AI가 이끈 단백질-리간드 도킹의 발전

Q: 이 논문에서 정의한 단백질-리간드 도킹이란 무엇인가?

특정 단백질 표적의 결합 부위에 리간드가 어떻게 결합하는지를 계산적으로 예측하는 기법이다. 이는 리간드가 활성 포켓 내에서 취하는 가장 가능성 높은 결합 자세를 규명하고, 해당 자세가 반영하는 결합 친화도를 추정하여 후보 화합물의 상대적 활성을 예측하고 최적화하는 데 활용된다.

Q: 확산 모델 기반 도킹이 전통적인 도킹 방식과 차별화되는 핵심 원리는 무엇인가?

연구 결과, 확산 모델은 무작위 탐색 후 선별하는 순차적 방식 대신 리간드의 병진, 회전, 비틀림 각도를 노이즈 상태에서 단계적으로 정제하여 포즈를 직접 생성한다. 이를 통해 탐색 효율을 높이고 blind docking 시나리오에서도 실제 결합 모드를 더 정확하게 재현한다.

김재현; 권찬혁; 이수미; 하민우

doi:10.9708/jksci.2025.30.11.223

학술저널

저자정보: 김재현 (Jeju National University) 권찬혁 (Seoul Shingil Rehabilitation Medicine Clinic) 이수미 (Jeonbuk National University) 하민우 (Jeju National University)

저널정보: 한국컴퓨터정보학회 한국컴퓨터정보학회논문지 한국컴퓨터정보학회 논문지 제30권 제11호(통권 제260호)

오류 신고하기

피인용 0

검색

초록·키워드

본 논문은 AI 기반 단백질-리간드 도킹의 진화를 전통적 기법에서 딥러닝 및 확산 모델로의 발전을 중심으로 검토한다. CADD에서 도킹은 포즈 예측·가상 스크리닝의 핵심으로, 전통적 도킹은 포즈 샘플링(GA/MC/MD)과 스코어링(힘장/경험/지식 기반)으로 구성되지만, 수용체 강체 가정과 결합 부위 의존성의 한계를 지닌다. AI는 CNN/GNN 리스코어링, 포켓 예측, 생성 모델로 이를 보완하며, 특히 확산 모델 기반 도킹(DiffDock)은 병진, 회전 및 비틀림을 노이즈 제거 과정으로 모델링하여 정확도를 높인다. EGFR-Gefitinib(1M17) 사례 분석은 Vina, GNINA 및 DiffDock의 차이를 보여주며, IFD-MD 및 FEP 등 AI-물리 하이브리드의 필요성을 제시한다.

#Computer-Aided Drug Design #Protein-Ligand Docking #Binding Site Prediction #AI-based Rescoring #Diffusion Model #계산 기반 신약 설계 #단백질-리간드 도킹 #결합 부위 예측 #인공지능(AI) 기반 리스코어링 #확산 모델

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-094821720

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료