알파폴드, 로제타폴드와 같이 인공지능을 기반으로 한 단백질 구조 예측 모델의 개발은 생명과학 분야에서 획기적인 도약을 이루었습니다. 정확한 단백질 구조 예측은 단백질의 기능 및 작용 기작을 이해할 수 있도록 하고 단백질 디자인 연구의 효율성도 향상시킬 수 있습니다. 단백질 디자인은 우리가 원하는 기능을 하는 새로운 단백질을 3차원 구조 또는 아미노산 서열 정보를 이용해 계산으로 만들어내고 직접 실험으로 검증하는 연구 분야입니다. 인공지능과 기초과학, 생명공학의 융합적인 발전과 활용으로 단백질 디자인 분야의 발전은 가속화되고 있습니다. 특히, 단백질과 단백질 상호작용을 매개로 하여 타겟 단백질이나 펩타이드에 결합하는 새로운 단백질 디자인을 통해 항체, 신약, 센서, 재료 소재 등을 만들어 내는 분야에서 단백질 디자인 성공 확률이 획기적으로 높아졌습니다.

단백질과 화학적인 작용기의 상호작용을 매개로 한 결합 단백질을 계산으로 디자인할 수 있다면 화학적으로 변형된 상태의 단백질을 인식할 수 있는 새로운 결합 단백질을 만드는 것이 가능해집니다. RFdiffusion All-Atom, LigandMPNN, AlphaFold3와 같은 AI 모델들은 모든 종류의 생체분자들을 고려하여 디자인이나 구조 예측을 할 수 있도록 개발되었습니다. 이를 활용하여 저분자화합물 약물이나 효소의 기질, cofactor, 대사물질 등의 small-molecule을 타겟으로 하는 새로운 결합 단백질을 계산으로 디자인할 수 있습니다. 

본 연구에서는 인공지능 기반 단백질 디자인 연구의 발전을 토대로 암세포에서 특이적으로 나타나는 화학적 변형 중 하나인 당쇄를 타겟으로 하여 이를 인식하는 단백질을 디자인할 수 있는 AI 플랫폼을 개발하고자 합니다. 당쇄를 매개로 암세포를 인식하는 단백질은 다양한 형태의 치료제가 암세포를 특이적으로 표적 하도록 활용될 수 있고 치료의 부작용을 획기적으로 줄이며 효율성을 높일 것으로 기대됩니다. 단백질과 당 작용기의 상호작용을 매개로 하는 결합 단백질 설계는 화학적인 결합이 잘 기술되어야 하고 당 항원과의 결합 특이성을 가질 수 있도록 해야 하는 도전적인 문제입니다. 당 항원 인식에 특화된 단백질 설계 AI 모델 개발 및 실험 검증으로 당화 패턴 인식, 질병 진단 및 세포 표적 치료제 개발로 이어질 수 있는 연구를 수행하는 것이 본 과제의 목표입니다.