알파폴드를 활용한 G-쿼드루플렉스 안정화 단백질-RNA 인터페이스의 구조 예측 도전 과제

최근 AlphaFold와 같은 AI 기반 구조 예측 도구는 단백질 구조 예측에 혁명을 가져왔으나, 비정형 핵산 구조와의 복잡한 상호작용을 모델링하는 데 여전히 난제를 안고 있습니다. 본 주제는 특히 안정성이 높은 {{G-quadruplex}} 구조와 결합하는 단백질-RNA 인터페이스의 정확한 3차원 구조를 예측하는 현황과 한계에 초점을 맞춥니다.

구조적 예측의 난점

• {{G-quadruplex}} 구조 자체의 동역학적 가변성과 다양한 금속 이온(Mg²⁺ 등)과의 결합에 따른 구조 변화를 반영하기 어렵습니다.
• AI 모델이 주로 학습한 고도로 정렬된 단백질-단백질 상호작용 대비, RNA의 비선형적이고 유연한 결합 형태는 모델의 예측력을 저하시키는 주요 요인으로 논의됩니다.

현재 연구는 분자 도킹 기법과 딥러닝 프레임워크를 결합하여 이러한 구조적 취약성을 극복하려는 방향으로 진행되고 있으며, 이는 궁극적으로 특정 RNA 결합 단백질(RBP)의 기능을 이해하는 데 필수적입니다. 향후에는 구조적 동역학을 통합한 모델링이 요구됩니다.