알파폴드 기반 단백질-DNA 인터페이스 결합 친화도 예측을 위한 Docking 전략

본 주제는 딥러닝 기반의 구조 예측 모델인 AlphaFold 결과를 활용하여 특정 전사 인자가 DNA 결합 부위에 얼마나 강하게 결합할지를 예측하는 첨단 계산 생물학적 접근법을 다룹니다.

Docking 기반 결합력 평가 방법론

• 구조 준비: 먼저 AlphaFold 등을 사용하여 전사 인자와 잠재적 DNA 타겟 서열의 고품질 3차원 구조를 확보합니다.
• 도킹 수행: 확보된 두 분자 구조 간의 가능한 모든 접촉 모드(Pose)를 탐색하고, 각 모드의 결합 에너지를 계산하여 가장 안정적인 인터페이스 구조를 선별합니다. 이는 전통적인 분자 도킹 기법을 적용함을 의미합니다.

이 방법론은 실험적으로 확인하기 어려운 낮은 농도의 결합 친화도(K_d) 값을 계산 화학적 관점에서 정량화하며, 신약 개발 초기 단계에서 후보 물질의 적합도를 빠르게 필터링하는 데 유용합니다. 주요 고려사항으로는 용매 효과 및 유연성 반영 정도가 있습니다.