AI가 효소 매칭을 91.7% 정확도로 예측

(퍼플렉시티가 정리한 기사)

일리노이 대학교 어배나-샴페인(University of Illinois Urbana-Champaign)의 과학자들이 획기적인 인공지능 도구인 EZSpecificity를 공개했습니다. 이 도구는 최적의 효소-기질 조합을 전례 없는 정확도로 예측하며, 2025년 10월 8일자 Nature 저널에 게재되었습니다.

화학 및 생체분자공학과 자오 후이민(Huimin Zhao) 교수가 이끄는 이번 연구는 생명공학 분야의 주요 과제인 ‘특정 분자 표적과 가장 잘 작용하는 효소가 무엇인지 규명하는 것’에 도전장을 내밀었습니다. EZSpecificity는 효소-기질 결합 예측에서 91.7%의 정확도를 달성해, 현재 최고 성능을 자랑하던 모델 ESP(정확도 58.3%)를 크게 앞질렀습니다.

효소 매칭에 대한 혁신적인 접근법

전통적인 “자물쇠와 열쇠” 모델의 효소-기질 상호작용은 현대의 응용 분야에서 지나치게 단순화된 것으로 여겨지고 있습니다. “효소는 실제로 기질과 상호작용할 때 구조가 변형됩니다. 더 정확하게는 유도 적합 모델에 가깝습니다,“라고 자오가 설명했습니다. 일부 효소는 다양한 반응 유형을 촉매할 수 있는 다기능성을 가지고 있어 예측을 특히 어렵게 만듭니다.

이러한 한계를 극복하기 위해 자오 팀은 Diwakar Shukla 교수 연구팀과 협업하여 수백만 건의 도킹 계산을 통해 방대한 데이터베이스를 구축했습니다. 이 시뮬레이션들은 다양한 효소 계열에서 효소와 기질 간의 원자 수준 상호작용을 포착하여 기존 모델들에서 누락된 중요한 데이터를 제공했습니다.

“우리는 효소와 기질 사이의 원자 수준 상호작용에 집중했습니다. 수백만 번의 도킹 계산이 퍼즐의 누락된 조각을 제공하여 매우 정확한 효소 특이성 예측기를 만들 수 있었습니다,“라고 슉라가 언급했습니다.

검증 및 성능

연구진은 EZSpecificity를 네 가지 실제 시나리오에서 기존의 ESP와 비교해 테스트했으며, 모든 경우에서 새로운 도구가 기존 모델을 능가하는 성능을 보였습니다. 팀은 아홉 개의 할로게나제 효소와 78개의 기질을 사용하여 도구의 성능을 실험적으로 검증했습니다. 할로게나제 효소는 특징이 잘 알려지지 않았으나, 생리 활성 분자 생성을 위해 점점 더 중요해지고 있기 때문에 특히 도전적인 테스트 사례로 꼽힙니다.

EZSpecificity는 Zhao 팀이 2년 전에 개발한 또 다른 AI 도구인 CLEAN을 보완합니다. CLEAN은 아미노산 서열로부터 효소의 기능을 예측합니다. 이 두 도구를 결합함으로써, 효소 연구와 개발을 위한 종합적인 플랫폼이 구축되었습니다.

이 도구는 사용자 친화적인 인터페이스로 온라인에서 무료로 제공되어, 연구자가 기질과 단백질의 서열을 입력해 호환성을 예측할 수 있습니다. 이처럼 용이한 접근성은 과학계 전체에 고급 효소 공학 능력을 민주화하는 데 기여합니다.

앞으로 연구진은 EZSpecificity의 기능을 확장해 효소의 선택성 분석까지 가능하게 할 예정이며, 이를 통해 비표적 효과가 최소화된 효소를 식별하는 데 도움이 될 전망입니다. 이러한 진전은 특정성이 매우 중요한 제약 분야에서 결정적인 역할을 할 수 있습니다.

이 연구는 미국 국립과학재단의 Molecule Maker Lab Institute를 통해 지원받았으며, Zhao는 이 연구소와 일리노이대학교의 NSF iBioFoundry 모두의 소장을 맡고 있습니다.