Native-to-fibril structural remodelling reveals an amyloid-selective transthyretin epitope for AI-guided binder design

인체는 가장 필수적인 과업을 수행하기 위해 단백질에 의존하는 복잡한 기계입니다. 트랜스티레틴(transthyretin)이라 불리는 이러한 단백질 중 하나는 혈액 속에서 호르몬을 뇌와 다른 장기로 운반하는 배달 트럭 역할을 합니다. 정상적인 상태에서 이 단백질 단위 네 개는 서로 결합하여 안정적인 4부 구조를 형성합니다. 그러나 특정 조건에서는 이 안정적인 조립 구조가 해체될 수 있습니다. 개별 단위들이 분리되면, 이들은 형태를 잃고 잘못 접히며, 아밀로이드 섬유(amyloid fibrils)라고 알려진 길고 딱딱한 섬유질 덩어리로 뭉치게 됩니다. 이 섬유들은 아밀로이드증(amyloidosis)이라고 불리는 질병군의 특징이며, 심장, 신경 및 기타 조직을 손상시킬 수 있습니다. 의사들과 과학자들의 과제는 항상 건강한 4부 구조의 단백질과 이 위험하고 일그러진 덩어리 사이의 차이점을 구별해 내는 것이었습니다. 만약 치료제가 이 둘을 구별하지 못한다면, 몸에 필요한 건강한 단백질을 실수로 공격하거나, 해로운 단백질을 막아내는 데 실패할 수도 있습니다.

연구팀은 이제 첨단 컴퓨터 모델링을 사용하여 건강한 단백질에는 숨겨져 있지만 병든 단백질에서는 노출되는, 이 위험한 섬유 위의 특정 지점을 찾아냈습니다. 건강한 단백질의 3D 구조와 실제 환자로부터 채취한 섬유를 비교함으로써, 그들은 단백질이 섬유로 변할 때 단백질 사슬의 맨 앞부분, 즉 특정 화학적 표지 근처의 작은 구역이 훨씬 더 잘 보이게 된다는 것을 발견했습니다. 이 발견은 중요한데, 왜냐하면 이는 새로운 약물의 잠재적인 표적을 제공하기 때문입니다. 연구진은 이어 인공지능을 사용하여 이 새로 노출된 지점에 완벽하게 들어맞도록 설계된, 항체와 유사한 아주 작은 단백질 결합체(binders)를 설계했습니다. 컴퓨터 시뮬레이션에 따르면, 이 설계된 결합체들은 위험한 섬유에는 달라붙겠지만, 이 결합체들이 건강한 단백질의 다른 부분들과도 상호작용할 가능성이 높게 나타났기 때문에, 연구에서는 선택적 결합 또는 건강한 단백질에 대한 결합 부재 여부를 아직 추론할 수 없다고 언급했습니다.

연구는 방대한 데이터를 수집하는 것으로 시작되었습니다. 연구진은 트랜스티레틴의 유전 코드를 조사하여 사람마다 어떻게 변화하는지 이해했습니다. 그들은 단백질을 불안정하게 만들 수 있는 작은 유전적 오류인 130가지 이상의 다양한 돌연변이를 분류했습니다. 또한 노화나 스트레스 상황에서 단백질에 발생할 수 있는 26가지의 다양한 화학적 변형을 지도화했습니다. 산화나 작은 화학적 태그의 추가와 같은 이러한 변형은 단백질의 행동을 변화시킬 수 있습니다. 이러한 변화들에 대한 상세한 지도를 작성함으로써, 연구팀은 다양한 조건 하에서 단백질이 어떻게 행동할지에 대한 기준점을 세웠습니다. 그들은 강력한 컴퓨터 프로그램을 사용하여 이러한 돌연변이와 변형이 단백질의 안정성에 어떤 영향을 미치는지 예측했으며, 알려진 많은 질병 유발 변화들이 단백질을 해체되어 섬유를 형성하게 만들 가능성을 훨씬 높인다는 것을 확인했습니다.

연구의 핵심은 건강한 4부 구조의 단백질과 환자들에게서 발견된 섬유 구조 사이의 직접적인 비교였습니다. 연구팀은 유전적 돌연변이가 있는 경우와 흔한 노화 관련 형태를 포함한 다양한 형태의 질병을 가진 환자들로부터 얻은 30가지의 서로 다른 섬유 구조를 분석했습니다. 이 섬유들은 심장, 눈, 근육 조직 등 신체의 다양한 부위에서 왔습니다. 연구진이 이 섬로 구조들을 건강한 단백질과 비교했을 때, 한 가지 특정 영역에서 현저한 차이를 발견했습니다. 건강한 단백질에서 단백질 사슬의 시작 부분 근처의 짧은 구간은 외부 세계로부터 숨겨져 안으로 말려 들어가 있습니다. 그러나 모든 섬유 구조에서 이 동일한 구간은 바깥쪽으로 밀려 나와 노출되어 있었습니다. 이 노출된 구역은 질병 과정에서 자주 변형되는 화학적 표지 바로 옆에 위치하지만, 이 노출 자체는 단순히 화학적 표지 때문이 아니라 단백질이 섬유로 형태를 바꾸는 결과로 나타나는 것입니다.

