최근 Nature Communications에 발표된 기사에서 버지니아 대학교의 연구팀이 AI 기반 접근법을 통해 단백질 우주에서 구조적 유사성과 관계를 탐구하는 방법을 제시함.
이들의 연구는 단백질 구조 관계에 대한 기존의 개념에 도전하며, 전통적인 방법으로는 놓치기 쉬운 미세한 관계들을 식별함.
구체적으로, 저자들은 수많은 단백질에 걸쳐 이러한 단백질 관계를 대규모로 탐지하고 정량화할 수 있는 계산 프레임워크를 보고함. 이 프레임워크는 딥러닝 기반 접근법과 Urfold라는 새로운 개념 모델을 결합하여, 서로 다른 토폴로지나 '접힘'을 가진 두 단백질이 구조적 유사성을 보일 수 있도록 함.
Bourne, Mura, Draizen은 Stella Veretnik과 협력하여 이 프로젝트를 진행했으며, 모든 저자는 데이터 과학 학교와 UVA의 생물 의공학과에 속한 Bourne & Mura 계산 생물학 연구소의 일원임.
이 출판물은 Bourne 연구소가 AI 기반 프레임워크인 DeepUrfold를 개발하기 위해 수년간의 작업을 거친 결과물로, Urfold 이론의 구조 관계를 체계적이고 대규모로 탐구할 수 있도록 함.
DeepUrfold를 사용하여 Bourne 연구소 팀은 진화적으로나 다른 방식으로 무관하다고 여겨졌던 단백질들 간의 미세한 구조적 관계를 탐지함.
이러한 원거리 관계를 포착하고 설명함에 있어 DeepUrfold는 단백질 관계를 '커뮤니티'라는 관점에서 바라보며, 단백질을 별도의 비중복 상자에 분류하는 전통적인 접근법을 피함. 이러한 새로운 방법론적 접근은 연구자들이 단백질 유사성을 정적이고 기하학적인 관점에서 벗어나 보다 통합된 접근으로 나아가도록 할 수 있음.
Bourne은 데이터 과학 학교의 창립 학장으로, 구조 생물정보학 및 계산 생물학 분야에서 세계적으로 유명함. 그의 경력 초기에는 RCSB 단백질 데이터 뱅크 개발을 공동 주도하여 이 분야를 혁신하고 AlphaFold와 같은 현대 AI 발전의 길을 열었음.
Mura는 데이터 과학 학교와 생물 의공학과에서 임명된 교수로, RNA 기반 시스템의 생화학적 및 결정학적 연구와 DNA의 분자 생물물리학에 대한 폭넓은 배경을 가지고 있음. 그는 분자 진화의 관점에서 생물학적 시스템을 바라보며, 이 분야와 데이터 과학의 교차점을 탐구함.
Draizen은 Bourne의 멘토링 아래 UVA에서 생물 의공학 박사 학위를 받았으며, 현재 샌프란시스코의 캘리포니아 대학교에서 계산 생물학의 박사후 연구원으로 활동 중임.
Veretnik은 UVA에서 계산 생물학과 단백질 접힘의 구조, 기능 및 진화에 초점을 맞춘 선임 연구 과학자임.
