APR 29, 2026

서열에서 결합 부위까지: AI 기반 단백질 구조 예측 및 리간드 도킹을 위한 접근성 높은 워크플로우

AI 기반 단백질 구조 예측 분야의 최근 발전은 구조 생물학 교육 방식을 혁신적으로 변화시켰습니다. 이 10분짜리 라이트닝 토크에서는 최신 버전의 PyMod와 DockingPie 플러그인을 활용하여, 학생들이 원시 아미노산 서열부터 구조 예측, 모델 평가, 단백질-리간드 도킹에 이르기까지
전 과정을 PyMOL 내에서 완전히 수행할 수 있는, 바로 수업에 적용 가능한 워크플로를 소개합니다.

먼저, PyMod의 업데이트된 ‘
’ 기능을 활용한 AI 기반 단백질 구조 예측 및 품질 평가부터 시작합니다. 이 기능은 최첨단 예측 도구를 익숙한 PyMOL
환경에 직접 통합합니다. 검증된 구조를 확보하면, 워크플로는 DockingPie를 활용한 분자
도킹 단계로 매끄럽게 전환됩니다. 학생들은 수용체 및 리간드 구조를 준비하고, 도킹
시뮬레이션을 수행하며, 결합 자세와 분자간 상호작용을 실시간으로 시각화합니다.
수소 결합, 소수성 접촉, 결합 포켓 기하 구조를 분석함으로써 학습자들은 계산
결과를 기초 생화학적 원리와 연결 지을 수 있습니다.

이번 세션의 초점은 계산 복잡성이 아니라 교육적 통합에 있습니다.
전체 워크플로는 표준 교육용 실험실 컴퓨터에서 접근 및 재현이 가능하며 실행할 수 있어,
생화학, 분자생물학 또는
계산화학 분야의 고학년 학부 과정에 적합합니다.

이번 ‘Toolbox Top-Up’ 세션에서는 워크플로우를 간결하게 시연하고,
실용적인 교수 전략을 소개하며, PyMOL 내에서 구조 예측, 모델
평가, 리간드 도킹을 원활하게 통합하고 강력한 시각화 기능을 활용하여
추상적인 구조-기능 개념을 상호작용적이고 탐구 중심의 학습 경험으로 전환하는 방법을 보여드릴 것입니다.