계산생물학생물학의소개 (Practical Introduction to Computational Biology) 경상대학교생화학과 이근우 1. 서론컴퓨터의발달은인간의삶에많은영향을주고있을뿐만아니라여러분야의학문연구에도중대한기여를하고있다. 특히컴퓨터가자연과학연구에이용되어온사례는컴퓨터발달사와어깨를나란히할만큼긴역사를가지고있다. 수학과물리학에서의응용수학분야나이론물리학분야에서기존에해석적으로풀수없었던각종문제들을컴퓨터의계산속도를극대화하는수치적분을이용하여해결하거나, 혹은모의실험연구등에서컴퓨터를이용한연구가진행되어왔다. 화학에서도 1960 년대부터시작된양자역학을이용하여전자에너지를계산하거나, 1980 년대부터시작된다양한분자현상을컴퓨터를이용하여모의실험하는분야등에서컴퓨터가이용되고있으며오늘날에는계산화학 (Computational Chemistry) 이라는분야로자리매김하게되었다. 이처럼자연과학의연구에있어서컴퓨터의이용은시대적인흐름이었고이러한분위기는자연스럽게생명과학연구에서도적용되게되었다. 1980 년대부터시작된작은유기분자들을대상으로한분자동력학모의실험법이컴퓨터의발달과더불어발전을거듭하게단백질과같은거대생물분자들을상호작용연구에도응용되어질수있게되었다. 1990 년대에이르러이런모의실험연구법의정확도가만족할만한수준에이르자이방법은생명현상의기본이라고할수있는단백질-지질상호작용에관한연구를원자수준에서수행할수있는아주강력한새로운생물학연구수단으로자리잡게되었다. 또한 2001 년 Human Genome Project 의완성으로폭발적인관심을모으고있는유전체나단백체연구에도움을주고있는생물정보학 (Bioinformatics) 분야등수많은생명과학연구에컴퓨터가이용되고있다. 이와같이주로컴퓨터만을이용하여생물학혹은생명과학현상을연구하는분야를계산생물학 (Computational Biology) 혹은이론생물학 (Theoretical Biology) 이라고부른다. 본고에서는아직이분야에익숙치않은많은실험생명과학자들이나이분야연구에관심을가지고있는초보연구자를위하여계산생물학분야에대하여간단히소개하고자노력하였다. 제한된지면의한계로인하여계산생물학을이루고있는여러세부분야에대하여상세한설명보다는요점정리식으로간략하게소개및정리하는주력하였다. 간단한추상적인설명에곁들여독자들의이해를돕기위하여주로본인이참여했었던연구결과들을이용하여간단한예가주어졌고, 또실재계산생물학연구에사용되는주요프로그램들에대하여도정리해놓았으므로이분야연구에관심을가지고있는독자들에게실질적인도움이될것으로기대한다. 2. 계산생물학의분류일반적으로계산생물학이란단어가의미하는뜻그대로컴퓨터를이용하여생물학연구를수행하는학문분야를지칭한다. 이정의에의하면수많은세부분야들이존재하게되는데그중에서가장대표적인몇가지주요세부분야로계산생물학을분류해보고그각각에대하여간략하게알아보기로하자. 전체계산생물학을여러개의세부분야로나누는데는여러가지방법이존재하겠지만본인은그림 1 에주어진것처럼크게다음의네가지세부분야로분류하고자한다 : 1) 컴퓨터모의실험, 2) 컴퓨터를이용한신약설계, 3) 생물정보학, 4) 기타분야. 이는계산생물학의발전의역사와도어느정도관련이있고또분야간구분도어느정도분명하게존재하여본인이즐겨사용하는구분법이다. Pople 과 Kohn 등에의해서 1960 년대부터시작된양자역학 (Quantum Mechanics, QM) 적계산법에컴퓨터를이용한이용하여화학분자들의전자에너지나구조를계산하는분야가시작되면서계산화학이시작되었다고볼수있다 [1-4]. 1980 년대에이르러 Dewar 에 [5-7] 의해서거의완성된이양자역학적계산법은매우정확한결과를제공하는장점이있기는하지만막대한계산시간이요구되는관계로인하여연구대상물이작은화학분자로제한되는약점을가지게되었다. 이러한한계때문에이계산방법은생물학자들에게는큰관심을끌지못하였다. 그러나 1980 년대에들어서 Allinger 등이분자역학 (Molecular Mechanics, MM) 라는전혀새로운방식의분자계산법을개발하였는데이방법은양자역학적계산법에비하여정확성은다소떨어지지만괄목할만한계산시간단축을실현함으로서분자에너지및구조계산분야에새로운전기를맞이하게되었다 [8-10]. 분자역학이라는새로운빠른계산엔진을이용하여분자에너지계산은물론이고 Newton 방정식을수치적으로풀어내어분자들의실시간움직임을관찰할수있는분자동력학 (Molecular Dynamics, MD) 모의실험이라는꿈같은계산도가능하게하였다. 이러한상황에이르자거대한분자를연구대상으로삼던생물학자들은
이러한계산분야를주목하게되었고, 이처럼 1980 년대에시작된분자역학을이용하여거대분자에대한에너지및분자동력학모의실험계산이계산생물학의효시라고볼수있다. 초기에는계산생물학하면이분야를지칭하였지만, 1990 년대에들어서컴퓨터를이용한생물학연구에있어서도다양한방식으로컴퓨터가이용되기시작함에따라이러한전통적인계산분야를 ' 컴퓨터모의실험 ' 분야로구분지어부르게되었다. 다음절에서좀더자세히살펴보겠지만, 이컴퓨터모의실험분야에는분자동력학모의실험을대표로하여몬테카를로 (Monte Carlo, MC) 모의실험, 브라운동력학 (Brownian Dynamics, BD) 모의실험, 그리고단백질-지질혹은단백질-단백질간의결합모드를연구하는분자도킹 (Molecular Docking) 모의실험분야등이있다. 그림 1. 계산생물학의대표적인세부분야들 1980 대후반부터는신약을개발하는도구로도컴퓨터가이용되어져왔다. 그이전에는실험자의경험과축적된지식을기반으로하여분자구조와약리활성관계를정성적으로연구하는구조활성관계 (Structure Activity Relationships, SAR) 라는연구분야가존재하였었다. 