딥러닝으로 설계한 프로테아제가 원하는 단백질 표적을 절단하다

워싱턴대학교 단백질 설계 연구소의 연구진은 원하는 위치에서 다른 단백질을 절단하는 효소인 합성 프로테아제를 계산적으로 설계했다고 보고했다. UW Medicine에 따르면 연구팀은 딥러닝 기반 설계 방법을 사용해 표적 서열을 지정하고, 그 서열을 절단할 효소를 만든 뒤, 여러 실험 조건에서 실제 활성을 검증했다. 기초 연구를 바탕으로 이 내용을 전한 Ars Technica는, 알려진 효소 계열의 촉매 핵심만 남기고 나머지를 다시 설계함으로써 프로테아제가 자연에서 오랜 시간에 걸쳐 다양화되는 과정을 일종의 “지름길”로 우회하려는 접근이라고 설명했다.

이 연구가 중요한 이유는 아미노산을 이어 단백질을 만드는 펩타이드 결합이 그 자체로는 화학적으로 매우 안정하기 때문이다. Ars Technica에 따르면 물속에서 전형적인 펩타이드 결합은 효소의 도움이 없다면 수백 년 동안 그대로 유지될 수 있다. 프로테아제는 소수의 촉매 구성 요소를 극도로 정밀하게 배치해 그 결합이 끊어지도록 만든다. 바로 그 정밀성 때문에 프로테아제 설계는 어려웠다. UW Medicine은 촉매 “칼날”에 해당하는 부분이 원자 수준에 가까운 정확도로 놓여야 하고, 자연계의 프로테아제는 표적을 붙잡기 위해 미묘한 유연성에 의존하는 경우가 많다고 설명한다.

두 가지 프로테아제 메커니즘을 재설계하다

연구진은 서로 다른 두 종류의 프로테아제 화학을 다뤘다. 한 프로젝트는 효소 안에서 활성화된 시스테인이 표적 펩타이드 결합을 공격하는 시스테인 프로테아제에 초점을 맞췄다. 다른 프로젝트는 금속 프로테아제에 초점을 맞췄는데, Ars Technica는 이를 아연 프로테아제로 설명하며, 금속 이온이 절단에 필요한 화학 반응이 일어나도록 위치를 잡고 활성화를 돕는다고 전했다. 두 경우 모두 출발점은 완전히 백지 상태가 아니었다. 연구팀은 효모의 시스테인 프로테아제와 가재의 소화용 아연 프로테아제를 포함한 알려진 프로테아제들에서 시작했고, 핵심 촉매 잔기는 유지한 채 그 주변의 단백질 구조를 다시 설계했다.

설계 작업 흐름에 대해 Ars Technica는, 연구진이 먼저 RFdiffusion2를 사용해 여러 제약 조건 아래에서 효소의 골격 구조를 생성했다고 전했다. 설계된 골격은 촉매 역할을 하는 아미노산들을 한데 모아야 했고, 동시에 활성 부위 근처에 선택한 표적 서열이 들어갈 수 있어야 했다. 이어 ProteinMPNN을 사용해 그 골격을 따라 어떤 아미노산이 배치될지를 정했는데, 이 과정에서는 구조적 적합성, 촉매 부위의 형성, 표적 결합의 균형을 맞췄다. UW Medicine은 같은 과정을 더 넓게 요약해, 딥러닝 기반 설계 방법으로 구조를 만들고, 특정 서열을 절단할 수 있는지를 선별한 뒤, 실험으로 얻은 구조가 계산 설계도와 일치하는지 확인했다고 설명했다.

연구팀은 이 단백질들이 단지 기존 자연 구조를 되풀이한 것인지도 점검했다. Ars Technica에 따르면 많은 설계안에 대해 AlphaFold3 예측을 수행한 결과, 현재 데이터베이스의 등록 구조와 닮지 않은 경우가 많았고, 이는 모델이 알려진 프로테아제 접힘 구조를 단순히 복제한 것이 아닐 가능성을 시사한다. 시스테인 프로테아제 연구에 대해서는 UW Medicine이 한 걸음 더 나아가, 최종적으로 얻어진 단백질들이 자연계에서 알려진 어떤 프로테아제와도 다른 접힘 구조를 가진다고 밝혔다.

