ProteinMaker

[태그:] MolProbity

  • [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…

  • [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…

  • 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…

  • 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…

  • [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 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…