PR

닥터노아바이오텍㈜와 서울대학교 석차옥 교수 연구팀이 공동연구한 

“Structure- and Similarity-Based Prediction of Protein Targets for Druglike Compounds”에 대한 논문이

SCI급 국제학술지Journal of Chemical Information and Modeling에 게재되었다.

이번에 발표한 논문은 신규 약물 구조가 있을 때, 수많은 단백질들 중에서 해당 약물이 결합할 가능성이 높은 단백질들을 빠르게 스크리닝하여 효율적으로 타겟 단백질을 예측해 볼 수 있는 기술을 소개하고 있다. 단백질과 화합물간의 결합을 예측하기 위해서는 2가지 접근방식이 주로 사용되는데 각각 한계점을 가지고 있다. 화합물 중심의 예측방식은 화합물 구조정보에 의존적이기 때문에, 기존에 유사한 구조의 화합물과 단백질의 결합이 알려진 경우에만 효과적이다. 단백질 중심의 예측방식은 단백질의 구조와 binding site가 정확하게 알려져서, molecular docking을 할 수 있을 경우에만 효과적이다. 게다가 이러한 molecular docking은 계산을 위한 자원이 많이 소요되기 때문에, 모든 단백질 구조에 대해서 계산을 하기에는 어려움이 있다.

이 논문에서는 2가지 접근방식을 모두 이용하여, 효율적이고 빠르게 타겟 단백질을 스크리닝 할 수 있는 새로운 기술을 제시하였다. 계산을 위한 resource가 많이 소요되는 molecular docking 단계에 들어가기 전에, pre-docking screening을 하는 것이 특징이다. Binding site내의 compound/protein의 구조와 물성 정보들, compound들의 구조적 similarity를 AI 기술을 바탕으로 combined pre-docking screening한다. 이 과정을 통해 타겟 단백질의 수를 줄이고, Protein-ligand docking을 수행하여 최종 타겟 단백질을 선별하는 과정을 거치게 된다. 여기서 핵심은 combined pre-docking screening 과정으로 인해 계산량과 시간은 절약되지만, 전체적인 예측 정확성은 유지된다는 점이다. 닥터노아바이오텍은 이러한 기술을 바탕으로, 신규약물에 대해 보다 빠르고 정확하게 target과 off-target 단백질을 예측함으로써, 신규 효능과 부작용을 예측해 낼 것이라고 자신하였다.

논문링크 : https://pubs.acs.org/doi/10.1021/acs.jcim.0c00104