ProteinMaker

[태그:] HanjariFold

  • [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…

  • [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…

  • 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…

  • [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…