[학생 인터뷰] 김하영 박사과정생, 단백질 복합체 구조 예측을 위한 새로운 스코어링 모델 개발

김하영2.jpg

<스코어링 모델>

1. 안녕하세요, 자기소개 부탁드립니다.

안녕하세요, 바이오및뇌공학과 김동섭 교수님 연구실 박사과정 김하영이라고 합니다. 저는 학부 때 응용수학을 전공하였고 석사 때는 현재 랩에서 생물정보학을 전공하였습니다.

2. 네 반갑습니다! 이번에 Bioinformatics Advances지에 새로운 연구 결과를 발표하셨는데, 어떤 연구였는지 소개해 주실 수 있으신가요?

네, 단백질 간의 상호작용을 이해하는 데 있어서 단백질 복합체 구조 예측은 매우 중요한 단계라고 할 수 있습니다. 단백질 복합체 구조 예측 방법으로 분자 도킹 (molecular docking) 이라고 하는 컴퓨터 시뮬레이션 기술이 많이 활용되는데, 이러한 분자 도킹은 많은 수의 후보 구조들을 생성해냅니다. 이러한 후보 구조들 중에서 정확한 구조 모델을 찾아내기 위해서는 후보 구조들의 점수를 매길 수 있는 scoring방법이 필요합니다. 본 연구에서는 심층 그래프 신경망의 일종인 Equivariant Graph Neural Network를 바탕으로 우수한 예측 성능을 가지는 scoring 방법을 개발하였다고 할 수 있습니다.

3. 자세한 설명 감사드립니다! 이번 연구의 의의는 어떻게 될까요?

본 연구에서 새로 개발한 scoring 방법은 기존에 사용되었던 방법들과 비교하였을 때 비슷하거나 더욱 향상된 예측 성능을 보입니다. 이렇게 향상된 scoring 모델의 개발은 결과적으로 단백질 복합체 구조 예측을 더욱 정확하게 할 수 있도록 만들어 줍니다. 보다 정확한 단백질 복합체 구조에 대한 지식은 단백질 설계 (protein design) 나 신약 개발 (drug discovery) 등과 같은 다양한 구조생물학 관련 응용 분야에서 유용하게 사용될 수 있습니다.

4. 개인적으로 앞으로 더 연구하고 싶은 주제나 분야가 있다면 소개 부탁드립니다. 현재 하고 계신 후속연구가 있다면 그것도 좋습니다.

본 연구에서 발표한 모델은 저의 기존 연구 프로젝트였던 TCR-pMHC (T cell receptor-peptide-MHC) 의 복합체 구조 예측 프로젝트를 수행하던 중에 개발하게 된 모델입니다. 해당 모델이 일반적인 단백질 복합체 구조 예측에는 우수한 성능을 보임을 확인하였으나, TCR-pMHC 복합체의 경우 아직 예측이 어려운 것을 확인하였습니다. 그래서 앞으로는 TCR-pMHC 복합체 구조 예측과 더 나아가 TCR-pMHC 결합 여부 예측 관련 연구를 더 진행하고 싶습니다.

지금까지 카이스트 바이오및뇌공학과 김동섭 교수님 실험실의 박사과정 학생 김하영이었습니다. 인터뷰에 응해주셔서 감사드립니다!