ProteinMaker

[카테고리:] 구조예측대회

  • 구조 생물학의 임계점을 넘다: MolProbity 0.50 & Rama Z-score 0.55 달성 리포트

    단백질 구조 리파인먼트(Refinement)의 세계에서 “어디까지 정밀해질 수 있는가?”라는 질문에 답은 대개 통계적 한계선에 부딪히기 마련입니다. 하지만 최근 진행된 HanjariFold-Endgame 엔진의 테스트 결과는 그 한계선이 다시 쓰여야 함을 증명했습니다. 🧬 ZENITH V34: AI가 제안하고, 물리 법칙이 완성하다 이번 분석 대상은 약 242개의 잔기와 DNA 복합체(12 bp)로 구성된 시스템이었습니다. 흥미로운 점은 초기 모델로 사용된 AI(Boltz) 생성 구조가…

  • [기술 혁신] 초거대 리보솜 복합체(4V9C)의 구조적 한계를 극복하다: HanjariFold-Endgame 리파인먼트 성공

    안녕하세요, ProteinMaker입니다. 오늘은 당사의 독자적인 분자 정밀화 엔진인 HanjariFold-Endgame을 활용하여, 구조 생물학계의 거대 타겟인 70S 리보솜(Ribosome) 복합체(PDB ID: 4V9C)를 세계 최고 수준의 정밀도로 최적화한 사례를 소개해 드립니다. 1. 배경: 리보솜, 30만 원자 데이터의 무게 2012년 Nature Structural & Molecular Biology에 발표된 리보솜 구조(4V9C)는 생명 현상의 핵심을 담고 있는 위대한 성과물입니다. 하지만 3.30 Å 해상도에서 규명된…

  • Official Launch of the HanjariFold Research Access Portal for High-Precision Structural Refinement

     We are pleased to announce the opening of our researcher-dedicated test server for HanjariFold, now accessible at hanjarifold.net. Following extensive internal benchmarking and rigorous validation, we have confirmed that our latest refinement engine delivers exceptional performance. By integrating our core philosophy of Cosmic Biomechanics with deterministic physical learning models, the engine consistently achieves high-percentile structural…

  • [Refinement Insight] AI 모델의 완성, ‘수화 네트워크’ 복구에서 시작되다

    최근 AlphaFold 3(AF3)의 등장은 구조 생물학계에 커다란 충격을 주었습니다. 하지만 우리 모두가 알고 있듯, 예측된 ‘모양(Shape)’이 곧 ‘작동하는 실체(Functioning reality)’를 의미하지는 않습니다. AI가 제시한 고정밀 백본 구조 위에, 생체 내 환경인 수화층(Hydration Shell)과 물리적 평형을 입혀야만 비로소 계산 가능한 생물학적 데이터가 탄생합니다. 오늘은 HanjariFold Zenith 엔진을 통해 TRPC1/C4 이종 복합체 모델을 리파인먼트하며 얻은 통찰을 공유하고자 합니다.…

  • [데이터 리포트] CRISPR-Cas9의 정밀화: AF3를 넘어 100th Percentile 무결성 달성

    단백질 구조 예측 AI인 AlphaFold3(AF3)는 혁신적인 도구이지만, 거대 핵산 복합체(Nucleoprotein) 시뮬레이션에서는 여전히 미세한 기하학적 오류를 남깁니다. 본 리포트에서는 유전자 가위로 잘 알려진 4UN3(Cas9-sgRNA-DNA 복합체)를 대상으로 HanjariFold ZENITH 엔진이 달성한 물리적 정제 성과를 팩트 중심으로 요약합니다. 1. 주요 지표 비교: AF3 원본 vs HanjariFold ZENITH 가장 객관적인 구조 검증 지표인 MolProbity 분석 결과, HanjariFold는 거대 복합체의…

