단백질 공학

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요
2. 접근 방법
3. 스크리닝 및 선별 기술
4. 응용 분야
- 4.1. 효소 공학
5. 인공 단백질의 예시
참조

1. 개요

단백질 공학은 단백질의 구조와 기능을 변형하여 새로운 특성을 부여하는 기술이다. 접근 방법으로는 단백질의 구조와 기능에 대한 지식을 활용하는 합리적 설계, 무작위 변이 도입과 선택 시스템을 반복하는 지향성 진화, 서열, 구조, 기능 정보를 결합하는 반합리적 설계 등이 있다. 단백질 공학은 효소 공학, 인공 단백질 설계 등 다양한 분야에 응용되며, 파지 디스플레이, 세포 표면 디스플레이, 무세포 디스플레이 등의 스크리닝 기술을 통해 변이 단백질을 탐색한다. 한국에서는 포스텍 연구팀의 딥러닝 기반 단백질 구조 예측 모델 개발, KRICT의 바이오 플라스틱 생산 효소 개발 등 활발한 연구가 진행되고 있다.

더 읽어볼만한 페이지

생물공학 - CRISPR
CRISPR은 세균과 고세균이 외래 유전 물질로부터 자신을 방어하는 적응 면역 시스템으로, CRISPR-Cas9 시스템은 유전자 편집 기술로 발전하여 노벨 화학상을 수상했으며, 유전 질환 치료, 농업 등 다양한 분야에 활용될 잠재력을 지닌다.
생물공학 - 생물반응기
생물반응기는 생화학 공학 및 생물 공정 공학에서 미생물, 세포, 효소 등을 이용하여 생물학적 물질을 처리하는 반응 장치로, 온도, pH 등을 제어하여 최적의 환경을 제공하며, 광생물반응기나 하수 처리 등 다양한 분야에 활용되고 세척 용이성이 중요하며 교반기 등의 구성 요소를 갖춘다.
효소 - 활성 부위
활성 부위는 효소 분자 내에서 기질과 결합하여 촉매 작용을 하는 특정 부위이며, 다양한 모델로 설명되고, 결합 부위, 촉매 부위, 보조인자를 포함하며, 저해제와 알로스테릭 부위와 관련되어 신약 개발에 활용된다.
효소 - 제한 효소
제한 효소는 DNA의 특정 염기서열을 인식하여 절단하는 효소로, 유전체학과 생명공학 발전에 기여하여 노벨상을 수상했으며, 인식 서열 특이성 등에 따라 다양한 유형으로 분류되어 여러 연구 및 응용 분야에 활용된다.
생명공학 - 사이보그
사이보그는 인공 부위를 이식받아 신체 기능이 복원되거나 향상된 개조 생명체로, 보철, 인공 장기 등의 기술을 포함하며 의료, 윤리, 군사적 측면에서 다양한 논의를 낳고 있다.
생명공학 - CRISPR
CRISPR은 세균과 고세균이 외래 유전 물질로부터 자신을 방어하는 적응 면역 시스템으로, CRISPR-Cas9 시스템은 유전자 편집 기술로 발전하여 노벨 화학상을 수상했으며, 유전 질환 치료, 농업 등 다양한 분야에 활용될 잠재력을 지닌다.

단백질 공학
개요
분야	생물공학
하위 분야	단백질 디자인 지향 진화 반합성 단백질 유전자 재조합
목표
목표	특정 목적에 맞게 단백질의 특성을 변경하는 것
예시	안정성 향상 결합 친화도 변경 새로운 기능 추가
접근 방식
접근 방식	합리적인 디자인 지향 진화 디 노보 디자인
응용 분야
응용 분야	생촉매 치료제 개발 생체 재료 바이오센서
관련 기술
관련 기술	고처리량 스크리닝 유전자 합성 컴퓨터 기반 모델링

2. 접근 방법

단백질 공학의 주요 접근 방법에는 크게 세 가지가 있다.

