AI 시뮬레이션과 핵자기공명 데이터 결합해 치매 원인 규명 전기 마련수만 개 구조 후보군 중 실제 상태 식별하는 최대 엔트로피 기법 적용
  • ▲ DGIST 연구팀이 한국기초과학지원연구원과 협력해 구조 규명이 어려웠던 무정형 단백질(IDP)을 원자 수준에서 분석할 수 있는 새로운 기술을 개발했다(왼쪽부터) DGIST 유우경·김진해 교수, 전주형 석박통합과정생, KBSI 이영호 박사.ⓒDGIST
    ▲ DGIST 연구팀이 한국기초과학지원연구원과 협력해 구조 규명이 어려웠던 무정형 단백질(IDP)을 원자 수준에서 분석할 수 있는 새로운 기술을 개발했다(왼쪽부터) DGIST 유우경·김진해 교수, 전주형 석박통합과정생, KBSI 이영호 박사.ⓒDGIST
    DGIST(총장 이건우) 뇌과학과 유우경·뉴바이올로지학과 김진해 교수 연구팀은 한국기초과학지원연구원(KBSI) 단백질구조약물기전연구단 이영호 박사팀과의 협업을 통해, 형태가 고정되지 않아 분석이 어려웠던 ‘무정형 단백질(IDP)’의 구조를 원자 수준에서 정밀하게 파악할 수 있는 혁신적 분석 기술을 개발했다고 밝혔다.

    단백질은 정형화된 3차원 입체 구조를 가질 때 정상 기능을 수행하지만, 인체 단백질의 약 3분의 1은 실타래처럼 형태가 끊임없이 변화하는 무정형 단백질이다. 이들은 세포 내 신호 전달 등 필수 역할을 하지만, 비정상적으로 변형되거나 뭉칠 경우 알츠하이머, 파킨슨병 등 신경 퇴행성 질환과 대사질환을 유발하는 원인이 된다. 그동안은 변화무쌍한 움직임 탓에 구체적인 변형 기전을 밝히는 데 기술적 한계가 있었다.

    연구팀은 컴퓨터 시뮬레이션 기술과 실제 실험 데이터를 결합하는 최적화 융합 전략으로 이 문제를 해결했다. 먼저 인공지능(AI) 모델과 고도화된 시뮬레이션, 단백질 정보 은행(PDB)의 데이터를 활용해 단백질이 가질 수 있는 수만 가지의 구조적 후보군을 생성했다.

    이어 실제 실험에서 얻은 핵자기공명분광학(NMR) 데이터를 후보군에 대조해 실제 상태에 가장 가까운 구조에 높은 가중치를 부여하는 ‘최대 엔트로피’ 기법을 적용했다. 이 기술은 단백질이 아주 찰나의 순간에만 형성하는 중간 단계 구조까지 정확히 식별해낼 수 있는 것이 특징이다.

    특히 이번 성과에는 KBSI의 정밀 NMR 실험 데이터 지원이 결정적인 역할을 했다. 용액 상태 단백질의 구조를 원자 수준에서 들여다볼 수 있는 NMR 데이터를 통해 알고리즘의 정확성을 검증했으며, 이를 바탕으로 온도나 유전자 변이에 따른 단백질 구조 변화를 정밀하게 추적하는 데 성공했다.

    DGIST 유우경 교수는 ‘이번 연구는 DGIST의 계산 과학 기술과 KBSI의 정밀 분석 인프라가 유기적으로 결합해 거둔 성과’라며 ‘향후 치매 등 난치성 질환의 발병 기전을 이해하고 치료제를 개발하는 데 중요한 분석 도구가 될 것으로 기대한다’고 밝혔다.

    KBSI 이영호 박사는 ‘지속적인 협업을 통해 무정형 단백질 구조 연구 툴을 개발하고, 한국형 PDB를 구축해 고정된 구조가 없는 단백질의 구조 아카이브를 마련하겠다’고 강조했다.

    이번 연구 결과는 세계적 권위지인 ‘미국국립과학원회보(PNAS)’에 2월 18일 게재됐으며, 한국연구재단과 KBSI 등의 지원을 받아 수행됐다.