그러나계산화학의발달로인하여분자구조가밝혀지면그에따라는다양한물리량들을정확하게계산할수있게되자이렇게계산된물리량들과약리활성을통계적처리를거쳐회귀방정식을이용하여연결시킨다. 이렇게되면이방정식을이용하여비슷한새로운구조에대하여약리활성을예측할수있게되는데이러한연구분야를정량적구조활성관계 (Quantitative SAR, QSAR) 라부르는데, 이러한개념은 1960 년대말 Hansch 에의해서처음시도되었고 [11] 계산법이발달한 1980 년대말에이르러본격적인발전을이루게되었다. 이처럼컴퓨터를이용하면신약개발에드는비용을절감하고개발시간을단축시킬수있으므로이런분야를합리적신약설계 (Rational Drug Design) 라고도부르며보다일반적인용어는컴퓨터를이용한신약설계 (Computer-Aided Drug Design, CADD) 라고부른다. 초기에는 2 차원혹은 3 차원 QSAR 이이분야연구의주종을이루었지만, 최근에는더욱강력하고다양한소프트웨어와데이터베이스의개발로인하여신약개발에있어서없어서는안되는중요한연구분야로자리잡게되었다. 생물학의연구의특징중에하나는중심요소의구조뿐만아니라단백질의아미노산서열이나유전체의염기서열같은관심대상물의기본단위들의서열분석도중요한연구대상된다는점이다. 그러므로유사한단백질이나 DNA 의단위체를비교하고분석하고필요한서열을찾아내는연구분야의필요성이일찍부터대두되어 1990 년대초부터 FASTA[12,13] 와 BLAST[14-17] 로대변되는다양한서열분석 (Sequence Analysis) 프로그램들이개발되어여러분야연구에기여하고있다. 2001 년 Human Genome Project 가거의완성되자이를기점으로유전체나단백체연구에많은관심이집중되었고이서열분석연구분야는생물정보학 (Bioinformatics) 이라는새로운이름으로자리매김하고있는추세이다. 계산유전체학 (Computational Genomics) 이나계산단백체학 (Computational Proteomics) 등으로도부를수있을것이다. 미국에서는이분야도새로운용어사용없이기존의계산생물학이라고부르는데반하여, 영국을중심으로한유럽에서는이분야를일컫을때생물정보학이라는용어를선호하는추세이다. 계산생물학에는앞에서언급된세가지주요연구분야이외에도 Homology 모델링, pka 계산, Electrostatic potential 계산그리고단백질구조 visualization 도구개발분야등작은여러가지분야들이존재하는데이들을기타분야로분류하였다.
3. 컴퓨터모의실험분야 (Computer Simulations) 3-1. 분자동력학모의실험 (MD Simulation) 컴퓨터모의실험중에서 가장 어렵고 또 가장 많은 계산시간을 요구하는 연구분야이다. 그러므로 실재 대부분의 계산은 수퍼컴퓨터에서 이루어 진다. 기존에는 주로 메인 프레임 수퍼컴퓨터들이 주류를 이루었지만 요즘에는 리눅스을 이용하여 저렴한 가격으로 만들 수 있는 PC cluster 가 계산에 자주 이용되는 추세이다. 실재 계산법을 간단히 정리 하여 보면 다음과 같다. 먼저 관심대상인 단백질 혹은 DNA 같은 3 차구조를 준비한다. 보통은 X-ray 나 NMR 을 이용하여 단백질 3 차원 구조가 결정되는데 NCBI(National Center for Biotechnology Information) 같은곳에서 PDB 파일 형태로 다운받아서 준비한다. 불행히도 관심대상 단백질 구조가 존재하지 않으면 3 차구조가 알려진 유사한 단백질 구조로부터 직접 만들 수도 있는데[18] 이런 방법을 Homology modeling 이라고 한다. 최근 제 3 세대 AIDS 치료제들의 공격대상 단백질로 관심을 모으고 있는 HIV-1 Integrase 구조를 이용하여 예를 들어 설명하겠다. 이 단백질의 3 차원구조가 이미 Protein Data Bank(PDB)에 준비되어 있어 약간의 수리를 거쳐 준비된 dimer 구조가 그림 2a 에 주어졌다. 이렇게 준비된 구조는 물분자를 포함 하지 않는데 이때의 전체 원자수는 약 7000 개 정도이다[19]. 모의실험 계산을 위해서는 단백질이 존재하는 실재 상황을 고려하기 위하여 보통의 경우는 물분자들을 주변에 넣어준다. 그림 2b 처럼 단백질이 충분히 잠길 수 있는 크기의 물분자박스를 준비하는데, 이때 물분자수의 증가로 인하여 전체 원자수가 80,000 개에 이르는 거대한 시스템으로 변하게 되어 실재 계산에 막대한 계산시간이 소요된다. 이처럼 물분자의 처리가 계산의 정확도와 계산시간을 좌우하는 주요변수가 된다. 이렇게 준비된 초기구조를 가지고 에너지최적화 계산을 시켜 가까운 위치에너지 우물에 머물게 한다. 그런다음 수십 pico 초 (ps) 동안 heating 작업을 통하여 계의 온도를 상승시키는데 보통의 경우 300K 을 목표로 가열한다. 계의 온도가 목표온도에 도달하면 열이 골고루 퍼지도록 하기 위하여 일정시간동안 equilibration 시킨다. 계의 온도가 전체구조에 고르게 퍼졌다고 판단되면 주계산에 들어가게 된다. 주계산에 들어가게 되면 뉴우튼방정식에 따라 각각의 원자들은 시간에 따라 다음단계로 진행되어 간다. 이때 계산의 진행에 사용되는 기본단위 스텝은 1 또는 2 femto 초(fs) 이다. 이보다 큰 스텝을 사용하면 구조가 불안정 해질 수 있기 때문이다. 그러므로 의미있는 최소 모의실험 시간이 수 nano 초 이므로 적어도 수백만번의 스텝의 적분이 필요하다. 