합리적 설계: 단백질의 구조와 기능에 대한 정보를 바탕으로 특정 아미노산을 변화시키는 방법이다.
지향성 진화: 무작위 돌연변이와 선별 과정을 반복하여 원하는 특성을 가진 단백질을 만들어내는 방법이다.
반합리적 설계: 단백질 서열, 구조, 기능 정보를 예측 알고리즘과 함께 사용하여 주요 아미노산 잔기를 চিহ্নিত하고, 이 잔기들에 돌연변이를 도입하여 향상된 단백질을 얻는 방법이다.^[11]

반합리적 효소 공학 및 드 노보(de novo) 효소 설계의 발전은 연구자들에게 생체 촉매를 조작할 수 있는 강력하고 효과적인 전략을 제공한다.^[11] 서열 및 구조 기반 접근 방식을 라이브러리 설계에 통합하는 것은 효소 재설계에 훌륭한 지침이 된다.^[11]

현재의 계산 드 노보 및 재설계 방법은 촉매 성능 측면에서 진화된 변이체와 비교할 수 없다. 직접 진화를 사용하여 실험적 최적화를 수행할 수 있지만, 구조 예측의 정확성 향상과 더 큰 촉매 능력은 설계 알고리즘 개선을 통해 달성될 것이다. 단백질 동역학을 통합하여 향후 시뮬레이션에 추가적인 기능 향상을 포함할 수 있다.^[11]

생화학 및 생물리학 연구와 예측 프레임워크의 미세 조정은 개별 설계 특징의 기능적 중요성을 실험적으로 평가하는 데 유용하다. 이러한 기능적 기여에 대한 더 나은 이해는 향후 설계를 개선하기 위한 피드백을 제공한다.^[11]

계산 단백질 설계가 단백질 공학이 생체 고분자를 조작하는 방식을 근본적으로 변화시켰지만, 직접 진화는 단백질 공학의 선택 방법으로 대체되지 않을 것이다. 가설 주도 단백질 공학을 위한 예측 프레임워크를 통합하는 방법을 사용하여 더 작고, 더 집중적이며, 기능이 풍부한 라이브러리를 생성할 수 있다. 새로운 설계 전략과 기술 발전은 집중 라이브러리에서 최고 성능의 후보자를 식별하는 가장 효과적인 전략인 직접 진화와 같은 전통적인 프로토콜에서 벗어나기 시작했다. 전체 유전자 라이브러리 합성은 라이브러리 준비를 위한 셔플링 및 돌연변이 유발 프로토콜을 대체하고 있다. 또한 매우 특정한 저처리량 스크리닝 분석법이 수백만 개의 후보자에 대한 기념비적인 스크리닝 및 선택 노력을 대신하여 점점 더 많이 적용되고 있다. 이러한 발전은 단백질 공학을 직접 진화 너머로, 생촉매를 맞춤화하기 위한 실용적이고 효율적인 전략으로 이끌 것이다.^[11]

2. 1. 합리적 설계

합리적 단백질 설계는 과학자가 단백질의 구조와 기능에 대한 상세한 지식을 바탕으로 원하는 특성을 갖도록 아미노산 서열을 설계하는 방법이다. 일반적으로 부위 지향적 돌연변이 유발 방법이 널리 쓰이는데, 이는 저렴하고 기술적으로 쉽기 때문이다.^[4] 그러나 이 방법은 단백질에 대한 상세한 구조적 정보를 얻기 어렵거나, 얻더라도 정적인 구조 정보만으로는 다양한 돌연변이의 영향을 예측하기 어렵다는 단점이 있다. Folding@home, Foldit과 같은 프로그램은 크라우드 소싱 기술을 활용하여 단백질 접힘 모티프에 대한 통찰력을 얻는 데 기여하고 있다.^[4]

계산 단백질 설계 알고리즘은 미리 지정된 구조로 접혔을 때 에너지가 낮은 새로운 아미노산 서열을 찾는 것을 목표로 한다. 방대한 서열-구조 공간을 탐색해야 하므로, 계산 단백질 설계의 핵심은 최적의 서열과 유사한 차선의 서열을 구별할 수 있는 빠르고 정확한 에너지 함수를 개발하는 것이다.

2. 1. 1. 다중 서열 정렬

단백질 구조 정보가 없는 경우, 서열 분석은 대상 단백질 서열을 다른 관련 단백질 서열과 정렬하여 단백질에 대한 정보를 밝히는 데 유용하다. 이 정렬을 통해 종 간에 보존되고 단백질의 기능에 중요한 아미노산을 알 수 있다. 이러한 분석은 돌연변이의 표적 부위 역할을 할 수 있는 핫 스팟 아미노산을 식별하는 데 도움이 될 수 있다.^[5] 다중 서열 정렬은 PREFAB, SABMARK, OXBENCH, IRMBASE, BALIBASE와 같은 데이터베이스를 활용하여 대상 단백질 서열을 알려진 서열과 교차 참조한다.^[25]

다중 서열 정렬에는 여러 가지 방법이 사용된다.

