ProteinMaker

[태그:] DNA

  • AI-Guided & Water-Mediated Next-Generation Refinement: 구조생물학의 ‘마지막 1마일’을 정복하다

    최근 몇 년간 딥러닝 기술은 단백질 및 핵산의 3차원 구조 예측 분야에 혁명적인 변화를 가져왔습니다. 예측의 위상학적 정확도는 비약적으로 상승했지만, 역설적으로 현장에서는 새로운 거대한 벽에 부딪히고 있습니다. 바로 AI 모델 특유의 ‘통계적 환각’으로 인해 발생하는 원자 간의 물리적 충돌(Steric Clash)과 기하학적 붕괴 현상입니다. 특히 800개가 넘는 잔기로 이루어진 거대 RNA 복합체나 DNA-단백질 하이브리드 구조에서는, 기존의…

  • 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…

  • [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…

  • AI 기반 효소·리간드·DNA 결합체 설계의 차세대 플랫폼, RFdiffusion3

    📄 논문 요약: RFdiffusion3 (RFD3) 1. 핵심 개요 워싱턴 대학교 단백질 디자인 연구소(Institute for Protein Design) 연구진이 개발한 RFdiffusion3(RFD3)는 기존 단백질 디자인 모델의 한계를 뛰어넘는 전체 원자(All-atom) 기반의 생성형 확산 모델(Diffusion model)입니다. 기존 모델들이 단백질의 백본(뼈대) 좌표 생성에 집중하고 비단백질 분자와의 상호작용을 간과했던 것과 달리, RFD3는 리간드, 핵산(DNA/RNA), 금속 이온 등 비단백질 원자들과의 상호작용까지 정밀하게…