CreoPep: 딥러닝으로 펩타이드 신약 개발의 새 지평을 열다

본 기사는 Cheng Ge 등이 개발한 CreoPep이라는 딥러닝 기반 펩타이드 설계 및 최적화 프레임워크에 대한 내용을 다룹니다. CreoPep은 마스크 언어 모델링 및 점진적 마스킹 기법과 FoldX 기반 에너지 스크리닝 및 온도 제어 다항 분포 샘플링을 통합하여 고친화성 및 구조적으로 다양한 펩타이드를 설계하며, α7 니코틴성 아세틸콜린 수용체 표적 코노톡신 억제제 설계에 성공하여 마이크로몰 이하의 효능을 보였습니다. 이는 컴퓨터 기반 펩타이드 설계와 실험적 검증을 연결하는 강력한 플랫폼으로서 차세대 펩타이드 치료제 발견을 가속화할 것으로 기대됩니다.

꿈의 신약 후보 물질, 펩타이드의 한계를 뛰어넘다

최근 펩타이드 기반 치료제에 대한 관심이 높아지고 있습니다. 펩타이드는 높은 선택성과 결합력을 가지고 있어 기존 약물이 갖지 못한 장점을 지니고 있기 때문입니다. 하지만 자연적으로 존재하는 펩타이드의 다양성이 제한적이고, 기존의 최적화 전략은 매우 복잡하고 시간이 많이 걸리는 어려움이 있었습니다.

하지만 이제 희망이 보입니다! Cheng Ge 박사를 비롯한 국제 연구팀이 CreoPep이라는 혁신적인 딥러닝 프레임워크를 개발했기 때문입니다. CreoPep은 마스크 언어 모델링과 점진적 마스킹 기법을 결합하여 고친화성 펩타이드 변이체를 설계하는 동시에 새로운 구조적 모티프를 발견하는 획기적인 기술입니다.

CreoPep의 핵심 기술:

• 마스크 언어 모델링과 점진적 마스킹: 기존 펩타이드 서열을 바탕으로 새로운 펩타이드 서열을 예측하고 생성하는 딥러닝 기법입니다. 이를 통해 자연계에는 존재하지 않는 새로운 펩타이드 후보 물질을 발굴할 수 있습니다.
• FoldX 기반 에너지 스크리닝과 온도 제어 다항 분포 샘플링: 생성된 펩타이드의 구조적 안정성과 기능적 효율성을 평가하는 과정입니다. FoldX는 펩타이드의 에너지를 예측하고, 온도 제어 다항 분포 샘플링은 다양한 펩타이드 후보군을 생성하여 최적의 펩타이드를 선택하는 데 도움을 줍니다.

놀라운 성과:

연구팀은 CreoPep을 이용하여 α7 니코틴성 아세틸콜린 수용체를 표적으로 하는 코노톡신 억제제를 설계하는 데 성공했습니다. 전기생리학적 분석 결과, 마이크로몰 이하의 뛰어난 효능을 보였습니다. 더욱 놀라운 점은 CreoPep이 생성한 펩타이드 변이체들이 기존의 방식으로는 예측할 수 없었던 새로운 결합 방식을 보여주었다는 것입니다. 이는 기존의 펩타이드 설계 패러다임을 뛰어넘는 혁신적인 결과입니다.

미래를 향한 도약:

CreoPep은 단순한 딥러닝 모델을 넘어, 컴퓨터 기반 펩타이드 설계와 실험적 검증을 연결하는 강력한 플랫폼입니다. 이를 통해 차세대 펩타이드 치료제 발견을 가속화하고, 다양한 질병 치료에 새로운 가능성을 열어줄 것으로 기대됩니다. 앞으로 CreoPep이 어떤 놀라운 결과를 가져올지 기대하며, 향후 연구 진행에 귀추가 주목됩니다.