Residue-Conditioned Molecular Design for Paralogue Selectivity: A Computational Framework with Scaffold Preservation and Traceable Chemical Modifications
본 논문은 단백질 파라로그(paralogue)를 대상으로 상이한 활성 부위 잔기를 표적하는 동시에 골격 보존을 강제함으로써 선택적 분자 후보 물질을 반복적으로 설계하는 잔기 조건부 계산 프레임을 제시하며, 17회의 설계 캠페인에 걸쳐 추적 가능한 화학적 변형과 높은 구조적 연속성을 성공적으로 입증하였다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
신약 개발이라는 광활한 풍경 속에서, 과학자들은 종종 '오인'이라는 문제에 직면합니다. 인체의 많은 단백질은 거의 동일한 형태와 특징을 공유하는 가까운 친척과 같습니다. 연구자가 질병을 막기 위해 특정 단백질에 결합하도록 분자를 설계할 때, 그 분자가 유사한 형태를 가진 다른 단백질에도 결합하여 원치 않는 부작용을 일으킬 수 있다는 위험이 항상 존재합니다. 이것이 바로 선택성(selectivity)의 과제입니다. 수십 년 동안 컴퓨터는 이러한 단백질의 아주 작은 포켓에 딱 들어맞는 새로운 분자 모양을 생성하는 데 사용되어 왔으며, 이는 마치 특정 자물쇠에 맞는 열쇠를 찾는 것과 같습니다. 그러나 이러한 디지털 도구들은 대개 모양이 얼마나 잘 들어맞는지에만 집중할 뿐, 하나의 열쇠는 작동하게 하고 다른 열방향은 작동하지 않게 만드는 자물쇠들 사이의 미묘한 차이를 무시하곤 합니다. 또한, 이 도구들은 실제 의약품이 사용하는 특수한 화학적 기교, 예를 들어 표적과 영구적인 결합을 형성하는 것과 같은 기능들을 통합하는 데 어려움을 겪습니다.
독립 연구자 아메드 아민 사두크(Ahmed Amine Sadouk)가 발표한 새로운 연구는 이 문제에 대한 색다른 사고방식을 제시합니다. 이 프레임워크는 컴퓨터가 무작위로 최적의 모양을 찾도록 내버려 두는 대신, 마치 '유도된 건축가'처럼 작동합니다. 이 방식은 이미 알려진, 작동하는 분자에서 시작하여 단계별로 이를 구축해 나갑니다. 각 단계에서 시스템은 표적 단백질과 원치 않는 유사 단백질 사이의 구체적인 차이점을 살펴봅니다. 시스템은 두 단백질이 서로 다른 단 한 지점을 식별하고, 컴퓨터가 그 지점에 특정한 새로운 화학 그룹을 부착하도록 지시합니다. 결정적으로, 이 시스템은 모든 새로운 추가물이 이전의 부분들을 온전하게 유지하도록 설계되었습니다. 이는 최종 결과물이 단순히 무작위적인 모양이 아니라, 알려진 약물의 논리적인 진화가 되도록 보장하며, 그 약물을 작동하게 만드는 부분들을 보존하면서 선택성을 부여하는 부분을 추가하도록 합니다.
연구진은 이 접근 방식을 암 및 염증과 관련된 효소를 포함한 18가지의 서로 다른 단백질 쌍에 걸쳐 테스트했습니다. 17가지 사례에서 시스템은 최종 후보 분자를 성공적으로 만들어냈습니다. 핵심적인 발견은 원래의 시작 구조, 즉 스캐폴드(scaffold)가 결코 소실되지 않았다는 점입니다. 최종 분자가 10개의 원자에서 35개로 성장하든, 혹은 65개에서 94개로 성장하든, 핵심 골격은 첫 번째 단계와 정확히 동일하게 유지되었습니다. 이는 컴퓨터가 새로운 모양을 선호하여 원래의 모양을 완전히 버릴 수도 있는 다른 방법들과는 확연히 다른 점입니다. 핵심을 유지함으로써, 이 시스템은 새로운 분자가 처음에 단백질에 결합할 수 있게 했던 필수적인 화학 성질을 그대로 유지하도록 보장합니다.
