KR100456627B1 - 3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법 - Google Patents
3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR100456627B1 KR100456627B1 KR10-2002-0078187A KR20020078187A KR100456627B1 KR 100456627 B1 KR100456627 B1 KR 100456627B1 KR 20020078187 A KR20020078187 A KR 20020078187A KR 100456627 B1 KR100456627 B1 KR 100456627B1
- Authority
- KR
- South Korea
- Prior art keywords
- macromolecules
- dimensional
- database
- unit
- macromolecule
- Prior art date
Links
Abstract
본 발명은 3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법에 관한 것으로, 특히 본 발명의 시스템은 기능과 구조가 밝혀진 다수개의 거대분자 데이터들이 저장된 제 1데이터베이스와, 제 1데이터베이스에 저장된 거대분자 데이터의 3차원 구조를 선정된 표현자 및 표현방법으로 표현하며 3차원 표현자들을 유사 구조로 분류하며 상기 유사 구조를 검색하는 3차원 구조기반의 표현 및 검색부와, 3차원 구조기반의 표현 및 검색부의 3차원 표현자들이 저장되며 제 1데이터베이스의 3차원 표현자들이 유사 구조의 그룹별로 분류되어 저장되며 거대분자의 폴더 구조 특징이 저장된 제 2데이터베이스와, 거대분자의 3차원 구조를 모델링하고 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스에 저장하며 거대분자의 폴더 구조 특징을 기준으로 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링하며 거대분자들의 결합 구조를 가상으로 구현하고 구현된 구조 중에서 약효가 예상되는 거대분자를 선택적으로 찾아내는 3차원 구조기반의 모델링 및 기능 추론부를 구비한다. 그러므로 본 발명은 컴퓨터 그래픽스를 이용한 객체 결합 시뮬레이션을 통하여 거대분자의 3차원 구조 결합을 모델링하며 측정장치를 통해 모델링된 구조 결합의 유사성 여부를 검토함으로써 거대분자를 빠르고 정확하게 예측할 수 있다.
Description
본 발명은 3차원 구조를 기반으로 거대분자의 기능을 예측하는 시스템 및 그 방법에 관한 것으로서, 특히 바이오인포매틱스(bioinformatics) 기술을 이용하여 3차원 구조에 대한 거대분자의 표현, 검색 및 모델링을 통하여 기능예측의 기반을 마련하며, 객체간의 결합 시뮬레이션을 통하여 기능을 예측하며, 예측된 거대분자의 3차원 구조를 자동측정하는 기술에 관한 것이다.
일반적으로 바이오인포매틱스는 생명 정보학이라고도 하는데, 유전체(genome)의 기능을 연구하고 이를 기반으로 실질적인 인류 혜택을 실현할 포스트 게놈 시대(Post Genome Era)에 새롭게 부상한 학문이다. 컴퓨터와 소프트웨어를 활용하여 유전자의 염기서열 데이터를 분석하여 밝혀낸 유전자의 기능을 재구성해 생명공학에 다양하게 응용하도록 해주며, 이밖에도 단백질체학 등 기초생물학·의학·응용생물학 분야에서 필수적이다.
한편 거대분자(macromolecular)는 섬유·단백질·수지(樹脂)·고무 등과 같이 분자량이 약 1만 이상인 고분자로서, 일반적으로 화학결합에 의해 생긴 하나의 원자단이 극히 다수의 원자로 이루어져 있을 경우를 말한다. 이러한 거대분자의 기능은 3차원 구조와 밀접한 관계를 갖고 있기 때문에 거대분자의 3차원 구조를 통한 기능 예측기술에 대한 관심이 고조되고 있다.
종래에는 관련 전문가들의 경험에 의존하여 많은 거대분자들 중에서 소수의유용한 거대분자들을 측정 후보로 선정하고, 선정된 거대분자에 대하여 실험에 의해 거대분자의 3차원 구조를 측정하는 방법이 통상적이었다. 이 방법의 경우 부적절한 측정후보를 선정할 경우 발생하는 무의미한 많은 실험과 측정관련 작업들을 줄이기 위한 방안이 강구되어야 하며 기존에 측정된 자료들 사이의 상관관계를 실험 이전에 밝혀내어 실험으로 측정해야할 부분을 최소화하는 대책이 필요하다.
이러한 기술적 문제를 해결하기 위하여 종래의 3차원 구조기반 거대분자의 기능 예측 기술이 제안되었다. 그 중의 하나인 핸드릭슨 외 4인이 특허출원한 한국특허공개공보 제 2001-108116호의 '거대분자의 원자 구조의 전-게놈을 측정하기 위한 방법'은 도 1을 참조하기로 한다.