방법	설명
점진적 정렬	k-튜플 또는 니들만-분쉬 방법을 사용하여 서열의 쌍별 정렬을 수행하고, 서열 쌍 간의 쌍별 유사성을 나타내는 행렬을 계산한다. 유사성 점수를 거리 점수로 변환하여 이웃 결합 방법을 사용하여 가이드 트리를 생성하고, 이 가이드 트리를 사용하여 다중 서열 정렬을 얻는다.^[5]
Clustal omega	k-튜플법을 이용하여 최대 19만 개의 배열 정렬이 가능하다. mBed법과 k-평균법을 사용하여 배열 클러스터링을 수행하고, HH align 패키지에서 사용되는 UPGMA법을 사용하여 가이드 트리를 구축한다. 이 가이드 트리를 사용하여 다중 배열 정렬을 생성한다.
MAFFT	고속 푸리에 변환(FFT)을 이용하여 아미노산 서열을 각 아미산 잔기의 부피와 극성 값으로 구성된 배열로 변환한다. 이 새로운 배열을 사용하여 상동 영역을 탐색한다.
MUSCLE	Wu-Manber 근사 문자열 매칭 알고리즘을 이용하여 다중 서열 정렬을 생성한다.
K-Align	K-mer와 키무라 거리를 이용하여 다중 배열 정렬을 생성한다.
T-Coffee	정렬 진화에 트리 기반 정합성 목적 함수를 이용한다. ClustalW와 비교하여 5-10%의 정확도를 가진 것으로 나타났다.

2. 1. 2. 공진화 분석

공진화 분석은 상관 돌연변이, 공변이, 또는 공변환이라고도 알려져 있다. 이러한 유형의 합리적인 설계는 진화적으로 상호 작용하는 유전자좌에서 상호적인 진화적 변화를 포함한다.^[5]

일반적으로 이 방법은 대상 서열에 대한 큐레이션된 다중 서열 정렬을 생성하는 것으로 시작한다. 이 정렬은 간격이 많은 서열과 낮은 서열 동일성을 가진 서열을 제거하여 수동으로 개선하는데, 이 단계는 정렬의 품질을 향상시킨다. 다음으로, 수동으로 처리된 정렬은 뚜렷한 상관 돌연변이 알고리즘을 사용하여 추가적인 상호 진화 측정을 위해 활용된다. 이러한 알고리즘은 상호 진화 점수 행렬을 생성한다. 이 행렬은 다양한 유의성 검정을 적용하여 유의미한 상호 진화 값을 추출하고 배경 노이즈를 제거하여 필터링된다. 상호 진화 측정은 성능과 엄격성을 평가하기 위해 추가로 평가된다. 마지막으로, 이 상호 진화 분석의 결과는 실험적으로 검증된다.^[5]

2. 1. 3. 구조 예측

단백질 구조 예측은 아미노산 서열 정보를 바탕으로 단백질의 3차원 구조를 예측하는 방법이다. 여기에는 ''Ab initio'' 방법, 단편 기반 방법, 상동성 모델링, 단백질 스레딩 등의 기술이 활용된다.^[5]

'''Ab initio'' 방법:** 템플릿 구조 정보를 사용하지 않고, 자유 에너지의 전역 최소값에 해당하는 단백질의 기본 구조를 예측한다. AMBER, GROMOS, GROMACS, CHARMM, OPLS, ENCEPP12 등이 이 방법에 속한다. 일반적인 단계는 기하학적 표현, 포텐셜 에너지 함수 모델 개발, 에너지 탐색 기술 적용 순서로 진행된다.^[5]
단편 기반 방법: 단백질 서열과 상동 구조를 데이터베이스에서 찾아 비교하고, 가장 낮은 잠재 에너지를 갖는 구조를 예측한다. I-TASSER, ROSETTA, ROSETTA@home, FRAGFOLD, CABS fold, PROFESY, CREF, QUARK, UNDERTAKER, HMM, ANGLOR 등이 사용된다.
상동성 모델링: 질의 서열과 상동성을 갖는 알려진 구조의 템플릿 서열을 식별하고, 이를 기반으로 3차원 구조를 예측한다. SWISS MODEL, MODELLER, ReformAlign, PyMOD, TIP-STRUCTFAST, COMPASS, 3d-PSSM, SAMT02, SAMT99, HHPRED, FAGUE, 3D-JIGSAW, META-PP, ROSETTA, I-TASSER 등의 서버를 이용할 수 있다.^[5]
단백질 스레딩: 질의 서열에 대한 신뢰할 수 있는 상동체를 찾을 수 없을 때 사용되는 방법이다. 질의 서열을 알려진 템플릿 구조에 스레딩하여 가장 낮은 잠재 에너지를 갖는 모델을 선택한다. GenTHREADER, pGenTHREADER, pDomTHREADER, ORFEUS, PROSPECT, BioShell-Threading, FFASO3, RaptorX, HHPred, LOOPP 서버, Sparks-X, SEGMER, THREADER2, ESYPRED3D, LIBRA, TOPITS, RAPTOR, COTH, MUSTER 등이 사용된다.^[5]

2. 2. 지향성 진화

지향성 진화는 무작위 돌연변이 유발과 스크리닝/선별 과정을 반복하여 원하는 특성을 가진 단백질을 진화시키는 방법이다. 오류 유발 PCR, DNA 셔플링 등의 기술이 활용된다.

