Rappertk를 이용한 단백질 루프와 이질성의 결정학적 모델링

초록

본 연구는 Rappertk의 루프 샘플링 기능을 활용해 제한된 위치 정보만으로도 단일 루프를 자동으로 정확히 모델링하고, 복합 CNS/Rappertk 파이프라인이 CNS 단독보다 낮은 Rfree 값을 제공함을 보였다. 또한, 루프 영역의 구조적 이질성을 평가하기 위해 앙상블 및 컬렉션 접근법을 적용하여 실험적 불확실성을 정량화하였다.

상세 분석

이 논문은 결정학적 단백질 정밀화 과정에서 루프 영역이 차지하는 어려움을 체계적으로 해결하고자 한다. 기존 전통적인 CNS 기반 정밀화는 전역적인 좌표 최적화에 초점을 맞추지만, 루프와 같이 고유한 자유도를 가진 부분은 충분한 제약이 없을 경우 오버피팅이나 비현실적인 구조를 초래한다. Rappertk는 확률적 샘플링과 제약 기반 모델링을 결합한 툴로, 특히 루프의 백본과 사이드체인 회전각을 효율적으로 탐색한다는 점이 핵심이다.

연구진은 먼저 단일 루프를 대상으로 최소한의 거리 제약(예: N‑CA, CA‑C, C‑N 거리)만을 부여하고, Rappertk의 “loop closure” 알고리즘을 적용하였다. 이 과정에서 루프의 시작과 끝 잔기의 좌표가 고정된 상태에서 내부 잔기의 ϕ/ψ 각을 무작위로 생성하고, 에너지 함수(주로 Van‑der‑Waals 충돌과 전자밀도 적합도)를 통해 채택 여부를 판단한다. 샘플링 횟수는 수천에서 수만 회 수준이었으며, 최종적으로는 가장 낮은 전자밀도 χ²와 충돌 없는 구조를 선택하였다.

그 다음, CNS와 Rappertk를 연계한 복합 파이프라인을 구축하였다. 초기 모델을 CNS로 전처리한 뒤, Rappertk로 루프를 재구성하고, 다시 CNS로 전체 구조를 전구조화(refinement)한다. 이 순환 과정을 2~3회 반복함으로써, 전통적인 CNS‑only 흐름에 비해 Rfree가 평균 1–2 % 감소하는 효과를 확인했다. 이는 전자밀도와 실제 원자 위치 사이의 차이를 보다 정밀하게 최소화했음을 의미한다.

루프의 구조적 이질성을 다루기 위해 두 가지 접근법을 도입하였다. 첫 번째는 “ensemble method”로, 동일한 데이터에 대해 여러 독립적인 Rappertk 샘플링을 수행하고, 각 샘플을 별도의 모델로 보존한다. 이렇게 얻어진 모델 집합은 B‑factor와 유사하게 각 원자의 변동성을 정량화하는 데 활용된다. 두 번째는 “collection method”로, 하나의 모델 내에 다중 컨포머를 삽입해 각 컨포머가 전자밀도에 부분적으로 기여하도록 설계한다. 두 방법 모두 루프 영역에서 관측된 전자밀도 흐림(blurring)을 설명할 수 있었으며, 특히 컬렉션 방식은 제한된 데이터에서도 다중 상태를 효과적으로 재현한다는 장점을 보였다.

결과적으로, Rappertk는 루프 모델링에서 기존 방법보다 높은 정확도와 효율성을 제공하며, 구조적 이질성 평가에도 유연하게 적용될 수 있음을 입증한다. 이는 고해상도 결정학뿐 아니라 저해상도 혹은 중간 해상도 데이터에서도 다중 컨포머를 탐색하고 검증하는 새로운 워크플로우를 제시한다는 점에서 의미가 크다.