도 1은 종래 기술에 의한 3차원 구조기반의 거대분자 기능 예측 시스템을 도시한 구성도로서, 종래 3차원 구조를 기반으로 거대분자의 기능을 예측하는 시스템은 기능예측 관리부(10)와, 상동 모델 제작툴(20)과, 생물 정보학툴(30)과, 단백질 합성부(40)와, 스크리닝부(50)와, 단백질 프로세싱부(60)와, 결정화부(70)와, X선 결정구조 해석부(80)와, 실험적 구조 추론부(90)로 구성된다.
여기서 기능예측 관리부(10)는 다수의 단백질에 체계적으로 조직된 구조 정보와 기능 정보가 저장된 자체 데이터베이스(12)와, 시스템 내부 기기를 전자적으로 제어하는 제어부(14)를 포함한다. 상동모델 제작툴(20)은 기능예측 관리부(10)에서 검색된 표적 단백질의 개량된 모델을 사용하여 상동 모델을 개발하는 것이며 생물 정보학툴(30)은 기능예측 관리부(10)에 저장되어 있는 구조 정보 및 기능 정보를 사용하여 생물 정보를 측정한다. 단백질 합성부(40)는 생물 정보학툴(30)에의해 측정된 각 패밀리, 즉 이 패밀리의 적절한 대표 구성원들인 다수의 표적 단백질을 기능예측 관리부(10)에 저장된 표적 단백질에 상응하는 정보를 사용하여 합성시킨다. 스크리닝부(50)는 단백질로서 효과적인 것을 결정하기 위해 합성 생성물을 스크리닝한다. 단백질 프로세싱부(60)는 스크리닝부(50)에 의해 유효한 것으로 결정된 각 표적 단백질을 준비, 정제 및 특성화시킨다. 결정화부(70)는 다수의 표적 단백질의 표본 결정을 생성하기 위해 다수의 결정화 스크린에 대해 나란히 있는 단백질 처리 장치에 의해 처리된 각 표적 단백질을 결정화시키고, 다수의 표적 단백질의 표본 결정 중의 적합한 하나를 결정하기 위해 다수의 표본 결정들에 대하여 소정의 회절 특징을 테스트한다. X선 결정구조 해석부(80)는 회절 데이터용 표적 단백질의 적절한 표본 결정을 측정하는 회절 측정부와, 회절 데이터를 분석하는 분석부와, 회절 데이터의 분석에 따른 표적 단백질의 원자 모델을 구축하며 회절 데이터에 대한 표적 단백질의 모델을 개량하고, 개량된 모델을 데이터베이스에 저장하는 결정화부(70)에 의해 적절한 것으로 측정된 각 표적 단백질의 표본 결정들에 대하여 고-처리량으로 결정구조를 해석한다. 실험적 구조 추론부(90)는 기능예측 관리부(10)에 저장된 3차원 구조에 대응하는 정보를 이용한 표적 단백질의 개량된 모델을 분석하고, 활성 부위 및 거대분자 접촉 부위를 한정하도록 기능적인 모티브 및 표면 특성에 대한 개량된 모델을 분석하고, 및 표적 단백질에 대응하는 활성 부위 정보를 이용하여 결합능을 가지는 것을 예상하기 위해 적어도 한 클래스의 화합물을 한정한다.
이러한 종래 기술에 의한 3차원 구조기반의 거대분자 기능 예측 시스템은 거대분자의 기능을 밝히기 위하여 생물정보학 툴(30)을 통하여 기 구축된 데이터베이스(12)의 3차원 구조를 검색한다. 그리고 상동모델 제작툴(20)을 이용하여 3차원으로 재구성한 단백질 정보를 이용하여 컴퓨터로 스크리닝부(50)를 통해 약효가 예상되는 물질을 실험으로 찾아내고 실험적 구조 추론부(90)에서 구조를 추론한다. 이어서 단벡질 합성부(40)를 통해 단백질을 합성하고, 단백질 프로세싱부(60)를 통해 단백질을 준비, 정제, 특성화시키며, 단백질을 결정화시키고 X선 결정구조 해석부(80)를 통해 적절한 표본 결정의 결정구조를 X-선 회절분석법으로 단백질 구조를 측정한다.
또한 종래 3차원 구조기반의 거대분자 기능 예측 시스템은 생물정보학 툴(30)과 상동모델 제작툴(20)들을 3차원 거대분자의 기능규명을 위한 단순한 지원도구로만 사용하고 있으며, 나머지 대부분은 고전적인 실험방법에 의한 프로세스(40∼90)에 의존하고 있어 비효율적이라는 문제점이 있었다.