이 방법은 자연 진화를 모방하며, 일반적으로 합리적 설계보다 우수한 결과를 낳는다. 지향성 진화는 단백질에 대한 사전 구조적 지식이 필요하지 않고, 주어진 돌연변이가 어떤 영향을 미칠지 예측할 필요도 없다는 장점이 있다. 실제로, 지향성 진화 실험의 결과는 종종 놀라운데, 원하는 변화가 어떤 영향을 미칠 것으로 예상되지 않았던 돌연변이에 의해 발생하는 경우가 많기 때문이다.^[9]

하지만, 모든 단백질에 대해 실행 가능하지 않은 고처리량 스크리닝이 필요하다는 단점이 있다. 대량의 재조합 DNA를 돌연변이시키고, 원하는 특성에 대해 생성물을 스크리닝해야 하기 때문에 많은 수의 변이체는 종종 프로세스를 자동화하기 위해 값비싼 로봇 장비를 필요로 한다. 또한, 모든 원하는 활동을 쉽게 스크리닝할 수 있는 것은 아니다.^[9]

일반적으로 지향성 진화는 단백질 돌연변이 라이브러리를 생성하고, 개선된 특성을 가진 변이체를 선택하기 위한 고처리량 스크리닝 프로세스를 포함하는 반복적인 2단계 프로세스로 요약될 수 있다. 이 기술은 단백질 구조와 기능의 관계에 대한 사전 지식이 필요하지 않으며, 무작위 또는 집중 돌연변이 유발을 사용하여 돌연변이 단백질의 라이브러리를 생성한다.^[5]

지향성 진화 방법은 크게 무성 진화 방법과 유성 진화 방법의 두 가지 전략으로 분류될 수 있다.

2. 2. 1. 무성 진화법

무성 생식 방법은 부모 유전자 간의 교차 연결을 생성하지 않는다. 단일 유전자를 사용하여 다양한 돌연변이 유발 기술을 통해 돌연변이 라이브러리를 만든다. 이러한 무성 생식 방법은 무작위 또는 집중적인 돌연변이 유발을 생성할 수 있다.^[31] 무작위 변이는 오류 발생 PCR이나 부위 포화 변이 도입법을 이용하여 도입할 수 있다.^[31]

2. 2. 2. 유성 진화법

유도 진화의 성적 방법은 자연적인 생체 내 재조합을 모방하는 시험관 내 재조합을 포함한다. 이러한 기술은 주로 두 개의 서로 다른 부모 유전자를 재조합하여 이들 간의 교차를 생성한다.^[5]

상동 재조합은 ''생체 외'' 또는 ''생체 내''로 분류할 수 있다. ''생체 외'' 상동 재조합은 자연적인 ''생체 내'' 재조합을 모방하며, 모체 서열 간의 높은 서열 상동성을 필요로 한다. 이러한 기술은 키메라 유전자를 생성하기 위해 모체 유전자를 재조합하여 모체 유전자의 자연적인 다양성을 활용한다. 결과적인 키메라는 모체 특성의 혼합을 나타낸다.^[5]

''시험관 내'' 상동 재조합 방법은 다음과 같다.