  • [HanjariFold 리포트] AF3를 넘어 물리적 실체로: GPCR Heterodimer의 100th Percentile 달성

    단백질 구조 예측의 시대를 연 AlphaFold3(AF3)는 놀라운 정확도를 보여주지만, 정밀한 신약 설계(Drug Discovery) 현장에서는 여전히 ‘물리적 노이즈’라는 숙제가 남아있습니다. 특히 구조적으로 복잡한 GPCR Heterodimer(AGTR1-APLNR) 모델에서는 원자 간의 충돌과 기하학적 왜곡이 더욱 두드러집니다. 본 포스팅에서는 HanjariFold ZENITH 엔진이 AF3의 초기 모델을 어떻게 ‘실행 가능한(Actionable) 고정밀 구조’로 변환시켰는지 그 팩트를 공개합니다. 1. 통계 데이터: “예측(Prediction)에서 실체(Reality)로” 가장…

  • [단백질 구조 정밀화] AF3 모델의 한계를 넘어서: hanjarifold를 통한 EGFR 구조의 물리적 무결성 완성

    최신 단백질 구조 예측 모델인 AlphaFold3(AF3)는 혁신적인 정확도를 보여주지만, 여전히 원자 수준의 미세한 steric clash(원자 간 충돌)나 기하학적 왜곡(Geometry outliers) 문제를 완벽히 해결하지 못하는 경우가 많습니다. 본 분석에서는 EGFR 구조를 대상으로 기본 AF3 모델과 이를 hanjarifold 엔진으로 정밀화(Refinement)한 모델의 MolProbity 데이터를 비교 검증하였습니다. 그 결과, hanjarifold가 단백질 구조의 물리적 타당성을 어디까지 끌어올릴 수 있는지 확인했습니다.…

  • [단백질 구조 분석] EGFR_AF3 구조 모델 비교 평가: hanjarifold의 정밀도 분석

    AlphaFold3(AF3)를 활용한 단백질 구조 예측에서 모델의 신뢰성을 확보하는 것은 매우 중요합니다. 오늘은 EGFR 구조 모델인 ‘EGFR_AF3_hanjarifold’와 기존 ‘EGFR_AF3’ 모델의 MolProbity 수치를 비교하여, 어떤 모델이 물리적으로 더 타당한 구조를 갖추고 있는지 분석해 보겠습니다. 1. 종합 평가 지표: MolProbity Score 및 Percentile 가장 먼저 확인해야 할 지표는 구조의 전반적인 품질을 나타내는 MolProbity Score입니다. 이 점수는 낮을수록 고해상도…

  • [Bioinformatics] PyMOL을 활용한 소분자 화합물(Ligand) 구조 중첩 및 분석 가이드

    단백질-리간드 복합체 연구에서 여러 유도체의 결합 모드를 비교할 때, 구조 중첩(Superposition)은 필수적인 과정입니다. 흔히 사용하는 ssm 명령어는 단백질 2차 구조 정렬에 최적화되어 있으므로, 소분자 화합물을 정교하게 겹치기 위해서는 리간드 특성에 맞는 별도의 방법이 필요합니다. 1. PyMOL 리간드 정렬 방법 (Structural Alignment) PDB 형식으로 생성된 화합물 모델들을 PyMOL에 불러온 뒤, 공통된 화학적 골격(Core Scaffold)을 기준으로 정렬하면…

  • [Bioinformatics] SMILES 구조식을 3D PDB 모델로 변환 및 화합물 분석 가이드

    단백질-리간드 복합체 구조 분석이나 분자 동역학(MD) 시뮬레이션을 수행할 때, 2차원 문자열인 SMILES를 정확한 3차원 좌표를 가진 PDB 파일로 변환하는 것은 필수적인 첫 단계입니다. 연구 효율을 높여줄 수 있는 주요 방법론과 화합물 식별 도구들을 정리합니다. 1. SMILES를 3D PDB로 변환하는 3가지 방법 SMILES는 원자들의 연결 정보만을 담고 있는 2차원 데이터이므로, 시뮬레이션에 활용하기 위해서는 3차원 좌표 생성(Conformer…