그림 2. 분자동력학모의실험을 위하여 준비된 HIV-1 Integrase 3 차원구조. (a) catalytic domain 과 C-terminal domain 이 연결된채로 실험되었고 dimmer 구조를 이루고 있다. (b) 분자동력학모의실험을 위하여 직육면체로 이루어진 물분자상자속에 앞에서 준비된 HIV-1 Integrase 구조를 집어 넣었다[19]. MD 모의실험법의 최대 장점은 시간에 따르는 구조변화나, 혹은 특징 아미노산을 다른것으로 치환시킨후 구조변화를 관찰 할 수 있다는 점이다. Barreca 등이 2 nano 초 동안 HIV-1 Integrase wild type 과 이중치환체(T66I/M154I) 두개의 계를 모의실험한후 두구조를 비교하였다[20]. 그림 3 에서 보여주는 것처럼 그런 작은 변화에 의해서 이 단백질의 활성에 중요한 역할을 하는 Tyr143 의 위치가 상당히 달라져 있음을 볼 수 있다.
실재 MD 모의실험에사용되는프로그램들은하버드대학에서개발된 CHARMM 을비롯하여 AMBER, GROMACS 등이대표적인프로그램들이다. 각각의프로그램들의특징과홒페이지가표 1 에정리되어있다. 본고에서언급되지않았지만 MD 모의실험의응용으로 Stochastic Dynamics(SD), Langevin Dynamics(LD), Steering MD(SMD), Targeted MD(TMD), Interactive MD(IMD) 같은다양한방법론들이존재하며필요에따라서사용되고있다. 그림 3. 2 ns 분자동력학모의실험후 HIV-1 Integrase active site 의구조변화비교 : (a) Wild type, (b) T66I/M154I[20]. 표 1. 분자동력학모의실험 (MD Simulation) 에사용되는주요프로그램들 NAME CHARMM (Chemistry at HARvard Macromolecular Mechanics) [21] AMBER (Assisted Model Building with Energy Refinement) [22-24] GROMACS (GROningen MAchine for Chemical Simulations) NWChem FEATURES -Molecular dynamics (MD) simulation. -Energy Minimization (EM) -Normal mode analysis -Free energy calculation -Difficult to use -Largest modeling program -Replica exchange MD (REM) http://www.charmm.org/ -MD/EM/Normal mode analysis -Stro Strong free f energy calculation mode by MM_PBSA -Forcefield optimization by ANTECHAMBER -http://amber.scripps.edu/ -MD/EM/Normal mode analysis -Very fast in unix machines -Strong analysis tool http://www.gromacs.org/ -MD/EM -Free energy calculation -Easy to use -Design only for parallel machines -Strong quantum mechanics (QM) calculations http://www.emsl.pnl.gov/docs/nwchem/nwchem.html
NAMD [25] Discover Hyperchem -MD/EM -Easy to use -Very fast for parallel machines http://www.ks.uiuc.edu/research/namd/ -MD/EM -Developed by the largest modeling software company: Accelrys -Very easy to use (GUI) http://www.accelrys.com/ -MD/EM/QM -Developed by commercial company -Not strong contender yet http://www.hyper.com/ 3-2. 브라운동력학모의실험 (BD Simulation) 과몬테카를로모의실험 (MC Simulation) BD 모의실험은여러면에서 MD 와많이다르다고볼수있다. 즉뉴튼운동방정식에 random force 항을추가함으로서불규칙하게일어나는브라운운동을모의실험하는것이다. 장점은 MD 모의실험에비하여매우긴시간을실험할수있다는점과반응속도상수를제공한다는점이다. 단점으로는모의실험하는동안단백질구조가고정된다는점이다. 그러므로단백질의구조변화를관찰하는것은불가능하므로단백질혼자만의모의실험을무의미하다. 따라서 BD 는기질이어떻게단백질에접근해가는가하는단백질-기질상호작용중에서도기질의접근경로연구에가장적합하다고볼수있다. Huang 등이음전하를띠고있는 Phosphate 가주로음전하들이모여있는 PBP(Phosphate Binding Protein, PBP) 의결합위치어떻게접근하여결합하는가하는수수께끼를 BD 모의실험을이용하여멋지게설명하였다 [26]. 실재 BD 모의실험계산을위해서는그림 4 에주어진것처럼 active site 주변에몇개의반응구 (reaction sphere) 를설정한다. 