실험은 어떻게 진행됐나

초기 시험은 직접 절단 여부를 보는 분석법을 중심으로 구성됐다. Ars Technica에 따르면 연구진은 설계한 프로테아제, 그 프로테아제가 절단하도록 의도된 표적 서열, 그리고 형광 단백질을 하나로 이은 긴 융합 단백질을 만들었다. 그런 다음 절단이 일어나 형광 부분이 방출되는지를 측정했다. UW Medicine은 연구팀이 정제된 단백질을 대상으로 효소를 시험했고, 알츠하이머병과 근위축성 측삭경화증과 관련된 단백질에서 가져온 서열에도 적용했으며, 한 연구에서는 실험실에서 배양한 살아 있는 인간 세포 안에서도 시험했다고 전했다.

• 시스테인 프로테아제는 활성화된 시스테인 촉매 중심을 기준으로 설계됐다.
• 금속 프로테아제는 촉매 요소로 사용되는 결합 금속 이온을 중심으로 설계됐다.
• 설계안들은 지정된 표적 서열에 대한 활성을 기준으로 선별됐다.
• 일부 후보는 아밀로이드-베타 같은 질환 관련 서열을 대상으로 시험됐다.
• 적어도 한 연구에는 배양된 인간 세포 내부 실험이 포함됐다.

두 출처 모두 시스테인 프로테아제 프로젝트의 성공률을 19%로 제시한다. Ars Technica는 13개의 설계안이 작동했다고 전하면서도, 이들 모두가 모델로 사용된 자연 유래 효모 효소보다는 활성이 낮았다고 덧붙였다. UW Medicine은 이 효소들이 효소가 전혀 없을 때의 비촉매 반응과 비교해 표적 서열을 최대 3천만 배 빠르게 절단했다고 설명했다. 이 두 설명은 서로 양립 가능하다. 하나는 설계안을 자연계의 원형 효소와 비교한 것이고, 다른 하나는 효소가 전혀 없는 상태와 비교한 것이기 때문이다.

금속 프로테아제 결과는 두 출처에서 다소 다르게 제시되므로 주의해서 읽어야 한다. UW Medicine은 설계안의 36%가 활성을 보였고, 의도한 표적인 아밀로이드-베타를 정확히 절단했으며, 비촉매 반응보다 1억 배 빠르게 작동했다고 밝혔다. Ars Technica는 더 세부적인 내역을 제공한다. 촉매 물 분자를 설계 제약으로 명시적으로 포함하지 않았던 초기 설계안들 가운데서는 89개 중 14개만 약한 활성을 보였다. 반면 연구진이 물 분자가 올바른 위치에 놓이도록 설계를 제한했을 때는 38개 중 35개가 어느 정도 활성을 보였다. Ars Technica는 또 더 강한 설계안 하나가 어디를 절단하는지에 대한 특이성이 부족했다고 전했다. 이 수치들은 직접적인 모순이라기보다, 서로 다른 하위 집합이나 연구 단계에 해당하는 것으로 보이지만, 출처들이 이를 완전히 하나로 정리해 주지는 않는다.

반복 최적화로 활성과 특이성이 향상됐다

이번 연구에서 눈에 띄는 부분은 최초 설계안들이 그저 보통 수준으로만 작동한 뒤에 무슨 일이 일어났는가 하는 점이다. Ars Technica에 따르면 연구팀은 활성 부위 근처에 있으면서 촉매 자체를 직접 담당하지는 않는 잔기들을 찾아냈고, 구조를 망가뜨릴 가능성이 낮은 다른 아미노산으로 치환했다. 이런 국소적 최적화는 성능을 크게 끌어올렸다. 시스테인 계통에서는 최적 버전이 펩타이드 결합 절단을 10의 9제곱 배까지 가속하면서도 의도한 표적 서열에 대해 높은 특이성을 유지했다고 Ars Technica는 전했다. 아연 기반 계통에서는 두 번째 버전이 원래 설계보다 활성이 30배 높았고, 절단 속도는 10의 10제곱 배까지 가속한 것으로 소개됐다.

반면 UW Medicine은 해당 Nature 논문들의 대표 수치로 더 낮은 가속도를 제시한다. 시스테인 프로테아제는 비촉매 반응보다 최대 3천만 배, 금속 프로테아제는 최대 1억 배 빠르다고 설명한다. 이 수치들은 Ars Technica가 언급한 후속 최적화 결과 일부와 차이가 있으므로, 각 플랫폼마다 하나의 단일한 대표 숫자가 있다고 보기보다는, 서로 다른 설계안이나 요약 수준에서 보고된 서로 다른 도달점으로 이해하는 편이 신중하다.

