AI 기반 단백질-리간드 결합 친화도 예측을 위한 포켓 기반 분자 도킹 전략

이 방법론은 AI를 활용하여 복잡한 생체 분자 시스템에서 단백질과 작은 분자(리간드) 간의 결합 친화도를 높은 정확도로 예측하는 데 초점을 맞춘다.

도킹 및 분석 방법론

• 포켓 정의 및 추출: 목표 단백질의 활성 부위를 Cavity Detection Algorithm을 통해 자동 식별하고 3차원 격자 구조로 정의한다.
• AI 기반 검색: 사전 학습된 딥러닝 모델을 이용하여 수많은 후보 리간드들을 해당 포켓 내에 빠르고 체계적으로 배치(Docking)한다.
• 친화도 점수 계산: 물리 기반의 에너지 함수와 머신러닝 예측값을 결합하여 각 결합 모드의 Binding Affinity를 산출하며, 이는 IC₅₀ 등의 실험적 측정값과의 상관관계를 높이는 것을 목표로 한다.

이 접근법은 전통적인 시뮬레이션 대비 계산 비용을 획기적으로 줄이며, 신약 개발 초기 단계의 Hit Identification 과정에 필수적으로 활용된다. 주요 활용 분야에는 신약 개발 및 단백질 구조 예측이 있다.