그런다음기질은충분히먼거리에서임의의위치에서출발시킨다. 기질은실재상황처럼전자기력과 random force 에의하여결합위치를찾아나선다. 실재반응이일어나는게아니라멀리서부터기질이접근해와서이반응구면에닿으면반응이일어난것으로간주하는것이다. 보통의경우만족할만한속도상수를얻기위하여백만번혹은그이상의실험을반복한다. 표 2 에정리된바와같이현재사용가능한 BD 모의실험용전문프로그램은휴스턴대학교에서개발된 UHBD 가유일하다 [27,28]. 그림 4. PBP 에대한브라운동력학모의실험을위한반응구 (reaction sphere) 설정. 반응웅덩이가장깊은곳에 Ser254 가놓여있다 [26]. 이제까지소개한모의실험들은모두동력학 (dynamics) 모의실험이었다. 즉시간이주요변수로포함되었다는뜻이다. 그러나 MC 모의실험에는시간변수가없다. 이는 MC 모의실험의특징이기도하다. MD 모의실험에서는시간을거슬러올라가며다음구조를생성시켜분석에필요한다양한 conformation( 혹은 configuration) 을만들어내는것에반하여, MC 모의실험에서는시간대신 random 함수를이용하여발생된난수를
이용하여현재구조와조금다른새로운구조를생성시켜필요한 conformation 을만드는것이다. 참고로이처럼한가지구조에서여러가지다른구조를만들어놓은집합체를앙상블 (ensemble) 이라고부른다. 이러한난수를이용한 sampling 방법은 Metropolis 등에의하여 1949 년에처음으로제안되었고 [29] 확률에바탕을둔이방법은도박과도관련된깊어유럽에서가장도박으로유명한도시이름인몬테카를로라고명명되었다. 현재사용가능한분자를대상으로하는 MC 모의실험전문프로그램은예일대학교에서개발된 BOSS( 혹은 MCPro) 가대표적이다. 표 2. 브라운동력학 (BD) 및몬테카를로 (MC) 모의실험에사용되는프로그램들 NAME UHBD (University of Houston Brownian Dynamics) [27,28] BOSS (Biochemical and Organic Simulation System) MCPro FEATURES -Brownian dynamics (BD) simulation ation. -Molecular dynamics (MD) simulation. -Energy Minimization (EM) -Electrostatic potential energy (ESP) calculation http://adrik.bchs.uh.edu/uhbd.html -Montec Carlo (MC) simulation. -Energy Minimization (EM) -Normal mode analysis -Free energy calculation http://zarbi.chem.yale.edu/products/boss/index.shtml -MC simulation (key module of BOSS) -Utilize NOE constraint -Free energy change calculation from FEP http://zarbi.chem.yale.edu/products/mcpro/index.shtml 3-3. 분자도킹모의실험 (Molecular Docking Simulation) 단백질-지질상호작용은생물학연구의최대관심주제중하나이다. 분자도킹모의실험은 MC 모의실험처럼비동력학적모의실험이며, 아직알려져있지않은관심계의단백질-지질결합모드를합리적으로알아내는수단이다. 원자수준에서수행되는모의실험을통하여가능성있는결합모드들을제공할수있다. 결합모드가알려지면단백질의기능연구나더나아가그단백질의기능을저해하는신약개발등의연구에크게기여할수있다. 도킹모의실험은 MD 모의실험과서로상보적인특징을가지고있다. 두가지다주어진시작구조에서가장가까운위치에너지우물속으로안정한구조를찾아간다는공통점이있으나도킹모의실험은모든가능한 configuration 을다조사하고 MD 모의실험은그렇지않다는차이점이있다. 이것이보다정확한계산법인 MD 모의실험이단백질-지질결합모드를알아내는연구에사용될수없는이유이자도킹모의실험이존재하는이유이다. 도킹에서는모든가능한 configuration 을다조사해야하므로엄청난계산량이요구되는데이러한문제때문에도킹모의실험중에는단백질혹은수용체의구조가고정되는최대약점을안게된다. 그러므로도킹실험후가능성높은결함모드에대하여 MD 모의실험을추가로실시하면가장좋은결과를얻을수있다. 앞에서언급된 HIV-1 Integrase 란단백질에대하여행해진한도킹모의실험에대하여소개하면, 이단백질의 3 차구조는이미밝혀졌지만, AIDS 치료제개발등에있어결정적으로중요한단백질과그기질인 DNA 와어떤모드로상호작용하는지는실험적어려움등으로인하여아직까지알려져있지않았다. Adesokan 등이수퍼컴퓨터를이용하여 1130 억개의가능한구조들에대하여분자도킹모의실험을실시하여실험적사실과잘부합하는 HIV-1 Integrase-DNA 결합모델을세계최초로제안하였다 [30]. 이결과는 AIDS 치료제개발에중요한역할을할것으로기대되며이들결합모델중한개가그림 3 에주어졌다. 분자도킹모의실험에사용되는대표적인프로그램들이표 3 에주어졌다. 가장대표적인것은 UCSF 에개발된 DOCK[31-33] 과 Scripps 에서개발된 AutoDock[34-37] 등이있다. 대부분이실험중구조가고정되는거대한수용체와움직임이허용되는작은리간드와의도킹실험을위한용도들이지만, DOT 는단백질-단백질혹은단백질-DNA 같은거대분자들간의도킹실험을목적으로한다는점이주목할만하다.