DNase1을 이용한 방법: 상동성 부모 유전자를 DNase1으로 작은 조각으로 절단하고, 정제된 조각들을 프라이머가 없는 PCR을 사용하여 재조립한다. 이 PCR은 서로 다른 부모 유전자에서 유래한 상동성 조각들이 서로 프라이밍하여 키메라 DNA를 생성하는 과정을 포함한다. 부모 크기의 키메라 DNA는 일반적인 PCR에서 말단 프라이머를 사용하여 증폭된다.^[5]
무작위 서열 프라이머를 이용한 방법: 무작위 서열 프라이머를 사용하여 점 돌연변이를 나타내는 많은 짧은 유전자 조각을 합성한다. 이 조각들은 프라이머가 없는 PCR을 사용하여 전체 길이의 모(母) 유전자로 재조립된다. 이 방법은 DNA 셔플링에 비해 DNase1을 사용하지 않으므로 피리미딘 뉴클레오타이드 옆에서 재조합에 대한 편향이 없다는 점에서 유리하다.^[5]
메타게놈 샘플을 이용한 방법: 메타게놈 DNA 샘플에서 기능적 스크리닝을 통해 원하는 유전자를 분리하고, 특정 프라이머를 설계하여 다양한 환경 샘플에서 상동 유전자를 증폭한다. 증폭된 상동 유전자를 셔플하여 원하는 기능적 클론을 검색하기 위해 키메라 라이브러리를 생성한다.^[5]
주형 전환(Template Switching) 기반 방법: 주형 전환을 기반으로 키메라 유전자를 생성한다. 이 PCR 기반 방법은 주형의 초기 변성으로 시작하여, 프라이머 어닐링과 짧은 연장 시간을 따른다. 짧은 단편과 주형은 서열 상보성을 기반으로 함께 어닐링된다. 이 방법은 부모 유전자 길이의 키메라 유전자 서열이 얻어질 때까지 수행된다.^[5]
StEP (Staggered Extension Process) 방법: 부모 유전자 상위 가닥에서 얻은 단편들을 상동 유전자의 우라실 함유 주형의 하위 가닥에 정렬한다. 5' 및 3' 오버행 플랩을 절단하고, Pfu 및 Taq DNA 중합효소의 엑소뉴클레아제와 엔도뉴클레아제 활성을 통해 틈을 채운다. 이 방법은 비교적 높은 교차 빈도를 갖는 키메라를 생성하기 때문에 유리하다.^[5]
합성 퇴화 올리고뉴클레오타이드 셔플링: 최적의 코돈과 유익한 돌연변이를 포함할 수 있으므로 셔플링 방법에 유연성을 더한다.^[5]
효모를 이용한 클로닝: 조각난 발현 벡터의 PCR 의존적 재조합을 포함한다. 이렇게 재조합된 벡터는 효모에 도입되어 클로닝된다. 벡터를 클로닝하는 데 효모를 사용하면, 대장균(E. coli)에서의 연결 및 증식으로 인해 발생할 수 있는 독성 및 반대 선택을 피할 수 있다.^[5]

2. 3. 반합리적 설계

반합리적 설계는 합리적 설계와 지향성 진화(directed evolution)를 결합한 방법으로, 단백질의 서열, 구조, 기능에 대한 정보를 예측 알고리즘과 함께 사용하여 단백질 기능에 가장 큰 영향을 미칠 가능성이 있는 아미노산 잔기를 찾아낸다.^[11]^[76] 이렇게 찾아낸 아미노산 잔기에 돌연변이를 도입하여 향상된 특성을 가질 가능성이 높은 변이 단백질 라이브러리를 생성한다.^[11]^[76]

반합리적 효소 공학과 *de novo* 효소 설계의 발전은 연구자들이 생체 촉매를 조작할 수 있는 새롭고 강력한 전략을 제공한다.^[11]^[77] 서열 및 구조 기반 접근 방식을 라이브러리 설계에 통합하는 것은 효소 재설계에 훌륭한 지침이 된다.^[11]^[77] 다만, 현재의 계산 *de novo* 및 재설계 방법은 촉매 성능 면에서 진화된 변이체와 비교할 수 없다.^[11]^[77] 지향성 진화를 사용하여 실험적 최적화를 수행할 수 있지만, 구조 예측의 정확성 향상과 더 큰 촉매 능력은 설계 알고리즘 개선을 통해 달성될 것이다.^[11]^[77]

생화학 및 생물리학 연구와 예측 프레임워크의 미세 조정은 개별 설계 특징의 기능적 중요성을 실험적으로 평가하는 데 유용하며,^[11]^[78] 이러한 기능적 기여에 대한 더 나은 이해는 향후 설계를 개선하기 위한 피드백을 제공할 것이다.^[11]^[78]

컴퓨터 단백질 설계가 단백질 공학이 생체 고분자를 조작하는 방식을 근본적으로 변화시켰지만, 지향성 진화는 여전히 단백질 공학에서 중요한 방법으로 남아있다.^[11]^[79] 가설 주도 단백질 공학을 위한 예측 프레임워크를 통합하는 방법을 사용하면 더 작고, 더 집중적이며, 기능이 풍부한 라이브러리를 생성할 수 있다.^[11]^[79] 새로운 설계 전략과 기술 발전으로 인해, 지향성 진화와 같이 집중 라이브러리에서 최고 성능의 후보자를 식별하는 가장 효과적인 전략에서 벗어나기 시작했다.^[11]^[79] 또한, 매우 특정한 저처리량 스크리닝 분석법이 수백만 개의 후보자에 대한 스크리닝 및 선택을 대신하여 점점 더 많이 적용되고 있다.^[11]^[79] 이러한 발전은 단백질 공학을 지향성 진화를 넘어, 생촉매를 맞춤화하기 위한 실용적이고 효율적인 전략으로 이끌 것이다.^[11]^[79]

3. 스크리닝 및 선별 기술

단백질이 지향 진화, 합리적 설계 또는 반합리적 설계를 거치면, 어떤 변이체가 향상된 특성을 보이는지 결정하기 위해 변이 단백질 라이브러리를 스크리닝해야 한다.

