HyperAI초신경

생명체 내에서 단백질은 생물학적 기능을 단독으로 수행하는 경우가 드물고, 단백질-단백질 상호작용(PPI)을 이용하여 복잡한 생물학적 과정을 실행합니다.PPI를 특이적으로 표적으로 삼아 조절할 수 있는 단백질 접합체를 설계하는 것은 엄청난 치료적, 생명공학적 잠재력을 가지고 있습니다.그러나 면역, 항체 라이브러리 스크리닝, 지시적 진화와 같은 단백질 결합제를 생성하는 기존 방법은 종종 노력이 많이 들고 시간이 많이 걸리며, 표적 부위에 대한 제어가 제한적입니다.

계산적 단백질 설계는 특정 표적과 결합 부위에 맞춰 결합제를 맞춤화하는 강력한 대안을 제공합니다.그리고초기 계산 방법(예: Rosetta)은 물리적 모델링과 사이드 체인 최적화를 통한 인터페이스 설계를 결합하려고 시도했지만 성공률은 종종 0.1% 미만이었습니다.딥러닝 시대에 AlphaFold2와 같은 구조 예측 모델은 이러한 상황을 완전히 바꾸어 놓았습니다. 이 모델은 개별 단백질의 3차원 접힘 구조를 정확하게 예측할 뿐만 아니라 단백질 복합체의 공간적 상호작용도 시뮬레이션할 수 있습니다.

하지만 이는 여전히 진정한 "지능적 설계"가 아닙니다. RFdiffusion이나 ProteinMPNN과 같은 기존 방법은여전히 수동으로 스켈레톤과 도킹 인터페이스를 설정한 다음 AlphaFold를 사용하여 합리적인지 확인해야 합니다.그렇다면 AlphaFold가 이미 단백질 구조를 이해할 수 있으므로, 역으로 "생각"하여 표적과 완벽하게 일치하는 새로운 단백질을 직접 생성할 수 있을까요?

이를 바탕으로,스위스 로잔 연방 공과대학(EPFL)과 매사추세츠 공과대학(MIT) 연구팀은 단백질 결합제를 처음부터 설계하기 위한 오픈 소스 자동화 프로세스인 BindCraft를 제안했습니다. 핵심 아이디어는 환각 결합제 서열을 AlphaFold2 가중치를 통해 역전파하고 오차 기울기를 계산하는 것입니다.연구팀은 AlphaFold2의 다체(multi-body) 버전과 신경망을 결합하여 기울기 최적화를 통해 단백질의 구조, 서열, 그리고 계면을 동시에 생성했습니다. 이를 통해 고처리량 스크리닝, 실험 반복, 또는 알려진 결합 부위 없이도 나노몰 수준의 친화도를 가진 새로운 결합체를 실리코(in silico) 방식으로 생성할 수 있었습니다.

실험 결과에 따르면 BindCraft는 복잡한 구조와 뛰어난 약리학적 의미를 지닌 12개 표적에서 획기적인 결과를 달성했습니다.실험 성공률은 10%에서 100%까지이며, 평균 성공률은 46.3%입니다.즉, 이전에는 수백, 수천 번의 검토가 필요했던 설계 작업을 이제는 단 한 번의 계산으로 사용 가능한 조합을 얻을 수 있습니다.

현재 HyperAI 공식 웹사이트의 "튜토리얼" 섹션에서 "BindCraft: 단백질 결합제 설계"를 이용하실 수 있습니다. 아래 링크를 클릭하시면 원클릭 배포 튜토리얼을 경험하실 수 있습니다. ⬇️

튜토리얼 링크:

https://go.hyper.ai/tjifE

데모 실행

1. hyper.ai 홈페이지에서 튜토리얼 페이지를 선택하고 BindCraft: Protein Binder Design을 선택한 다음, 이 튜토리얼을 온라인으로 실행을 클릭합니다.

2. 페이지가 이동한 후 오른쪽 상단의 "복제"를 클릭하여 튜토리얼을 자신의 컨테이너로 복제합니다.

3. NVIDIA GeForce RTX 5090 및 PyTorch 이미지를 선택하고 '계속'을 클릭하세요. OpenBayes 플랫폼은 사용량 기반 결제 또는 일일/주간/월간 요금제 등 네 가지 결제 옵션을 제공합니다. 신규 사용자는 아래 초대 링크를 통해 등록하시면 RTX 5090 4시간과 CPU 사용 시간 5시간을 무료로 이용하실 수 있습니다!

HyperAI 독점 초대 링크(복사하여 브라우저에서 열기):

https://openbayes.com/console/signup?r=Ada0322_NR0n