이 노출된 지점이 치료를 위한 표적이 될 수 있는지 이해하기 위해, 연구진은 인공지능에 의지했습니다. 그들은 디지털 건축가와 같은 생성형 설계 도구를 사용하여 무에서 유로 새로운 단백질 모양을 발명할 수 있었습니다. 그들은 이 프로그램들에게 노출된 지점에 특이적으로 들어맞는 작은 결합체를 설계하도록 요청했습니다. AI는 수백 개의 잠재적 설계를 생성한 후 이를 가장 유망한 후보들로 걸러냈습니다. 연구진은 이어 이 설계들이 어떻게 행동할지 보기 위해 두 번째 컴퓨터 테스트를 실행했습니다. 그들은 설계된 대상인 섬유 구조들과, 또한 건강한 4부 구조의 단백질을 대상으로 결합체를 테스트했습니다. 결과는 고무적이었습니다. 섬유 형태에 맞게 설계된 결합체들은 섬유 구조의 노출된 지점에 딱 들어맞았습니다. 동일한 결합체를 건강한 단백질에 대해 테스트했을 때, 컴퓨터는 이 결합체들이 표적 지점 대신 단백질의 먼 부분들과 상호작용할 것이라고 예측했습니다. 그러나 컴퓨터 모델이 여전히 건강한 단백질과의 이러한 대안적 상호작용에 대해 높은 신뢰도를 보였기 때문에, 연구진은 이것이 실제 환경에서 결합체가 건강한 단백질을 무시할 것이라는 점을 아직 증명하는 것은 아니라고 강조했습니다.

이 연구는 또한 이 접근 방식이 다양한 유형의 질병에 걸쳐 작동할 수 있는지 탐구했습니다. 아밀로이드 침착물은 심장, 눈 또는 근육에 형성될 수 있으므로, 연구진은 한 조직을 위해 설계된 결합체가 다른 조직에서는 실패할 수도 있는지 궁금해했습니다. 그들은 눈의 섬유에 특이적인 결합체를 설계한 후 이를 심장의 섬유에 대해 테스트했습니다. 시뮬레이션 결과, 눈의 섬유를 위해 설계된 결합체들이 여전히 심장의 섬유에 있는 노출된 지점을 인식하고 결합하는 것으로 나타났습니다. 이는 노출된 지점이 신체 어디에 형성되든 상관없이 질병의 공통적인 특징임을 시사합니다. 이 발견은 모든 특정 돌연변이나 조직 유형에 대해 고유한 약물이 필요하기보다는, 다양한 형태의 질병을 가진 환자들에게 적용될 수 있는 단일 치료제의 가능성을 시사합니다.

이러한 유망한 컴퓨터 결과에도 불구하고, 연구진은 이 작업이 아직 초기 단계임을 주의 깊게 명시했습니다. 설계된 것들은 오직 컴퓨터 모델로서만 존재하며, 결합이 얼마나 잘 이루어지는지에 대한 예측은 물리적 실험이 아닌 시뮬레이션에 기반하고 있습니다. 연구팀은 아직 실험실이나 살아있는 생물체에서 이 결합체들을 테스트하지 않았습니다. 그들은 결합체가 섬유에 얼마나 강하게 달라붙는지 측정하지 않았으며, 섬유를 체내에서 제거할 수 있는지 확인하지도 않았습니다. 연구는 컴퓨터 모델이 결합체의 선택성을 시사하더라도, 이것이 입증된 것은 아니라고 명시적으로 밝히고 있습니다. 다음 단계는 이 단백질들을 실험실에서 제조하고 실제 환자 샘물에 대해 테스트하여 컴퓨터가 예측한 대로 행동하는지 확인하는 과정이 될 것입니다.

이 연구의 가치는 그 방법론에 있습니다. 단백질 구조에 대한 깊은 이해와 현대적인 인공지능을 결합함으로써, 연구진은 이전에는 보기 어려웠던 구체적이고 접근 가능한 표적을 식별해 냈습니다. 그들은 건강한 단백질에서 질병을 일으키는 섬유로의 전이가 새로운 표면을 만들어낸다는 것을 보여주었습니다. 이 접근 방식은 해로운 덩어리만을 목표로 하고 건강한 단백질은 그대로 두는 정밀한 치료제를 개발하기 위한 로드맵을 제공합니다. 비록 컴퓨터 설계에서 실제 작동하는 약물로 가는 여정은 길고 불확실하지만, 이 연구는 명확한 방향을 제시합니다. 이는 복잡한 생물학적 문제를 해결 가능한 공학적 과제로 전환하며, 적절한 도구가 있다면 우리가 질병을 일으키는 특정 형태를 인식하고 무력화하는 분자를 설계할 수 있음을 시사합니다.