파지 디스플레이법은 단백질 스크리닝을 위한 한 가지 방법이다. 이 방법은 변이 폴리펩타이드를 암호화하는 유전자를 파지 외피 단백질 유전자와 융합시키는 것을 포함한다. 파지 표면에 발현된 단백질 변이체는 생체 외에서 고정된 표적과 결합하여 선택된다. 선택된 단백질 변이체를 가진 파지는 박테리아에서 증폭된 후, 효소 결합 면역 흡착 분석법(ELISA)으로 양성 클론을 식별한다. 그런 다음 이 선택된 파지는 DNA 염기서열 분석을 거친다.^[5]

세포 표면 디스플레이 시스템 역시 변이 폴리펩타이드 라이브러리를 스크리닝하는 데 활용될 수 있다. 라이브러리 변이 유전자는 발현 벡터에 통합된 다음 적절한 숙주 세포로 형질전환된다. 이러한 숙주 세포는 원하는 표현형을 가진 세포를 식별하기 위해 추가적인 고처리량 스크리닝 방법에 적용된다.^[5]

무세포 디스플레이 시스템은 ''생체 외''(in vitro) 단백질 번역 또는 무세포 번역을 활용하기 위해 개발되었다. 이러한 방법에는 mRNA 디스플레이, 리보솜 디스플레이, 공유 결합 및 비공유 결합 DNA 디스플레이, 그리고 ''생체 외'' 구획화가 포함된다.^[5]

4. 응용 분야

단백질 공학은 바이오 의약품, 산업용 효소, 바이오 센서, 생체 재료 등 다양한 분야에 응용될 수 있다. 합리적 단백질 설계에서 과학자는 단백질의 구조와 기능에 대한 상세한 지식을 사용하여 원하는 변화를 만들어낸다. 이는 부위 지향적 돌연변이 유발 방법이 잘 개발되어 있어 저렴하고 기술적으로 쉽다는 장점이 있다. 그러나 단백질에 대한 상세한 구조적 지식을 얻을 수 없는 경우가 많고, 지식을 얻더라도 구조 정보가 대부분 단백질 구조의 정적인 그림을 제공하기 때문에 다양한 돌연변이의 영향을 예측하기가 매우 어려울 수 있다는 단점이 있다. Folding@home 및 Foldit과 같은 프로그램은 단백질의 접힘 모티프에 대한 통찰력을 얻기 위해 크라우드 소싱 기술을 활용해 왔다.^[4]

계산 단백질 설계 알고리즘은 미리 지정된 대상 구조로 접혔을 때 에너지가 낮은 새로운 아미노산 서열을 식별하는 것을 목표로 한다. 검색해야 하는 서열-구조 공간이 넓지만, 계산 단백질 설계의 가장 어려운 요구 사항은 최적의 서열을 유사한 차선의 서열과 구별할 수 있는 빠르고 정확한 에너지 함수이다.

4. 1. 효소 공학

효소 공학은 새로운 대사 산물을 생성하거나, 반응이 일어날 수 있도록 새로운 (촉매) 경로를 허용하거나, 특정 화합물을 다른 화합물로 전환하기 위해 효소의 구조(및 기능)를 수정하거나, 분리된 효소의 촉매 활성을 변경하는 응용 분야이다.^[83] 이러한 제품은 화학 물질, 의약품, 연료, 식품, 농업 첨가물 등으로 유용하게 사용된다.