그림 3. Docking 모의실험결과로제안된 B-DNA 와 HIV-1 Integrase 의결합모델. 두개의붉은색잔기들은왼쪽부터 K156 과 K159 이고노란색잔기는 E152, 마지막으로녹색잔기들의왼쪽부터 D64 와 D116 이다. 회색으로처리된구들은 active site 에존재하며반응에참여하는두개의 Mg 2+ 이온들이다 [30]. 표 3. 분자도킹모의실험에사용되는주요프로그램들 NAME DOCK [31-33] AutoDock [34-37] GOLD (Genetic Optimisation for Ligand Docking) [38-40] FlexX (Flexible docking using an incremental construction algorithm) FTDock ( Fourier Transform Dock) [41] FEATURES -Flexible ligand -Strong virtual screening function to many databases -Protein-protein docking (not strong) http://dock.compbio.ucsf.edu/ -Flexible ligand -Genetic algorithm (GA) and Lamarckian GA -Protein-protein docking (not strong) http://www.scripps.edu/mb/olson/doc/autodock/ -Very accurate -Full ligand and partial protein flexibility -Choice of scoring functions -Genetic algorithm http://www.ccdc.cam.ac.uk/products/life_sciences/gold/ -Flexible ligand -Virtual screening -Very fast with moderate accuracy http://www.biosolveit.de/flexx/ -Purely geometric approach -Using Fourier Transform http://www.bmm.icnet.uk/docking/
Hex [42-44] -Interactive molecular docking and superposition program -Using polar Fourier correlations http://www.csd.abdn.ac.uk/hex/ GRAMM (Global Range Molecular Matching) [45,46] -Protein-protein docking and protein-ligand docking (not flexible docking) -Using molecular matching http://reco3.ams.sunysb.edu/gramm/ DOT (Daughter Of Turnip) -Only for protein-protein docking -Designed for parallel computers http://www.sdsc.edu/ccms/dot/ 4. 컴퓨터를이용한신약설계 (Computer-Aided Drug Design, CADD) 1980 대후반부터시작된정량적구조활성관계 (Quantitative Structure-Activity Relationships, QSAR) 라불리는연구분야가합리적신약설계 (Rational Drug Design) 혹은컴퓨터를이용한신약설계 (CADD) 의시작이라고볼수있고이 QSAR 연구는지금도 CADD 의한주요분야를형성하고있다. 초기에는일반적인물리량들을식별자로사용하여회귀방정식을유도하는 2 차원 (2D) QSAR 이주연구대상이었는데오늘날에는 3 차원위치와관련된식별자들을중시하는 3D QSAR 이이분야연구의주종을이루고있다. 신약개발은의약품이라는고부가가치상품을개발하는분야인만큼계산생물학분야중에서도산업계가가장관심을보이는분야이다. 이런맥락을같이하여, 앞에서설명한모의실험프로그램들이주로대학에서개발된점에반하여, CADD 관련프로그램들은산업체에서개발되고있다. 소프트웨어가격또한모의실험프로그램들이연구용의경우무료이거나수십만원정도하는데, CADD 관련소프트웨어들은수천만원을호가할만큼고가이다. 실재로현존하는주요 CADD 관련소프트웨어들은 Tripos 와 Accelrys 라는두세계적인라이벌기업에의해서만개발중이다. Tripos 의 SYBYL 과 Accelrys 의 Cerius2 가두대표적인 CADD 소프트웨어들이고그들각각은표 4 에요약되어있는것처럼다양한기능을가지고있는막강한부프로그램격인모듈들을장착하고있다. 개인적으로 SYBYL 이조금더강력하게느껴지지만둘다거의비슷한기능을가지고있으므로어느한개만준비하면 CADD 연구에큰문제가없으리라생각된다. 두가지다최근에는더욱강력해진기능으로목표달성시간을단축시킬수있게되었고 CADD 연구에없어서는안되는중요한도구로자리잡았다. 최근에 Accelrys 개발된 Catalyst 는앞에서언급한두프로그램과는다른새로운개념의 CADD 연구용도구이다. 기존과다른개념을사용하는 QSAR 방정식을이용하고손쉽게 phamacophore 를만들고강력한데이터베이스검색기능을겸비한초고가용소프트웨어이다. 표 4. 컴퓨터를이용한신약설계 (CADD) 사용되는주요프로그램들 NAME SYBYL FEATURES -Powerful modules: CombiFlexX/CScore/FlexS/FlexX/LeapFrog/UNITY/ CoMFA/DISCOtech/GASP/QSAR/VolSurf http://www.tripos.com/scitech/insilicodisc/emmt.html Cerius2 Catalyst -Powerful modules: CSAR/LigandFit/ADME/Tox/SBF/AutoLudi/ALogP98 http://www.accelrys.com/cerius2/ -Building pharmacophore model -Distinctive approach from previous QSAR methods -Strong database search http://www.accelrys.com/catalyst/ Deng 등이 CADD 를이용한 HIV-1 Integrase 저해제후보물질들을개발한예를이용하여최근의 CADD 연구동향에대하여살펴보자 [47]. X-ray 구조를시작으로여러차례 MD 모의실험을거친후최적의단백질-기질결합체의구조를그림 4a 와같이선정하였다. 그냥주어진 X-ray 구조를대신사용하는경우도많지만가능하면더욱세련된구조로가공하여사용하는것이바람직하다. 그런다음 Catalyst 를이용하여약리활성 ( 혹은결합 ) 에꼭필요한기질이갖추어야하는 3 차원적특징 ( 이를 pharmacophore 라고부른다 ) 을도출한다 ( 그림 4b). 마지막으로이렇게준비된도출된 pharmacophore 모델을이용하여모델에적합한
후보물질들을 Maybrigde 나 NCI 같은데이터베이스를통하여검색한다. 새로운저해제후보분자가검색에사용된 pharmacophore 모델과함께주어졌다. 그림 4c 에데이터검색을통해찾아낸 그림 4. CADD 를이용한 HIV-1 Integrase 저해제개발 : (a) 기존에알려진저해제가 active site 에결합해있는모습, (b) 결합구조 (a) 를바탕으로도출한 pharmacophore 모델, (c) 도출된 pharmacophore 모델을이용하여데이터검색을통해찾아낸새로운저해제후보분자 [47]. 5. 생물정보학 (Bioinformatics) 이분야에대해서는이미본지에실린 (7(1) 13-23) 장병탁, 강철주의 생물정보학의과제 (Issues in Bioinformatics) 추천으로대신하고자한다. 서열분석, 발현분석, 구조분석, 네트워크분석등생물정보학의세부분야에대해서자세히설명하였고또이분야연구에사용되는주요프로그램들, 또문제점등을일목요연하게정리해놓았으므로생물정보학분야에관심있는독자들에게강력히추천하는바이다. 6. Visualization 및기타앞에서언급된세가지주요연구분야에속하지않은단백질구조 visualization, Electrostatic potential 계산, Homology 모델링, pka 계산분야등을기타분야로분류하였다. 단백질구조 visualization 이란이미알려진 3 차원단백질구조들을좀더이해하기쉽게그리거나분석하는방법을의미한다. 이미잘알려진 visualization 프로그램들을표 5 에정리하였다. 표 5. 단백질구조 visualization 을위한주요프로그램들 NAME FEATURES GRASP (Graphical Representation and Analysis of Structural Properties) [48] -ESP map visualization -Strong surface visualization http://trantor.bioc.columbia.edu/grasp/index.html