질병 표적과 치료 가능성

모형 기질을 넘어 실제 관련성을 보이기 위한 증거로, 연구팀은 일부 설계안을 신경계 질환과 관련된 단백질에 겨눴다. UW Medicine은 알츠하이머병과 근위축성 측삭경화증에 연루된 단백질에서 가져온 서열을 시험했다고 밝혔다. Ars Technica는 특히 금속 프로테아제 연구가 알츠하이머병 및 전두측두엽 치매와 관련된 단백질을 표적으로 삼았다고 전하며, 연구진이 최종적으로 세포 안에서 의도한 표적을 절단할 수 있는 설계안을 얻었다고 설명했다. 또한 중요한 교훈도 덧붙였다. 기존 설계안을 단순히 다른 표적으로 다시 겨냥하는 방식은 잘 통하지 않았고, 새 서열에 대해서는 설계 과정을 처음부터 다시 시작해야 했다는 것이다.

치료 측면의 논리는 비교적 단순하다. 한 번에 하나의 표적 분자에 결합하는 기존 약물이나 항체와 달리, 효소는 촉매적으로 작용한 뒤 다음 표적으로 이동할 수 있다. UW Medicine은 하나의 설계된 프로테아제가 수명 동안 수천 개에서 수백만 개에 이르는 지정 표적을 절단할 수 있어, 결합 기반 의약품보다 더 낮은 용량으로도 충분할 가능성이 있다고 설명한다. 같은 출처는 또 프로테아제가 흔히 “약물화가 어렵다”고 불리는 단백질에도 접근할 수 있다고 주장한다. 절단에는 전통적인 의미의 결합 포켓이 꼭 필요하지 않기 때문이다. 언급된 잠재적 활용 예로는 바이러스 단백질 파괴, 세균 독소 제거, 신경퇴행성 질환에서 잘못 접힌 단백질 제거, 또는 보호용 캡을 잘라내 특정 조직에서만 약물을 활성화하는 방식이 포함된다.

아직 해결되지 않은 점들

이번 연구는 고무적이지만, 보고된 한계와 현재까지의 실험 범위를 보면 실제 의료 적용까지는 갈 길이 멀다. Ars Technica는 처음 성공한 설계안들이, 이후 최적화로 개선되었더라도, 전반적으로는 이들의 영감이 된 자연 효소보다 활성이 낮았다고 강조한다. 또한 실제 전달의 어려움도 지적한다. 단백질은 관련 조직까지 보내기가 어렵고, 면역 반응을 유발할 수 있으며, 표적이 세포 바깥이 아니라 세포 내부에 있을 경우 적용은 더욱 까다로워진다.

세포 내부 표적이라는 문제는 세포가 전달된 유전자로부터 프로테아제를 직접 생산하도록 해야 할 가능성을 뜻할 수 있고, 이는 복잡성을 한층 더 높인다. 어떤 출처도 치료제가 곧바로 가까워졌다고 주장하지는 않는다. 오히려 더 절제된 결론을 뒷받침한다. 즉, 이번 연구는 딥러닝 유도 단백질 설계가 이제 선택된 특이성, 측정 가능한 촉매 활성, 그리고 적어도 일부 세포 내 기능을 지닌 합성 프로테아제를 만들어낼 수 있음을 보여준다는 것이다. 이런 역량이 안전하고 효과적이며 실제 전달 가능한 의약품으로 이어질 수 있는지는 앞으로 입증돼야 한다.

영어권 기업의 관점에서 당장 바뀌는 것은 새로운 승인 치료제의 등장이 아니라, 주목할 만한 새로운 설계 역량의 출현에 가깝다. 바이오테크와 제약 업계 팀들은 이번 결과를, 맞춤형 촉매 단백질이 결합체 중심 접근을 넘어 표적 선택의 폭을 넓힐 수 있다는 초기 신호로 받아들일 수 있다. 특히 고전적인 약물 결합 포켓이 없는 질환 단백질에서 그 의미가 크다. 실무적으로는 이러한 흐름이 단백질 공학을 둘러싼 연구개발 전략, 파트너 발굴, 플랫폼 평가에 영향을 줄 수 있다. 다만 제조, 전달, 복잡한 조직에서의 특이성, 규제상 입증과 같은 중대한 실행 과제는 여전히 해결되지 않은 채 남아 있다.