합리적 설계는 과학자가 단백질의 구조와 기능에 대한 상세한 지식을 사용하여 원하는 변경을 가할 수 있다. 일반적으로 부위 특이적 돌연변이 유발법이 발달하여 저렴하고 기술적으로 용이하다는 장점이 있다. 그러나 단백질의 상세한 구조 정보를 얻을 수 없는 경우가 많고, 얻더라도 구조 정보가 단백질의 구조를 정적으로 나타내는 경우가 많기 때문에 다양한 변이의 효과를 예측하는 것이 매우 어렵다는 큰 단점이 있다. Folding@home이나 Foldit과 같은 프로그램은 단백질의 접힘 모티프를 알기 위해 크라우드 소싱 기술을 이용하고 있다.^[24]

계산 단백질 설계 알고리즘은 미리 지정된 표적 구조로 접혔을 때 낮은 에너지를 갖는 새로운 아미노산 서열을 식별하는 것을 목표로 한다. 탐색해야 할 서열-구조 공간은 넓지만, 계산 단백질 설계의 가장 어려운 요건은 최적의 서열과 유사한 최적이지 않은 서열을 구별할 수 있는 빠르고 정확한 에너지 함수이다.

''효소 반응기''^[84]는 효소적 수단에 의해 원하는 전환을 수행하는 데 사용되는 반응 매질을 포함하는 용기로 구성된다. 이 과정에 사용되는 효소는 용액 내에서 자유롭게 존재한다. 또한 미생물은 효소의 중요한 기원 중 하나이다.^[85]

5. 인공 단백질의 예시

Top7은 자연계에 존재하지 않는 새로운 폴드(fold)를 갖도록 설계된 인공 단백질이다.^[15] 릴로나셉트는 융합 단백질의 일종으로, 크리오피린 연관 주기성 증후군 치료제로 미국 식품의약국(FDA)의 승인을 받았다.^[86] PoreDesigner는 ''in silico'' 방법으로 박테리아 채널 단백질(OmpF)의 기공 크기를 조절할 수 있도록 재설계하는 데 사용되었다.^[91]