이러한 문제점을 해결하기 위해서 가상현실기술과 3차원 컴퓨터그래픽 기술 등의 고급 IT기술을 접목하여 빠르고 효율성을 높이는 방법이 필요하다. 그리고 종래에는 거대분자들의 3차원 구조 유사성을 검색하는 방법은 접근 가능한 웹사이트를 방문을 위하여, 비교 대상이 되는 거대분자들을 3차원 좌표들로 분해하여 정렬 조각들을 만들고, 이들 조각들의 연결하여 정렬 경로를 형성하고, 이 정렬 경로들을 조합과 확장을 통하는 방법을 사용함으로써, 공간상에서의 연결 관계의 유사성과 주어진 종합적인 상황에서 나타나는 모호성과 처리시간이 많이 걸리는 문제점이 있었다.
이러한 문제점을 해결하기 위하여 'Shann-Ching Chen and Tsuhan Chen'이 'IEEE ICIP 2002, Vol.3, pp933-936, 2002.09.22'에 게재한 논문 'Retrieval of 3D Protein Structure'에서는 조각내지 않은 거대분자에서 원자의 위치, 원자의 개수, 모멘트, 기하학적 특징을 추출함으로써 유사한 거대분자의 3차원 구조를 효율적으로 검색하는 방법을 제안하였다.
그러나 거대분자의 3차원 구조는 원자의 위치, 원자의 개수, 모멘트 등의 기하학적 특징만으로 구분할 수 있는 경우가 한정되기 때문에, 유사한 기하학적 구조를 갖고 있으나 다른 기능을 갖는 거대분자에 대하여 구분할 수 있는 다수의 표현자(Descriptor)가 필요하며, 이들 다수의 표현자를 이용한 거대분자의 분류와 검색방법이 요구된다.
본 발명의 목적은 상기와 같은 종래 기술의 문제점을 해결하기 위하여 3차원 구조기반의 거대분자를 표현자로 표현하며 유사 구조를 검색하고 거대분자의 결합 구조를 모델링하며 이의 기능을 추론하는 장치를 구비하여 이들 과정을 자동으로 처리하고 예측된 거대분자의 3차원 구조를 측정장치로 검증할 수 있기 때문에 거대분자를 빠르고 정확하게 예측할 수 있는 3차원 구조기반의 거대분자의 기능 예측 시스템을 제공하는데 있다.
상기 다른 목적을 달성하기 위하여 본 발명은 3차원 구조기반의 거대분자를 표현자로 표현하며 유사 구조를 검색하고 거대분자의 결합 구조를 모델링하며 이의 기능을 예측 및 추론한 후에, 예측된 거대분자의 3차원 구조를 검증할 수 있기 때문에 거대분자를 빠르고 정확하게 예측할 수 있는 3차원 구조기반의 거대분자의 기능 예측 방법을 제공하는데 있다.
상기 목적을 달성하기 위하여 본 발명은 3차원 구조기반의 거대분자를 기능을 예측 및 측정하는 시스템에 있어서, 기능과 구조가 밝혀진 다수개의 거대분자 데이터들이 저장된 제 1데이터베이스와, 제 1데이터베이스에 저장된 거대분자 데이터의 3차원 구조를 선정된 표현자 및 표현방법으로 표현하며 3차원 표현자들을 유사 구조로 분류하며 상기 유사 구조를 검색하는 3차원 구조기반의 표현 및 검색부와, 3차원 구조기반의 표현 및 검색부의 3차원 표현자들이 저장되며 제 1데이터베이스의 3차원 표현자들이 유사 구조의 그룹별로 분류되어 저장되며 거대분자의 폴더 구조 특징이 저장된 제 2데이터베이스와, 거대분자의 3차원 구조를 모델링하고 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스에 저장하며 거대분자의 폴더 구조 특징을 기준으로 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링하며 거대분자들의 결합 구조를 가상으로 구현하고 구현된 구조 중에서 약효가 예상되는 거대분자를 선택적으로 찾아내는 3차원 구조기반의 모델링 및 기능 추론부를 구비한다.
상기 다른 목적을 달성하기 위하여 3차원 구조기반의 거대분자를 기능을 예측 및 측정하는 방법에 있어서, 3차원 기능과 구조가 밝혀진 다수개의 거대분자 데이터의 3차원 구조를 선정된 표현자 및 표현 방법으로 표현하는 단계와, 3차원 표현자들을 유사 구조로 분류하며 유사 구조를 검색하는 단계와, 3차원 표현자들과 이들 표현자들을 유사 구조의 그룹별로 분류하여 저장하는 단계와, 거대분자의 3차원 구조를 모델링하는 단계와, 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스에 저장하는 단계와, 거대분자의 폴더 구조 특징을 기준으로 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링하는 단계와, 거대분자들의 결합 구조를 가상으로 구현하고 구현된 구조 중에서 약효가 예상되는 거대분자를 선택적으로 찾아내는 단계를 포함한다.
