Solvation Free Energy Descriptors from Density Functional Theory for Unified Retention Prediction of Flavonoids and Isoflavonoids

당신이 섞여 있는 거대한 퍼즐 조각 더미를 분류하려고 노력하고 있다고 상상해 보세요. 어떤 조각들은 거의 똑같아 보이지만, 서로 다른 그림에 속해 있습니다. 화학의 세계에서 과학자들은 플라보노이드(flavonoids)라고 불리는 분자들로 인해 종종 이런 문제에 직면합니다. 이들은 식물에서 발견되는 천연 화합물로, 암과 싸우거나 항산화 작용을 할 수 있습니다. 이들을 연구하기 위해 과학자들은 고성능 액체 크로마토그래피(HPLC)라는 기계를 사용합니다. HPLC를 긴 구불구불한 미끄럼틀이라고 생각해 보세요. 혼합물을 미끄럼틀 꼭대기에 부으면, 분자들이 아래로 미끄러져 내려갑니다. 어떤 것들은 빠르게 미끄러지고, 어떤 것들은 걸려서 느리게 미끄러집니다. 분자가 바닥에 도달하는 데 걸리는 시간이 바로 이 "머무름 시간(retention time)"입니다.

보통, 어떤 분자가 무엇인지 알기 위해서는 비교할 수 있는 기준 표준물질, 즉 완벽하게 알려진 샘플이 필요합니다. 하지만 많은 희귀 식물 화합물의 경우, 그러한 기준 샘플이 아직 존재하지 않습니다. 그래서 과학자들은 분자의 모양과 전기적 특성을 보고 그 분자가 HPLC 미끄럼틀을 얼마나 빨리 내려갈지 예측하려고 시도합니다. 이것을 정량적 구조-머무름 관계(QSRR)라고 합니다. 큰 과제는, 모양이 약간 다른(예를 들어 고리가 다른 위치에 붙어 있는 경우) 분자들이 보통 완전히 다른 예측 규칙을 필요로 한다는 것이었습니다. 그것은 마치 자동차와 오토바이가 같은 도로를 달리고 있음에도 불구하고, 자동차를 위한 규칙책과 오토바이를 위한 완전히 다른 규칙책을 가지고 있는 것과 같습니다. 이 논문은 질문합니다: 우리는 자동차와 오토바이 모두에 적용될 수 있는 단 하나의 보편적인 규칙을 찾을 수 있을까요?

---

위대한 분자의 미끄럼틀: 두 가지 모양을 위한 하나의 규칙책

이 연구에서 지암푸시 대학교(Jiamusi University)의 셽 이한(Yihan Sheng), 리우 하이티안(Hatian Liu), 리 젠옌(Jianyan Li), 그리고 쑨 창하이(Changhai Sun) 연구진은 플라본(flavones)과 이소플라본(isoflavones)이 크로마토그래피 미끄럼틀에서 어떻게 행동하는지를 예측하는 문제를 다루었습니다. 이 두 그룹의 분자들은 마치 떨어져 자란 쌍둥이와 같습니다. 이들은 동일한 핵심 몸체와 동일한 부품을 공유하지만, "B-고리"(특정 원자 고리)가 약간 다른 위치에 붙어 있습니다. 이 작은 차이 때문에 이들의 전기적 풍경이 변하며, 이로 인해 하나의 예측 모델을 두 그룹 모두에 사용하기 어렵게 만듭니다.

연구팀은 분자의 모든 미세한 뒤틀림을 추적할 필요가 없다는 것을 발견했습니다. 대신, 그들은 **총 용매화 자유 에너지(total solvation free energy)**가 마법의 열쇠라는 것을 찾아냈습니다. 이를 이해하기 위해, 분자를 두 가지 서로 다른 군중, 즉 물 분자 군중과 메탄올 분자 군중 사이를 이동하려는 여행자라고 상상해 보세요. "용매화 자유 에너지"는 기본적으로 여행자가 그 군중 속에 있는 것을 얼마나 좋아하거나 싫어하는지에 대한 점수입니다. 만약 여행자가 잘 어울린다면 점수는 낮고, 만약 여행자가 어색하고 거북하게 느껴진다면 점수는 높습니다. 연구진은 이 분자들이 물과 메탄올 속에서 머무는 데 드는 에너지를 계산했습니다.

2단계 댄스: 완벽한 포즈 찾기

이 에너지 점수를 계산하는 것은 분자가 유연하여 꿈틀거리고 뒤틀리기 때문에 까다롭습니다. 만약 컴퓨터에게 분자의 모양을 찾으라고 명령한다면, 컴퓨터는 실제 최저점이 아닌 "국소 최솟값(local minimum)"—즉, 에너지 풍경 속의 편안한 작은 웅덩이—에 갇힐 수 있습니다. 이는 마치 등산객이 더 깊은 계곡이 바로 다음 언덕 너방에 있다는 사실을 모른 채, 아늑한 동굴을 발견하고 멈춰 서는 것과 같습니다.