참조

_[1] 웹사이트 Protein engineering – Latest research and news https://www.nature.c[...] 2023-01-24
_[2] 논문 Integrating protein engineering into biocatalytic process scale-up https://linkinghub.e[...] 2022-05
_[3] 뉴스 Speeding Up the Protein Assembly Line https://www.genengne[...] 2015-02-13
_[4] 논문 Rational Design Protein Engineering Through Crowdsourcing https://www.jofsr.or[...] 2017
_[5] 서적 Protein Engineering Techniques Springer 2017
_[6] 간행물 Engineering Multivalent and Multispecific Protein Therapeutics https://doi.org/10.1[...] Springer 2014
_[7] 논문 "Diabodies": small bivalent and bispecific antibody fragments. 1993-07-15
_[8] 논문 The making of bispecific antibodies 2017-02-17
_[9] 논문 Protein Design by Directed Evolution 2008-06
_[10] 논문 Advances in generating functional diversity for directed protein evolution
_[11] 논문 Beyond directed evolution—semi-rational protein engineering and design 2010-12
_[12] 뉴스 'Designer Enzymes' Created By Chemists Have Defense And Medical Uses https://www.scienced[...] 2008-03-20
_[13] 웹사이트 Enzyme reactors http://www.lsbu.ac.u[...] 2013-11-02
_[14] 논문 Enzyme Engineering: Current Trends and Future Perspectives https://doi.org/10.1[...] 2021-02-17
_[15] 간행물 Design of a Novel Globular Protein Fold with Atomic-Level Accuracy
_[16] 간행물 Computational design of receptor and sensor proteins with novel functions
_[17] 간행물 Computational design of Candida boidinii xylose reductase for altered cofactor specificity 2009-10
_[18] 간행물 Computational design of Candida boidinii xylose reductase for altered cofactor specificity 2009-10
_[19] 간행물 Stabilization of a Protein Nanocage through the Plugging of a Protein–Protein Interfacial Water Pocket 2011-04
_[20] 논문 PoreDesigner for tuning solute selectivity in a robust and highly permeable outer membrane pore 2018-09-10
_[21] 웹사이트 Protein engineering - Latest research and news | Nature 2023-01-24
_[22] 웹사이트 Protein engineering - Latest research and news | Nature 2023-01-24
_[23] 뉴스 Speeding Up the Protein Assembly Line 2015-02-13
_[24] 논문 Rational Design Protein Engineering Through Crowdsourcing
_[25] 서적 Protein Engineering Techniques Springer 2017
_[26] 간행물 Engineering Multivalent and Multispecific Protein Therapeutics Springer 2021-12-08
_[27] 논문 "Diabodies": small bivalent and bispecific antibody fragments. 1993-07-15
_[28] 논문 The making of bispecific antibodies 2017-02-17
_[29] 논문 Protein Design by Directed Evolution 2008-06
_[30] 논문 Advances in generating functional diversity for directed protein evolution
_[31] 서적 Protein Engineering Techniques Springer 2017
_[32] 서적 Protein Engineering Techniques Springer 2017
_[33] 서적 Protein Engineering Techniques Springer 2017
_[34] 서적 Protein Engineering Techniques Springer 2017
_[35] 서적 Protein Engineering Techniques Springer 2017
_[36] 서적 Protein Engineering Techniques Springer 2017
_[37] 서적 Protein Engineering Techniques Springer 2017
_[38] 서적 Protein Engineering Techniques Springer 2017
_[39] 서적 Protein Engineering Techniques Springer 2017
_[40] 서적 Protein Engineering Techniques Springer 2017
_[41] 서적 Protein Engineering Techniques Springer 2017
_[42] 서적 Protein Engineering Techniques Springer 2017
_[43] 서적 Protein Engineering Techniques Springer 2017
_[44] 서적 Protein Engineering Techniques Springer 2017
_[45] 서적 Protein Engineering Techniques Springer 2017
_[46] 서적 Protein Engineering Techniques Springer 2017
_[47] 서적 Protein Engineering Techniques Springer 2017
_[48] 서적 Protein Engineering Techniques Springer 2017
_[49] 서적 Protein Engineering Techniques Springer 2017
_[50] 서적 Protein Engineering Techniques Springer 2017
_[51] 서적 Protein Engineering Techniques Springer 2017
_[52] 서적 Protein Engineering Techniques Springer 2017
_[53] 서적 Protein Engineering Techniques Springer 2017
_[54] 서적 Protein Engineering Techniques Springer 2017
_[55] 서적 Protein Engineering Techniques Springer 2017
_[56] 서적 Protein Engineering Techniques Springer 2017
_[57] 서적 Protein Engineering Techniques Springer 2017
_[58] 서적 Protein Engineering Techniques Springer 2017
_[59] 서적 Protein Engineering Techniques Springer 2017
_[60] 서적 Protein Engineering Techniques Springer 2017
_[61] 서적 Protein Engineering Techniques Springer 2017
_[62] 서적 Protein Engineering Techniques Springer 2017
_[63] 서적 Protein Engineering Techniques Springer 2017
_[64] 서적 Protein Engineering Techniques Springer 2017
_[65] 서적 Protein Engineering Techniques Springer 2017
_[66] 서적 Protein Engineering Techniques Springer 2017
_[67] 서적 Protein Engineering Techniques Springer 2017
_[68] 서적 Protein Engineering Techniques Springer 2017
_[69] 서적 Protein Engineering Techniques Springer 2017
_[70] 서적 Protein Engineering Techniques Springer 2017
_[71] 서적 Protein Engineering Techniques Springer 2017
_[72] 서적 Protein Engineering Techniques Springer 2017
_[73] 서적 Protein Engineering Techniques Springer 2017
_[74] 서적 Protein Engineering Techniques Springer 2017
_[75] 서적 Protein Engineering Techniques Springer 2017
_[76] 논문 Beyond directed evolution—semi-rational protein engineering and design 2010-12
_[77] 논문 Beyond directed evolution—semi-rational protein engineering and design 2010-12
_[78] 논문 Beyond directed evolution—semi-rational protein engineering and design 2010-12
_[79] 논문 Beyond directed evolution—semi-rational protein engineering and design 2010-12
_[80] 서적 Protein Engineering Techniques Springer 2017
_[81] 서적 Protein Engineering Techniques Springer 2017
_[82] 서적 Protein Engineering Techniques Springer 2017
_[83] 뉴스 'Designer Enzymes' Created By Chemists Have Defense And Medical Uses https://www.scienced[...] ScienceDaily 2008-03-20
_[84] 웹사이트 Enzyme reactors http://www.lsbu.ac.u[...] 2013-11-02
_[85] 논문 Enzyme Engineering: Current Trends and Future Perspectives https://doi.org/10.1[...] 2021-02-17
_[86] 간행물 Design of a Novel Globular Protein Fold with Atomic-Level Accuracy
_[87] 간행물 Computational design of receptor and sensor proteins with novel functions
_[88] 간행물 Computational design of Candida boidinii xylose reductase for altered cofactor specificity 2009-10
_[89] 간행물 Computational design of Candida boidinii xylose reductase for altered cofactor specificity 2009-10
_[90] 간행물 Stabilization of a Protein Nanocage through the Plugging of a Protein–Protein Interfacial Water Pocket 2011-04
_[91] 논문 PoreDesigner for tuning solute selectivity in a robust and highly permeable outer membrane pore 2018-09-10
_[92] paper Speeding Up the Protein Assembly Line http://www.genengnew[...] Gen. Eng. Biotechnol. News 2015-02-15

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com