AI 기반 단백질 구조 예측 모델의 약물 후보군 선별 정확도 향상을 위한 동역학적 시뮬레이션 통합 연구

최근 급부상하는 알파폴드와 같은 AI 기반 단백질 구조 예측 기술은 신약 개발 초기 단계에서 목표 단백질의 3차원 구조를 빠르고 저렴하게 제공하지만, 실제 약물 결합 및 동역학적 거동 예측에는 여전히 한계가 존재합니다.

현재 학계에서는 정적인 구조 예측 결과를 넘어, 리간드와의 상호작용 시 발생하는 구조적 변화 및 결합 자유 에너지 계산의 정확도를 높이는 방향으로 연구가 집중되고 있습니다.

연구의 주요 난제와 최신 동향

• 구조적 유연성 반영의 어려움: 기존 모델들은 단백질의 낮은 온도에서의 평균 구조를 잘 포착하나, 약물 결합 시 발생하는 높은 수준의 단백질 접힘 및 구조적 가소성은 여전히 도전 과제로 남아있습니다.
• 결합 강도 예측의 불확실성: 단순한 구조 비교를 넘어, 실제 체내 환경과 유사한 조건에서 약물-표적 간의 결합 친화도를 정량적으로 예측하기 위해 분자 도킹과 분자 동역학 시뮬레이션을 통합하는 연구가 필수적입니다.