이 방법이 실제로 효과가 있는지 확인하기 위해, 연구팀은 생성된 분자들을 과학 문헌에 존재하는 44개의 알려진 약물 및 참조 화합물들과 비교했습니다. 그들은 자신들의 새로운 설계안과 기존 의약품 사이에 화학적 구조가 얼마나 공유되는지를 살펴보았습니다. 44개의 비교 중 19개 사례에서, 새로운 설계안은 아연에 결합하거나 특정 단백질 힌지에 연결되는 부분과 같이 참조 약물의 가장 중요한 화학적 특징들을 유지했습니다. 이는 우연히 발생할 수 있는 수준보다 훨씬 높은 빈도로 나타났습니다. 실제로, 그들이 결과를 무작위의 관련 없는 활성 분자들과 비교했을 때, 그 무작위 분자들은 핵심 특징을 약 12%의 경우에만 보존했습니다. 반면 새로운 방법은 그 빈도가 거의 절반에 달했는데, 이는 이 방법이 인간의 의약 화학적 논리를 성공적으로 모방하고 있음을 시사합니다.
이 연구는 또한 표적과 영구적인 화학 결합을 형성하는 약물인 공유 결합 억제제(covalent inhibitors)를 설계하는 어려운 과제도 다루었습니다. 시스템은 표적의 고유한 지점에 반응하도록 의도된 특정 '워헤드(warheads)'를 가진 분자들을 성공적으로 설계했습니다. 예를 들어, 한 사례에서는 ABL1이라 불리는 단백질의 특정 시스테인 잔기(cysteine residue)에 부착되도록 설계된 화학 그룹을 추가했는데, 이 지점은 유사한 단백질인 SRC에는 존재하지 않는 곳입니다. 또 다른 사례에서는 치료가 까다로운 것으로 알려진 표적인 KRAS를 위해 크고 고리 형태인 구조를 설계했습니다. 그러나 연구진은 자신들의 디지털 도구가 가진 한계를 주의 깊게 명시했습니다. 그들은 분자가 얼마나 잘 들어맞는지를 예측하는 표준 컴퓨터 스코어링 방식이, 화학 반응 자체를 시뮬레이션하지 못하기 때문에 이러한 영구적인 결합을 정확하게 판단할 수 없다는 것을 발견했습니다. 시스템은 표적 잔기의 위치를 기반으로 결합을 설계했지만, 컴퓨터는 결합 형성에 드는 에너지를 계산할 수는 없었습니다.
연구 전체에 영향을 미친 기술적 발견 중 하나는 매우 극적인 순간이었습니다. 단백질 구조를 컴퓨터 시뮬레이션용으로 준비하는 과정에서, 연구진은 데이터가 읽히는 방식에 숨겨진 오류가 있음을 발견했습니다. 코드상의 단순한 실수가 원자의 대안적인 위치들을 제거해 버렸고, 이는 의도치 않게 단백질 포켓 안에 가짜 원자들을 추가하는 결과를 초래했습니다. 이 오류로 인해 컴퓨터는 단백질 포켓이 실제보다 더 붐비고 매력적인 것처럼 인식하여, 모든 참조 약물의 점수를 인위적으로 높게 책정했습니다. 연구진이 이 오류를 수정하자, 알려진 약물들의 점수는 현저히 떨어졌습니다. 이 발견은 기초 데이터가 올바르게 준비되지 않으면 최고의 디지털 벤치마크조차 결함이 생길 수 있다는 점을 강조했으며, 새로운 설계안들이 더 현실적인 기준에 따라 평가되어야 함을 의미했습니다.
본 연구는 이 유도된 단계별 접근 방식이 단백질 간의 구조적 차이를 구체적인 화학적 변화로 변환하는 강력한 방법임을 결론짓습니다. 이 방식은 알려진 의약품의 핵심을 성공적으로 보존하면서도 고유한 잔기를 표적하는 특정한 특징들을 추가하는 데 성공했습니다. 연구진은 이 분자들을 실험실에서 직접 합성하거나 살아있는 세포에서 테스트하지 않았으며, 이 작업은 여전히 계산적 설계 단계에 머물러 있습니다. 연구진은 다음 단계로 가장 유망한 후보, 특히 EGFR 단백질을 위해 설계된 후보를 실제로 제작하여, 그것이 예측대로 작동하는지 '웨트 랩(wet lab, 실험실)'에서 테스트할 것이라고 명시했습니다. 물리적인 테스트가 완료되기 전까지, 이 결과는 성공적인 약물 설계 과정을 정교하게 시뮬레이션한 결과물입니다. 즉, 분자의 역사를 존중하면서도 그 미래를 정밀하게 설계해 나가는 과정인 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.