알파폴드 기반 단백질-표적 리간드 결합 인터페이스의 자유 에너지 계산 및 신약 후보물질 선별

분자 도킹은 분자 수준에서 두 분자 사이의 가장 안정한 결합 자세와 결합 강도를 예측하는 방법론이다. 최근에는 AlphaFold와 같은 구조 예측 AI를 통해 얻어진 정밀한 3차원 구조 정보를 활용하여, 전통적인 분자 도킹의 정확도를 혁신적으로 향상시키고 있다.

AI 증강 분자 도킹의 원리

• 구조 예측 모델로 확보된 타겟 단백질의 높은 해상도의 활성 부위 구조를 기반으로, 잠재적 신약 후보물질과의 결합 가능성을 탐색한다.
• 단순한 기하학적 적합성을 넘어, 자유 에너지 계산 방법을 도입하여 실제 생체 환경에서의 열역학적 결합 친화도(Δ G)를 예측함으로써, 낮은 결합 친화도를 가진 화합물을 사전에 걸러낸다.

융합 연구의 의의

이러한 접근법은 구조생물학, 생물정보학, 그리고 신약 개발을 통합하며, 실험적 검증 전에 높은 성공률을 보이는 바이오마커 또는 저분자 화합물 라이브러리를 효율적으로 선별할 수 있게 한다. 이는 특히 난치성 질환 관련 단백질 표적에 대한 정밀의료적 접근을 가속화한다.