AI 기반 단백질 구조 예측을 활용한 신약 후보 물질의 분자 도킹 최적화 전략

본 주제는 알파폴드와 같은 AI 모델로 예측된 단백질 3차원 구조 정보를 이용하여, 잠재적 신약 개발 후보 물질과의 상호작용을 정량적으로 평가하고 최적화하는 방법론을 다룹니다.

구조 기반 약물 재창출

• AI 예측 구조는 전통적인 실험적 방법을 보완하여 타겟 단백질의 결합 포켓(binding pocket) 형태와 역동성을 빠르고 광범위하게 제공합니다.
• 분자 도킹 시뮬레이션은 화합물 라이브러리가 해당 포켓에 얼마나 잘 들어맞는지(친화도)를 계산하며, 이는 초기 선별 단계의 효율을 극대화합니다.

이를 통해 높은 확률로 성공할 것으로 예상되는 화합물을 선정함으로써 정밀의료 적용 가능성이 높은 혁신적인 치료제 발견 속도를 높이는 데 기여합니다. 주요 기술로는 단백질 구조 예측, 분자 도킹, 바이오마커 발굴 등이 있습니다.