[카테고리:] 구조예측
-
[Open Source] HanjariFold2: CosmicDistiller Engine Released! A Memory-Efficient AI Protein Structure Refinement Tool
Hello, Structural Biology & AI Community! Amidst the intense modeling rounds of CASP17 this week, I am thrilled to officially release HanjariFold2: CosmicDistiller Engine as an open-source software! CosmicDistiller is an ultra-fast, lightweight macromolecular refinement tool designed to clean up unphysical atom clashes and backbone geometry errors (Ramachandran outliers) commonly generated by state-of-the-art AI models…
-
[오픈소스 발표] 초거대 리보솜도 OOM 없이 깎는 AI 단백질 구조 증류 엔진, HanjariFold2: CosmicDistiller 대공개!
안녕하세요! 구조 예측 대회 CASP17이 한창 진행 중인 이번 주, 인공지능 단백질 구조 예측의 고질적인 기하학적 에러를 완벽하게 정제하고, 초고속으로 수화층을 형성해 주는 경량화 구조 정밀화(Refinement) 소프트웨어 HanjariFold2: CosmicDistiller Engine을 오픈소스로 전격 공개합니다! GitHub 저장소 바로가기: https://github.com/bghan2024/HanjariFold-endgame 라이선스: Apache License 2.0 (학술 및 상업적 이용 전면 허용, 출처 인용 필수) 💡 왜 CosmicDistiller인가? (개발 배경)…
-
[구조생물학] AI 모델 간의 구조 품질 격차, 물리학 기반 리파인먼트 엔진으로 극복 가능할까? (RMSD 0.55Å의 증명)
최근 단백질 구조 예측 분야는 구글 딥마인드의 AlphaFold3(알파폴드3)를 필두로 한 대형 AI 모델들이 주도하고 있습니다. 하지만 이러한 고성능 독점 모델들은 높은 연산 비용과 까다로운 라이선스 제약이라는 장벽이 존재합니다. 반면 메타의 ESMFold 같은 오픈소스 기반 모델들은 속도가 압도적으로 빠르고 대량 생산이 가능하지만, 구조의 미세한 원자 배치나 물리적 무결성 면에서는 AlphaFold3에 비해 상대적으로 아쉬운 품질을 보여주는 것이…
-
구조 생물학의 임계점을 넘다: 9W5I 복합체의 물리 엔진 기반 하이브리드 리파인먼트 리포트
단백질 구조 규명 기술이 발전함에 따라, 실험적으로 얻어진 초기 모델의 기하학적 오류를 물리화학적 법칙에 맞게 정제(Refinement)하는 과정의 중요성이 더욱 커지고 있습니다. 본 리포트는 인체 내 핵심 고분자 복합체인 AGO2-miRNA-Hsp90-p23 성숙 복합체(PDB ID: 9W5I) 구조를 대상으로, 실험적 전자 밀도 맵의 제약 없이 오직 물리 엔진(HanJariFold)의 힘장(Force-field)만을 이용하여 수행한 기하학적 최적화(In-silico Geometry Optimization) 및 하이브리드 리파인먼트의 객관적…
-
[구조생물학/계산화학] 단백질 구조의 한계를 넘다: ‘초정밀 하이브리드 리파인먼트’의 개념과 과학적 당위성
구조생물학의 발전으로 고해상도 X-ray 결정 구조나 Cryo-EM 데이터가 신약 개발과 분자역학 시뮬레이션의 핵심 인프라로 자리 잡았습니다. 그러나 수많은 연구자가 실험실에서 규명된 PDB(Protein Data Bank) 구조를 그대로 실전 시뮬레이션이나 가상 도킹(Virtual Screening)에 투입할 때 예기치 못한 장벽에 부딪히곤 합니다. 실험 구조가 가진 불가피한 미시적 한계 때문입니다. ProteinMaker™는 이러한 실험 구조의 가치를 훼손하지 않으면서도 계산과학적 활용도를 극대화하기…
-
[구조생물학/계산화학] Pim1 카이네이스 복합체(4JX7)의 핵심 도메인 타깃 초정밀 하이브리드 리파인먼트 완결 리포트
단백질 카이네이스(Kinase) 도메인 연구에서 리간드-단백질 복합체 구조는 가상 스크리닝(Virtual Screening)과 분자역학 시뮬레이션의 핵심 인프라 데이터입니다. 실험 구조생물학 관점에서 결정(Crystal)을 안정적으로 성장시키기 위해 투입하는 기질 펩타이드 첨가제(Additive)나 N/C-말단 영역은 초기 구조 규명에 필수적인 요소입니다. 다만, 이후 이 구조를 유저들이 신약 개발 가상 도킹이나 분자역학 시뮬레이션 등 실전 가상 실험에 곧바로 활용할 때는 가장 중요한 약물 결합…
-
[Bioinformatics] 완벽을 넘어 정점으로: Top-tier X-ray 구조를 더 완벽하게 깎아내는 하이브리드 리파인먼트 파이프라인(HanJariFold V38.1) 가동기
안녕하세요. 구조생물학 및 계산화학을 연구하는 블로그입니다. 단백질 구조 정밀화(Structure Refinement) 파이프라인을 테스트할 때, 흔히 수행하는 벤치마크는 품질이 다소 떨어지는 모델(MolProbity 스코어 2.5~3.0 이상)을 정상 범주로 돌려놓는 예시입니다. 하지만 “이미 정점(Top-tier)에 도달해 있는 초고해상도 실험 구조를 가져와서, 실험 데이터 없이 물리 엔진의 힘만으로 미세한 스트레스까지 더 정밀하게 깎아낼 수 있을까?”라는 질문을 던진다면 어떨까요? 오늘은 자체 개발한…
-
Digital Crystallography: AI 시대의 실험 독립적 구조생물학을 위한 제안
단백질 구조 연구는 오랫동안 실험 구조를 중심으로 발전해왔다. X-ray crystallography, cryo-EM, NMR은 구조생물학의 핵심 기반이며, 지금도 가장 강력한 구조 정보의 원천이다. 그러나 최근 AI 기반 구조 예측 기술의 발전은 새로운 질문을 만든다. “실험 데이터 없이도, 연구 활용 가능한 수준의 구조를 만들 수 있는가?” 나는 이 방향성을 설명하기 위해 Digital Crystallography라는 개념을 제안한다. What is Digital…
-
디지털 결정학(Digital Crystallography), 구조생물학의 임계점을 넘어 새로운 지평을 열다
구조생물학은 인류가 생명의 비밀을 분자 수준에서 들여다볼 수 있게 해준 가장 강력한 창이었습니다. X-ray 결정학부터 초저온 전자현미경(Cryo-EM), 그리고 최근 전 세계를 뒤흔든 대형 AI 예측 모델(AlphaFold, Boltz 등)에 이르기까지 우리는 수많은 단백질의 3차원 청사진을 빠른 속도로 손에 넣고 있습니다. 하지만 우리가 마주한 가상 공간의 진실은 여전히 미시적 한계를 안고 있습니다. 실험 구조는 거친 노이즈와 결정화…