Molscript [49] MOLMOL (MOLecule analysis and MOLecule display) PyMOL gopenmol [50,51] Rasmol (or ProteinExplorer, PE) -Developed by X-ray crystallography experts -Very powerful http://www.avatar.se/molscript/ -Developed by NMR experts -Especially useful PDB structures determined by NMR http://hugin.ethz.ch/wuthrich/software/molmol/ -Programmed by Python language -Very capable -Easy to use http://pymol.sourceforge.net/ -Capable to do MD analysis -ESP display with GAUSSIAN, UHBD, AutoDock, GRID http://www.csc.fi/gopenmol/ -Rasmol is easy to use but now so powerful. -Rasmol is now evolved to PE. -PE use web browser and is much more capable than Rasmol. http://www.umass.edu/microbio/rasmol/ http://molvis.sdsc.edu/protexpl/frntdoor.htm 그리고그이외의계산프로그램들에대하여표 6 에정리하였다. 계산생물학에서가장손쉬운계산법중하나가 Electrostatic potential (ESP) 계산인데이는 Delphi 나 UHBD 를사용하여계산할수있고 GRASP 을이용하여결과를살펴볼수있다. pka 계산은 pka 변화에민감한단백질의연구에아주중요한수단이다. 예를들어중성에서 Asp 의 pka 는혼자존재하면 4 근처이지만주변환경에따라 7 근처로변하기도한다. 이런미세한변화를 UHBD 를사용하여계산할수있다. 단백질의시퀀스는알려져있지만 3 차원구조가밝혀지지않은경우, 시퀀스가비슷한단백질의 3 차원구조가존재하면기존의구조와시퀀스정렬을이용하여필요한단백질의 3 차구조를만들수있는데이런방법론을 Homolog 모델링이라고부르고대표적인프로그램으로는 InsightII 의하위프로그램인 Homology 와 Modeler 가있다. 표 6. ESP 계산, pka 계산및 Homology 모델링프로그램들 NAME Delphi [52-55] UHBD (University of Houston Brownian Dynamics) [27,28] InsightII FEATURES -Electrostatic potential energy (ESP) calculation http://trantor.bioc.columbia.edu/delphi/ -ESP calculation -pka calculation -BD simulation ion http://adrik.bchs.uh.edu/uhbd.html -Homology and Modeler module http://www.accelrys.com/insight/homology.html http://www.accelrys.com/insight/modeler.html 7. 맺음말최근들어생물정보학분야의눈부신발달로인하여높은관심을모으고있는계산생물학에대한전반적인이해를돕기위하여, 계산생물학을구성하고있는여러세부분야에대하여간단히살펴보았다. 1980 년대부터 MD 모의실험을필두로시작된컴퓨터모의실험분야, 그리고 1990 년대부터정착된컴퓨터를이용한신약설계분야, 그리고인간게놈프로젝트이후급속한발전을거듭하고있는생물정보학분야등이현대의계산생물학을이루는세가지주요연구분야라구분지었다. 짧은지면의한계때문에각분야에대한상세한설명보다는실재활용예를들고프로그램을소개함으로서독자들에게이분야의실용적인이해를돕고자노력하였다. 21 세기는학문간의융합시대라고한다. 즉연구분야간협력을통할때만이보다새롭고보다의미있는성과를얻을수있는시대란뜻이다. 컴퓨터의성능이발달할수록실험데이터의형태가복잡해질수록생물학연구에
있어서계산생물학의수요는계속증가해갈것으로예상된다. 그러므로이분야종사자로서이제막생물학연구를시작하려는젊은과학도들이이분야에많은관심을갖기를기대한다. 마지막으로, 앞에서살펴본바와같이계산생물학을원자분자수준의이해를구할수있기때문에실험에서발견한연구결과를계산생물학적연구로마무리하게되면연구성가의질을한두단계향상시킬수있는여지가많다. 선진국에서는일반화되어있는실험생물학-계산생물학간의공동연구가국내에서는실험생물학자들의계산생물학에대한이해부족으로전혀자신들의연구에이용하지못하고있는안타까운실정이다. 그러므로계산생물학자들과의공동연구를적극적으로활용하라고실험생물학자들에게끝으로당부하는바이다. 참고문헌 1. J.A. Pople, D. Santry and G.A. Segal, Approximate Self-consistent Molecular Orbital Theory I. Invariant Procedures. J. Chem. Phys. (1965) 43, 5129. 2. J.A. Pople and G.A. Segal, Approximate Self-consistent Molecular Orbital Theory II. Calcul!ations with Complete Neglect of Differential Overlap. J. Chem. Phys. (1965) 43, 5136. 3. J. A. Pople and G.A. Segal, Approximate Self-consistent Molecular Orbital Theory III. CNDO Results for AB2 and AB3 systems. J. Chem. Phys. (1966) 44, 3289. 4. W. John and L. J. Sham, Self-Consistent Equations including Exchange and Correlation Effects. Phys. Rev. (1965) 140, A1133. 5. R.C. Bingham, M.J.S. Dewar and D.H. Lo, Ground States of Molecules. XXV. MINDO/3. An Improved Version of the MINDO Semiempirical SCF-MO Method. J. Am. Chem. Soc. (1975) 97, 1285-1293. 6. M.J.S. Dewar and W. Thiel, Ground States of Molecules, 38. The MNDO Method. Approximations and Parameters. J. Am. Chem. Soc., (1977) 99, 4899-4907. 7. M.J.S. Dewar, E.G. Zoebisch, E.F. Healy and J.J.P. Stewart, AM1: A New General Purpose Quantum Mechanical Model. J. Am. Chem. Soc. (1985) 107, 3902-3909. 8. N.L. Allinger, Y.H. Yuh and J.H. Lii, J. Am. Chem. Soc. (1989) 111, 8551. 9. J.H. Lii and N. L. Allinger, J. Am. Chem. Soc. (1989) 111, 8566. 10. J.H. Lii and N. L. Allinger, J. Am. Chem. Soc. (1989) 111, 8576. 11. C. Hansch, A Quantitative Approach to Biochemical Structure-Activity Relationships. Acct. Chem. Res. (1969) 2, 232-239. 