단백질 구조 리파인먼트(Refinement)의 세계에서 “어디까지 정밀해질 수 있는가?”라는 질문에 답은 대개 통계적 한계선에 부딪히기 마련입니다. 하지만 최근 진행된 HanjariFold-Endgame 엔진의 테스트 결과는 그 한계선이 다시 쓰여야 함을 증명했습니다. 🧬 ZENITH V34: AI가 제안하고, 물리 법칙이 완성하다 이번 분석 대상은 약 242개의 잔기와 DNA 복합체(12 bp)로 구성된 시스템이었습니다. 흥미로운 점은 초기 모델로 사용된 AI(Boltz) 생성 구조가 […]
[카테고리:] 개념정리
안녕하세요, ProteinMaker입니다. 오늘은 당사의 독자적인 분자 정밀화 엔진인 HanjariFold-Endgame을 활용하여, 구조 생물학계의 거대 타겟인 70S 리보솜(Ribosome) 복합체(PDB ID: 4V9C)를 세계 최고 수준의 정밀도로 최적화한 사례를 소개해 드립니다. 1. 배경: 리보솜, 30만 원자 데이터의 무게 2012년 Nature Structural & Molecular Biology에 발표된 리보솜 구조(4V9C)는 생명 현상의 핵심을 담고 있는 위대한 성과물입니다. 하지만 3.30 Å 해상도에서 규명된 […]
최근 AlphaFold 3(AF3)의 등장은 구조 생물학계에 커다란 충격을 주었습니다. 하지만 우리 모두가 알고 있듯, 예측된 ‘모양(Shape)’이 곧 ‘작동하는 실체(Functioning reality)’를 의미하지는 않습니다. AI가 제시한 고정밀 백본 구조 위에, 생체 내 환경인 수화층(Hydration Shell)과 물리적 평형을 입혀야만 비로소 계산 가능한 생물학적 데이터가 탄생합니다. 오늘은 HanjariFold Zenith 엔진을 통해 TRPC1/C4 이종 복합체 모델을 리파인먼트하며 얻은 통찰을 공유하고자 합니다. […]
단백질 구조 예측 AI인 AlphaFold3(AF3)는 혁신적인 도구이지만, 거대 핵산 복합체(Nucleoprotein) 시뮬레이션에서는 여전히 미세한 기하학적 오류를 남깁니다. 본 리포트에서는 유전자 가위로 잘 알려진 4UN3(Cas9-sgRNA-DNA 복합체)를 대상으로 HanjariFold ZENITH 엔진이 달성한 물리적 정제 성과를 팩트 중심으로 요약합니다. 1. 주요 지표 비교: AF3 원본 vs HanjariFold ZENITH 가장 객관적인 구조 검증 지표인 MolProbity 분석 결과, HanjariFold는 거대 복합체의 […]
1. 서론 단백질은 생체 내에서 다양한 기능을 수행하는 핵심적인 고분자 물질이며, 생명 과학 연구, 진단, 그리고 의약품 개발에 있어 필수적인 요소이다. 특정 단백질의 기능, 구조, 상호작용을 이해하고 이를 응용하기 위해서는 고품질의 순수한 단백질을 대량으로 확보하는 것이 선행되어야 한다. 단백질 발현 및 정제는 이러한 목표를 달성하기 위한 핵심적인 생명공학 기술로, 지난 수십 년간 비약적인 발전을 […]
참고자료: https://star-protocols.cell.com/protocols/3094 내용을 요약 정리한 글입니다. 올바른 시스템을 선택하는 것이 중요한 이유 단백질 생산은 단순히 유전자를 복제하여 배양하는 것 이상의 복잡한 과정입니다. 단백질의 기능과 구조적 특성을 고려하여 적합한 유전자 발현 시스템을 선택하는 것이 성공적인 결과의 핵심입니다. 잘못된 시스템을 선택하면 원하는 단백질을 얻지 못하거나, 품질이 낮고 비효율적인 생산으로 이어질 수 있습니다. 이 가이드는 여러분의 단백질에 가장 […]
단백질 구조 모델링 분야는 2024년 말 알파폴드(AlphaFold)의 노벨 화학상 수상을 기점으로 단순한 학술적 연구의 영역을 넘어 현대 생명공학 및 제약 산업의 핵심 인프라로 완전히 자리 잡았다. 2025년과 2026년 사이의 기술적 지형은 단일 단백질의 접힘 구조 예측을 넘어 단백질과 리간드, 핵산, 이온 간의 복합체 상호작용을 통합적으로 모델링하는 ‘멀티모달 파운데이션 모델(Multimodal Foundation Models)’의 시대로 진입했다. 이러한 변화는 […]
1. 개요 최근 생명과학 분야는 생성형 인공지능(AI)의 혁명적 발전으로 인해 근본적인 변화를 겪고 있습니다. 과거의 기술이 정적인 단백질 구조를 예측하는 데 주력했다면, 새로운 AI 모델들은 단백질이 기능하기 위해 필수적인 동적인 특성, 즉 다양한 형태 변화를 예측하는 방향으로 진화하고 있습니다. 본 보고서는 이러한 패러다임 변화를 주도하는 마이크로소프트 리서치의 선구적인 생성형 AI 시스템인 ‘BioEmu(Biomolecular Emulator)’에 대해 상세히 […]
1부: 생성형 AI 기반 단백질 설계의 혁신 사례 분석 1.1. 개요: 단백질 설계의 새로운 시대, AI의 등장 지난 몇 년간, AlphaFold와 같은 혁신적인 딥러닝 모델들은 단백질 구조 예측 분야에 혁명을 가져왔다. 이 모델들은 아미노산 서열만으로 단백질의 3차원 구조를 높은 정확도로 예측함으로써, 수십 년간 생명과학계의 난제였던 단백질 접힘(protein folding) 문제를 사실상 해결했다.1 그러나 이는 본질적으로 자연에 ‘이미 […]
논문 요약: RFdiffusion3 (RFD3) 1. 핵심 개요 워싱턴 대학교 단백질 디자인 연구소(Institute for Protein Design) 연구진이 개발한 RFdiffusion3(RFD3)는 기존 단백질 디자인 모델의 한계를 뛰어넘는 전체 원자(All-atom) 기반의 생성형 확산 모델(Diffusion model)입니다. 기존 모델들이 단백질의 백본(뼈대) 좌표 생성에 집중하고 비단백질 분자와의 상호작용을 간과했던 것과 달리, RFD3는 리간드, 핵산(DNA/RNA), 금속 이온 등 비단백질 원자들과의 상호작용까지 정밀하게 모델링합니다. […]