인공지능을 활용한 단백질 구조 및 리간드 결합 모형 분석과 인간 세포 성장 조절에의 적용

• 영문명: Application of Artificial Intelligence in Analyzing Protein Structures and Ligand Binding Models for the Regulation of Human Cell Growth
• 발행기관: 한국과학영재교육학회
• 저자명: 김서율(Seo-Yul Kim) 박보백(Bo-Baek Park) 이시윤(Si-Yoon Lee) 이지아(Ji-A Lee) 전병균(Byeong-Gyun Jeon)
• 간행물 정보: 『과학영재교육』제17권 제1호, 119~134쪽, 전체 16쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

이 연구는 다양한 인공지능(AI) 기술을 활용하여 단백질의 구조 및 리간드 결합 모형을 탐색하고, 이를 인간 세포의 성장 조절에 적용하고자 실시하였다. 먼저, 생성형 AI로부터 제안된 암세포의 세포분열을 조절하는물질로 알려진 ATP 결합 CDK 단백질의 3차원적인 입체 구조를 Neurosnap의 Alphafold2 및 파이션 기반의PyMol AI 프로그램으로 탐색하였다. 이어, CDK 단백질과 결합하여 이 단백질의 기능을 억제할 수 있는 소수성 ATP 유사체 10종류를 선택하여, 딥러닝 기반의Neurosnap의 DiffDock-L AI 프로그램에서 각 유사체의 결합 모형을 탐색하였다. 각 ATP 유사체는 CDK 단백질의 ATP 결합 부위에 대한 입체적 적합성과 단백질-리간드 간 비공유결합의 강도에 따라 서로 다른 결합친화도를 나타냈다. DiffDock-L AI 프로그램에서 제시하는 단백질-리간드 결합도를 나타내는 지표로는DiffDock Confidence, SMINA Affinity 및 SMINA Intramolecular Energy이었다. 이러한 분석 결과를 바탕으로, 10종류의 소수성 ATP 유사체 중에서 높은 결합 결합도를 가진 Dinaciclib과 낮은 결합도를 보이는Flavopiridol이 CDK 단백질에 대해 서로 다른 억제 효과를나타낼 것이라는 가설을 세웠고, 이 가설을 AGS(위암세포주), HCT-116(대장암세포주), HDF(진피 유래 섬유아세포) 세포주를 이용한 세포학적 실험을 통해 검증하였다. Dinaciclib 및 Flavopiridol 처리 후, 두 유사체 모두 농도의존적으로 세포 성장 억제 효과를 나타냈으며, Dinaciclib 은 Flavopiridol보다 유의적으로(p<0.05) 더 낮은 더 낮은반수 최대 억제 농도(IC₅₀)를 보여 더 강력한 세포 독성을나타냈다. 이와 같은 세포학적 실험 결과는 딥러닝 기반 AI 프로그램으로 예측된 유사체의 이론적 결합 친화도와 서로 일치함을 보여주었다. 이상의 연구에서 딥러닝에 기반한 AI 프로그램의 강력한 기능을 알 수 있었다.

영문 초록

This study applied artificial intelligence (AI) tools to analyze protein structures and ligand binding model, and to explore their potential role in regulating human cell growth. Initially, the 3D structure of ATP-binding CDK protein proposed by generative AIs was analyzed with Neurosnap’s Alphafold2 and PyMol protein AIs. Subsequently, 10 hydrophobic ATP analogs were selected as potential CDK inhibitors, and their predicted binding models were examined using Neurosnap’s DiffDock-L AI. These analogs exhibited varying binding affinities, depending on their conformational compatibility and non-covalent interactions with the CDK protein The binding affinities proposed by DiffDock-L were DiffDock Confidence, SMINA Affinity, and SMINA Intramolecular Energy, respectively. Based on these results, we hypothesized that Dinaciclib ATP analogs with higher binding affinities and Flavopiridol analogs with lower affinities would exhibit differential inhibitory effects on CDK proteins, and the effects were further validated using cytological assays in the AGS, HCT-116, and HDF cell lines. Following the treatment of Dinaciclib and Flavopiridol, the cell growth was highly inhibited in a concentration-dependent manner. However, Dinaciclib exhibited significantly (p<0.05) lower half-maximal inhibitory concentration (IC₅₀) values compared to Flavopiridol, indicating higher cytotoxic potency. The cytological results confirmed that Dinaciclib analogs demonstrated more growth inhibition compared to Flavopiridol analogs. These findings suggest that theoretical predictions generated by deep learning-based AI tools are consistent with experimental cytological outcomes, highlighting their powerful potential in life sciences.

목차

Ⅰ. 연구의 필요성 및 목적

Ⅱ. 연구 과정 및 결과

Ⅲ. 결론

Ⅳ. 제언 및 토론

참고문헌

키워드

인공지능 암세포 세포 성장 단백질 artificial intelligence cancer cells cell growth protein