12. W.R. Pearson and D.J. Lipman, Improved Tools for Biological Sequence Comparison. PNAS (1988) 85, 2444-2448. 13. W.R. Pearson, Rapid and Sensitive Sequence Comparison with FASTP and FASTA. Methods in Enzymology (1990) 183, 63-98. 14. S.F. Altschul, T.L. Madden, A.A. Schaffer, J. Zhang, Z. Zhang, W. Miller and D.J. Lipman, Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. Nucleic Acids Res. (1997) 25(17), 3389-402. 15. S.F. Altschul, Amino acid substitution matrices from an information theoretic perspective. J. Mol. Biol. (1991) 219, 555-565. 16. S.F. Altschul, A protein alignment scoring system sensitive at all evolutionary distances. J. Mol. Evol. (1993) 36, 290-300. 17. S.F. Altschul, M.S. Boguski, W. Gish and J.C. Wootton, Issues in searching molecular sequence databases. Nature Genetics (1994) 6, 119-129. 18. K.W. Lee and J.M. Briggs, Molecular Modeling Study for the Editing Activity of E. coli Leucyl-tRNA Synthetase: Two Amino Acid Binding Sites in the CP1 domain. PROTEINS: Structure, Function and Bioinformatics (2004) 54(4), 693-704. 19. K. W. Lee and J. M. Briggs, MD Simulation on HIV Integrase Two Domain Dimer with Inhibitor (in preparation) 20. M.L. Barreca, K.W. Lee, A. Chimirri and J.M. Briggs "Molecular Dynamics Studies of the Wild-type and Double Mutant HIV-1 Integrase Complexed with the 5CITEP Inhibitor: Mechanism for Inhibition and Drug Resistance." Biophysical J. (2003) 84(3), 1450-1463. 21. B. R. Brooks, R. E. Bruccoleri, B. D. Olafson, D. J. States, S. Swaminathan and M. Karplus, CHARMM: A Program for Macromolecular Energy, Minimization, and Dynamics Calculations, J. Comp. Chem. (1983) 4, 187-217. 22. D.A. Pearlman, D.A. Case, J.W. Caldwell, W.R. Ross, T.E. Cheatham, III, S. DeBolt, D. Ferguson, G. Seibel and P. Kollman, AMBER, a computer program for applying molecular mechanics, normal mode analysis,
molecular dynamics and free energy calculations to elucidate the structures and energies of molecules. Comp. Phys. Commun. (1995) 91, 1-41. 23. J.W. Ponder and D.A. Case, Force fields for protein simulations. Adv. Prot. Chem. (2003) 66, 27-85. 24. T.E. Cheatham, III and M.A. Young, Molecular dynamics simulation of nucleic acids: Successes, limitations and promise. Biopolymers (2001) 56, 232-256. 25. L. Kale, R. Skeel, M. Bhandarkar, R. Brunner, A. Gursoy, N. Krawetz, J. Phillips, A. Shinozaki, K. Varadarajan and K. Schulten, NAMD2: Greater scalability for parallel molecular dynamics. J. Comp. Phys. (1999) 151, 283-312. 26. H.C. Huang and J.M. Briggs, The Association Between a Negatively Charged Ligand and the Electronegative Binding Pocket of its Receptor. Biopolymers (2002) 63, 247-260. 27. D.L. Ermak and J.A. McCammon, Brownian dynamics with hydrodynamic interactions. J. Chem. Phys. (1978) 69, 1352-1360. 28. J.M. Briggs and J.A. McCammon, Computation unravels mysteries of molecular biophysics. J. Chem. Phys. (1978) 69, 1352-1360. 29. N. Metropolis and S. Ulam, The Monte Carlo Method. J. Amer. Stat. Assoc. (1949) 44, 335-341. 30. A. Adesokan, V.A. Roberts, K.W. Lee, R. Lins and J.M. Briggs "Prediction of HIV-1 Integrase/viral DNA interactions in the catalytic domain by fast molecular docking." J. Med. Chem. (2004) 47(4), 821-828. 31. T.J.A. Ewing and I.D. Kuntz, Critical Evaluation of Search Algorithms for Automated Molecular Docking and Database Screening. J. Comp. Chem. (1996) 17, 1175-1189. 32. S. Makino and I.D. Kuntz, Automated Flexible Ligand Docking Method and Its Application for Database Search. J. Comp. Chem. (1997) 18, 1812-1825. 33. R.M.A. Knegtel, I.D. Kuntz, and C.M. Oshiro, Molecular Docking to Ensembles of Protein Structures. J. Mol. Biol. (1997) 266, 424-440. 34. D.S. Goodsell and A.J. Olson, Proteins: Str. Func. and Genet. Automated Docking of Substrates to Proteins by Simulated Annealing. (1990) 8, 195-202. 35. G.M. Morris, D.S. Goodsell, R. Huey and A.J. Olson, Distributed automated docking of flexible ligands to proteins: Parallel applications of AutoDock 2.4. J. Computer-Aided Molecular Design, (1996) 10, 293-304. 