 생성된 앙상블들이 항체의 안전성과 효과를 예측하는 데 도움이 될 수 있는지 알고 싶었습니다. 항체는 잘 작동하면서도 서로 뭉치거나 부작용을 일으키지 않도록 표면에 적절한 전기적 전하와 끈적임(stickiness)의 균념을 갖추어야 합니다. 과학자들이 단 하나의 정적인 구조만을 볼 때, 그 구조가 특정 자세에서 너무 끈적거리거나 전하를 띠고 있다는 이유로 해당 단백질을 위험하다고 표시하는 경우가 종-종 있습니다. 카덴스 앙상블을 사용하여 단백질이 다양한 모양으로 움직이는 과정을 살펴본 결과, 연구진은 이 도구가 이러한 '가짜 경보'를 바로잡을 수 있다는 것을 발견했습니다. 테스트 결과, 앙상lı 방식은 단 하나의 정적인 이미지를 볼 때보다 '고위험' 오경보 횟수를 3.5배 감소시켰습니다. 이는 약물 개발자들이 단 하나의 스냅샷이 좋지 않게 보인다는 이유로 유망한 후보 물질을 잘못 거절하여 시간과 자원을 낭비하는 일을 줄일 수 있는 동시에, 정말 위험한 것들은 여전히 잡아낼 수 있음을 의미합니다.

마지막 테스트는 이 유연한 앙상블들이 과학자들이 항체가 어떻게 바이러스나 박테리아를 붙잡는지 파악하는 데 도움을 줄 수 있는지 확인하는 것이었습니다. '도킹(docking)'이라고 알려진 이 과정은 항체의 유연한 루프가 표적에 완벽하게 들어맞도록 움직여야 하기 때문에 매우 까다롭습니다. 연구진은 카덴스 앙상블을 물리 기반 도킹 프로그램의 입력값으로 사용하였고, 그 결과를 단일 정적 구조를 사용했을 때와 비교했습니다. 앙상블 방식이 훨씬 더 우수한 성능을 보였으며, 올바른 결합 포즈(binding pose)를 훨씬 더 자주 찾아냈습니다. 이는 특히 컴퓨터가 본 적 없는 독특하고 새로운 루프를 가진 항체에서 두드러졌습니다. 정적 모델은 이러한 새로운 형태 앞에서 어려움을 겪었지만, 카덴스 앙상블은 높은 정확도를 유지했습니다. 이는 단 하나의 경직된 추측 대신 가능한 형태의 구름(cloud)을 제공함으로써, 이 도구가 도킹 소프트웨어가 표체와의 결합이라는 퍼즐을 풀 수 있도록 필요한 유연성을 제공한다는 것을 시사합니다.

이 연구는 카덴스를 느리고 상세한 물리 시뮬레이션의 세계와 빠르고 고속인 신약 개발의 필요성 사이를 잇는 실질적인 가교로 확립했습니다. 현재 이 도구는 항체의 가변적인 부분에 국한되어 있으며 분자의 장기적인 운동 역학(kinetics)까지는 아직 예측할 수 없지만, 분자 운동의 실체를 설계 과정에 통합할 수 있는 강력한 새로운 방법을 제시합니다. 계산에 소요되는 며칠의 시간을 생성에 걸리는 몇 초로 대체함으로써, 연구자들이 이전에는 불가능했던 규모로 항체의 역동적인 특성을 고려할 수 있게 해줍니다. 정적인 스냅샷에서 역동적인 앙상블로의 이러한 전환은 새로운 치료제 탐색을 더 빠르고 정확하게 만들어, 차세대 의약품을 설계할 때 이러한 분자들의 유연하고 살아있는 본질이 마침내 반영되도록 할 것입니다.

연구 분야의 논문에 파묻히고 계신가요?

연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.

Digest 사용해 보기 →