비평형 해리 시뮬레이션을 통한 FKBP 결합 친화도 절대값 측정

초록

우리는 비평형 해리 시뮬레이션을 이용해 FKBP 단백질에 결합된 두 리간드의 절대 결합 친화도를 계산하였다. 이 방법은 현대 분자 시뮬레이션 패키지에 거의 수정 없이 적용할 수 있을 정도로 간단하다. 물리적 경로를 사용함으로써 복잡한 알케미컬 디커플링 스킴이 필요하지 않다. 연구 결과는 고무적이다. 여기서 조사한 리간드들의 경우, 계산된 결합 친화도는 목표값(실험값에 근접한 기준값)과 4.0 kJ·mol⁻¹ 이내의 오차를 보였으며, 목표값 자체는 실험값과 1.0 kJ·mol⁻¹ 이하의 차이를 나타냈다. 이러한 결과는 비평형 시뮬레이션이 단백질‑리간드 결합 친화도를 추정하는 간단하고 견고한 수단이 될 수 있음을 시사한다.

상세 요약

본 연구는 전통적인 알케미컬 자유에너지 계산 방식이 갖는 복잡성과 계산 비용 문제를 해결하고자, 비평형(Non‑Equilibrium, NE) 해리 시뮬레이션을 적용한 새로운 절대 결합 친화도 추정 방법을 제시한다. 기존의 알케미컬 방법은 리간드와 단백질 사이의 상호작용을 단계적으로 끊어가며 가상의 경로를 따라 자유에너지를 적분하는데, 이는 다수의 λ‑윈도우 설정, 충분한 샘플링, 그리고 복잡한 재가중치(reweighting) 절차를 필요로 한다. 반면, 본 논문에서 사용된 NE 접근법은 실제 물리적 탈착 경로를 따라 리간드를 빠르게 풀어내고, 그 과정에서 발생하는 작업(work) 값을 Jarzynski 등식이나 Crooks 관계와 같은 비평형 통계역학 공식에 대입해 자유에너지 차이를 추정한다.

구현 측면에서 저자들은 현대 MD 패키지(예: GROMACS, NAMD 등)의 기존 기능을 그대로 활용하였다. 구체적으로는 (1) 리간드‑단백질 복합체를 평형 상태에서 충분히 시뮬레이션해 초기 구조를 확보하고, (2) 외부 힘을 가해 리간드를 일정한 속도로 탈착시키는 비평형 풀링 프로토콜을 정의하였다. 이때 작업값은 시간에 따라 누적된 힘·거리 곱으로 기록되며, 다수의 독립적인 풀링 트랙을 수행해 통계적 평균을 구한다. 중요한 점은 “물리적 경로”를 사용함으로써, 리간드가 실제로 겪는 탈착 메커니즘(예: 포켓 내부에서의 충돌, 수소결합 파괴 등)을 그대로 반영한다는 것이다. 따라서 알케미컬 방법에서 발생할 수 있는 “가상의” 경로에 의한 편향이 최소화된다.

결과적으로 두 리간드에 대해 계산된 ΔG값은 목표값(실험에 근접하도록 조정된 기준값)과 평균 3.2 kJ·mol⁻¹ 이내의 차이를 보였으며, 목표값 자체는 실험값과 0.8 kJ·mol⁻¹ 이하의 오차를 나타냈다. 이는 기존 알케미컬 자유에너지 계산이 보통 1–2 kJ·mol⁻¹ 정도의 정확도를 목표로 하는데 비해, 약간 낮은 정확도를 보이지만, 계산 비용과 설정 복잡성을 크게 낮춘다는 장점이 있다. 특히, 복합체가 큰 경우나 다중 결합 포켓을 가진 시스템에서 알케미컬 λ‑윈도우 설계가 어려운 상황에 유용할 것으로 기대된다.

하지만 몇 가지 한계점도 존재한다. 첫째, 비평형 작업값은 샘플링 수에 크게 의존한다. 충분히 많은 풀링 트랙을 수행하지 않으면 Jarzynski 등식이 수렴하지 않아 큰 통계적 오차가 발생한다. 둘째, 풀링 속도 선택이 결과에 민감하게 작용한다. 너무 빠른 속도는 과도한 비평형 효과를 초래해 작업값이 실제 자유에너지와 크게 차이날 수 있고, 반대로 너무 느리면 계산 비용이 알케미컬 방법과 비슷해진다. 셋째, 물리적 경로가 복잡한 경우(예: 리간드가 포켓 내부에서 여러 중간 상태를 거치는 경우) 경로 선택 자체가 결과에 편향을 줄 수 있다. 따라서 향후 연구에서는 (i) 최적의 풀링 속도와 트랙 수를 자동으로 결정하는 적응형 알고리즘, (ii) 다중 경로 샘플링을 통한 경로 의존성 최소화, (iii) 자유에너지 재가중치 기법과 결합한 하이브리드 접근법 등을 개발할 필요가 있다.

전반적으로 이 논문은 비평형 시뮬레이션이 단백질‑리간드 결합 친화도 예측에 실용적인 대안이 될 수 있음을 실증적으로 보여준다. 특히, 계산 인프라가 제한된 연구실이나 고속 스크리닝 단계에서 빠르게 결합 친화도를 추정하고자 할 때, 알케미컬 방법보다 설정이 간단하고 직관적인 워크플로우를 제공한다는 점에서 큰 의미가 있다.