이를 해결하기 위해 저자들은 영리한 2단계 전략을 사용했습니다:

1. 거친 스케치 (PM6): 먼저, 그들은 분자의 "B-고리"를 빠르게 스케치하는 화가처럼 빠른 준경험적 방법(PM6)을 사용하여 스캔했습니다. 그들은 고리의 회전을 관찰하여 일반적인 에너지 풍경을 파악하고 가장 깊은 골짜기(전역 최솟값)를 찾았습니다. 이 방법은 비용이 적게 들고 빨라서, 잘못된 동굴에 갇히지 않도록 보장해 주었습니다.
2. 고해도 사진 (DFT): 적절한 골짜기를 찾은 후, 그들은 B3LYP-D3/6-31G(d) 수준의 매우 정밀한 방법인 밀도 범함수 이론(DFT)으로 전환했습니다. 이 방법은 모양을 정교하게 다듬어, 분자의 가장 안정적인 포즈를 보여주는 고해도 사진을 제공했습니다.

그들은 또한 분자가 어디에서 손을 잡을 수 있는지(수소 결합 형성)를 면밀히 살펴보았습니다. 분자 정전기 퍼텐셜(ESP) 분석이라는 기술을 사용하여, 분자가 용매 분자와 붙잡을 가능성이 가장 높은 정확한 지점들을 식별했습니다. 그런 다음 그들은 이 특정 "악수"의 에너지를 계산하여 전체 점수에 더했습니다.

마법의 공식

물(EW)과 메탄올(EM)에 대한 이 두 가지 에너지 점수를 사용하여, 연구팀은 분자가 미끄럼틀에 얼마나 오래 머무를지를 예측하는 간단한 수학 방정식을 구축했습니다:

tR = −0.8486 EW + 0.9396 EM + 40.55

여기서 tR은 머무름 시간(분자가 미끄럼틀에 머무는 시간)입니다.

• EW의 음수 부호는 분자가 물을 정말 좋아하면(낮은 에너지), 미끄럼틀에서 더 빨리 미끄러져 내려간다(짧은 머무름 시간)는 것을 의미합니다.
• EM의 양수 부호는 분자가 메탄올을 정말 좋아하면, 더 오래 머무른다는 것을 의미합니다.

결과는 인상적이었습니다. 이 모델은 데이터의 변동성을 92.8% 설명했습니다 (R² = 0.928). 모델이 특정 분자를 올바르게 맞출 수 있는지 확인하기 위해 한 번에 하나씩 분자를 제외하고 테스트했을 때도, 점수는 여전히 강력한 0.872였습니다. 모델을 구축하는 데 사용된 11개의 분자에 대해 평균 오차는 단 **2.80%**였습니다. 이는 모델이 동일한 방정식을 사용하여 플라본과 이소플라본 모두의 미끄럼틀 시간을 성공적으로 예측할 수 있음을 의미하며, B-고리의 위치가 적절한 에너지 점수를 본다면 규칙을 깨뜨리지 않는다는 것을 증명합니다.

규칙을 깬 한 분자

하지만 이야기가 완벽하기만 한 것은 아닙니다. 연구진은 **네오바바이소플라본(neobavaisoflavone)**이라는 분자를 대상으로 모델을 테스트했는데, 이 분자는 부피가 크고 비극성인 그룹(이소펜테닐 그룹)이 붙어 있습니다. 이 분자는 마치 기름기로 만든 거대하고 무거운 배낭을 멘 여행자와 같습니다. 표준 에너지 계산(전기적 인력과 수소 결합에 집중하는 계산)은 이 "기름진" 상호작용을 완전히 설명할 수 없었습니다. 결과적으로, 네오바바이소플라본에 대한 모델의 예측은 **26.4%**의 오차를 보였습니다.

이 실패는 오히려 연구팀에게 중요한 것을 가르쳐 주었습니다: 모델은 분자의 행동이 전기적 힘과 수소 결합에 의해 주도될 때 완벽하게 작동합니다. 하지만 분자가 "기름진" 소수성 효과와 분산력(저 무거운 배낭과 같은)에 의해 지배될 때, 현재의 방식은 한계에 부딪힙니다. 수학이 틀린 것이 아니라, 특정 유형의 상호작용이 에너지 점수에 포함되지 않은 것입니다.

요약

이 논문은 우리가 플라본의 약간씩 다른 모양마다 매번 다른 규칙책을 가질 필요가 없다는 것을 보여줍니다. 물과 메탄올 사이를 이동하는 데 드는 총 에너지 비용에 집중함으로써, 우리는 이러한 천연 화합물이 실험실에서 어떻게 행동하는지 예측하는 통합된 모델을 만들 수 있습니다. 모델은 대부분의 표준 분자에 대해 믿을 수 없을 정도로 정확하지만, 화학은 복잡하다는 점을 상기시켜 줍니다. 만약 분자가 거대한 비극성 "배낭"을 가지고 있다면, 그 여정을 계산하는 방식에 주의를 기울여야 합니다. 이 접근 방식은 물리적인 샘플 없이도 식물 화합물을 식별할 수 있는 강력한 새로운 도구를 제공하며, 과학자들이 자연의 화학적 비밀을 그 어느 때보다 빠르게 밝혀낼 수 있도록 돕습니다.