36. G.M. Morris, D.S. Goodsell, R. S. Halliday, R. Huey, W.E. Hart, R.K. Belew and A.J. Olson, Automated Docking Using a Lamarckian Genetic Algorithm and and Empirical Binding Free Energy Function. J. Computational Chemistry (1998) 19, 1639-1662. 37. D.S. Goodsell, G.M. Morris and A.J. Olson, Docking of Flexible Ligands: Applications of AutoDock. J. Mol. Recognition (1996) 9, 1-5. 38. G. Jones, P. Willett and R.C. Glen, Molecular recognition of receptor sites using a genetic algorithm with a description of desolvation. J. Mol. Biol. (1995) 245, 43-53. 39. G. Jones, P. Willett, R.C. Glen, A.R. Leach and R. Taylor, Development and Validation of a Genetic Algorithm for Flexible Docking. J. Mol. Biol. (1997) 267, 727-748. J. W. M. Nissink, C. Murray, M. Hartshorn, M.L. Verdonk, J.C. Cole and R. Taylor, A new test set for validating predictions of protein-ligand interaction. Proteins, (2002) 49(4), 457-471. 40. M.L. Verdonk, J.C. Cole, M.J. Hartshorn, C.W. Murray and R.D. Taylor, Improved Protein-Ligand Docking Using GOLD. Proteins, (2003) 52, 609-623. 41. H.A. Gabb, R.M. Jackson and M.J.E. Sternberg, Modelling Protein Docking using Shape Complimentarity, Electrostatics and Biochemical Information. J. Mol. Biol. (2002) 272, 106-120. 42. D.W. Ritchie and G.J.L. Kemp, Fast Computation, Rotation, and Comparison of Low Resolution Spherical Harmonic Molecular Surfaces. J. Comp. Chem. (1999) 20, 383-395. 43. D.W. Ritchie and G.J.L. Kemp, Protein Docking Using Spherical Polar Fourier Correlations. PROTEINS: Struct. Funct. Genet. (2000) 39, 178-194. 44. D.W. Ritchie, Evaluation of Protein Docking Predictions Using Hex 3.1 in CAPRI Rounds 1 and 2. PROTEINS: Struct. Funct. Genet. (2003) 52(1), 98-106. 45. E. Katchalski-Katzir, I. Shariv, M. Eisenstein, A.A. Friesem, C. Aflalo and I.A. Vakser. Molecular surface recognition: Determination of geometric fit between proteins and their ligands by correlation techniques. Proc. Natl. Acad. Sci. USA, (1992) 89, 2195-2199. 46. I.A. Vakser and C. Aflalo, Hydrophobic docking: A proposed enhancement to molecular recognition techniques. Proteins (1994) 20, 320-329.
47. J. Deng, K.W. Lee, T. Sanchez, M. Cui, N. Neamati and J.M. Briggs, Dynamic Receptor-Based Pharmacophore Model Development and its Application in Designing Novel HIV-1 Integrase Inhibitors. J. Med. Chem. (2005, in press) 48. A. Nicholls, K. Sharp and B. Honig, PROTEINS, Structure, Function and Genetics, (1991) 11, 281. 49. P. J. Kraulis, J. Appl. Cryst. (1991) 24, 946. 50. L. Laaksonen, A graphics program for the analysis and display of molecular dynamics trajectories. J. Mol. Graph. (1992) 10, 33-34. 51. D.L. Bergman, L. Laaksonen and A. Laaksonen, Visualization of solvation structures in liquid mixtures. J. Mol. Graph. Model. (1997) 15, 301-306. 52. M.K.Gilson, K.Sharp and B.Honig, Calculating the Electrostatic Potential of Molecules in Solution: Method and error assessment. J. Comp. Chem. (1987) 9, 327-335. 53. M.K. Gilson and B.Honig, Calculation of the Total Electrostatic Energy of a Macromolecular System: Solvation Energies, Binding Energies and Conformational Analysis. Proteins, (1988) 4, 7-18. 54. A. Nicholls and B. Honig, A Rapid Finite Difference Algorithm, Utilizing Successive Over-Relaxation to Solve the Poisson-Boltzmann Equation. J. Comp. Chem. (1991) 12, 435-445. 55. A-S. Yang, M.R. Gunner, R. Sampogna, K. Sharp and B. Honig, On the Calculation of pkas in Proteins. Proteins. (1993) 15, 252-265. B. Honig and A. Nicholls, Classical electrostatics in biology and chemistry. Science (1995) 268, 1144-1149. 이근우 1984-1988 서울대학교자연대학화학과이학사 1988-1990 서울대학교자연대학화학과물리화학석사 1990-1997 서울대학교자연대학화학과계산화학박사 1997-1998 UC Berkeley 화학과박사후연구원 1998-2002 University of Houston 생물생화학과박사후연구원 / 연구원 2002-2004 University of Houston 생물생화학과연구조교수 2002-2004 미국 / 휴스턴 VisiGen Biotechnologies, Inc. 선임연구원 2004-현재경상대학교생화학과조교수홈페이지 : http://bio.gsnu.ac.kr 주요관심분야 : 계산생물학 / 신약설계 / 생물정보학