도 1은 종래 기술에 의한 3차원 구조기반의 거대분자 기능 예측 시스템을 도시한 구성도,
도 2는 본 발명에 따른 3차원 구조기반의 거대분자의 기능 예측 시스템을 나타낸 구성도,
도 3은 본 발명에 따른 3차원 구조기반의 거대분자의 기능 예측 시스템에서 3차원 구조의 거대분자를 표현 및 검색하는 과정을 나타낸 흐름도,
도 4는 본 발명에 따른 3차원 구조기반의 거대분자의 기능 예측 시스템에서 3차원 구조의 거대분자를 모델링 및 기능추론하며 이를 자동 측정하는 과정을 나타낸 흐름도.
＜도면의 주요부분에 대한 부호의 설명＞
100 : 제 1데이터베이스
200 : 3차원 구조기반의 표현 및 검색부
300 : 제 2데이터베이스
400 : 3차원 구조기반의 모델링 및 기능 추론부
500 : 3차원 구조 자동측정 장치
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 설명하고자 한다.
도 1은 본 발명에 따른 3차원 구조기반의 거대분자 기능 예측 시스템을 도시한 구성도이다. 도 1을 참조하면 본 발명의 거대분자 기능 예측 시스템은 제 1데이터베이스(100)와, 3차원 구조기반의 표현 및 검색부(200)와, 제 2데이터베이스(300)와, 3차원 구조기반의 모델링 및 기능 추론부(400)로 구성된다.
제 1데이터베이스(100)는 기능과 구조가 밝혀진 다수개의 거대분자 데이터들이 저장된다.
3차원 구조기반의 표현 및 검색부(200)는 3차원 표현자 생성부(210)와, 3차원 구조 표현부(220)와, 3차원 구조 분류부(230)와, 3차원 구조 검색부(240)로 구성된다. 여기서 3차원 표현자 생성부(210)는 거대분자의 3차원 구조를 표현하는 표현자들을 선정하며 선정된 표현자들을 통해 제 1데이터베이스(100)에 저장된 거대분자 데이터를 표현하며 표현된 3차원 거대분자의 변별력을 조사한다. 3차원 구조 표현부(220)는 3차원 구조 표현방법이 선정되며 선정된 표현방법을 통하여 거대분자의 3차원 구조를 표현하여 가시화하고 3차원 구조 표현방법에 대한 효율성을 판정한다. 3차원 구조 분류부(230)는 제 1데이터베이스(100)에 저장된 3차원 표현자들을 유사 구조의 군별로 분류하여 제 2데이터베이스(300)에 저장한다. 3차원 구조 검색부(240)는 제 1데이터베이스(100)의 데이터를 검색하여 제 2데이터베이스(300)에 고른 데이터 분포를 갖도록 표현자의 유사 구조를 검색한다.
제 2데이터베이스(300)는 3차원 구조기반의 표현 및 검색부(200)의 3차원 표현자들이 저장되며 제 1데이터베이스(100)의 3차원 표현자들이 유사 구조의 그룹별로 분류되어 저장되며 거대분자의 폴더 구조 특징이 저장된다.
3차원 구조기반의 모델링 및 기능 추론부(400)는 3차원 구조 모델링부(410)와, 객체 결합구조 모델링부(420)와, 객체 결합 시뮬레이션부(430)와, 가상 스크리닝부(440)로 구성된다.
여기서 3차원 구조 모델링부(410)는 거대분자의 3차원 구조를 모델링하고 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스(300)에 저장한다. 객체 결합구조 모델링부(420)는 제 2데이터베이스(300)에 저장된 거대분자의 폴더 구조 특징을 기본으로 하여 제 1데이터베이스(100)의 데이터에서 선정된 폴더 구조를 포함하는지 판단하고 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링한다. 객체 결합 시뮬레이션부(430)는 거대분자들의 결합 가능 여부를 가상 세계에서 실시간으로 구현한다. 가상 스크리닝부(440)는 거대분자 결합 구조중에서 기설정된 약효가 예상되는 거대분자를 선택적으로 찾아낸다.
또한 본 발명의 3차원 구조기반의 모델링 및 기능 추론부(400)는 객체 결합구조 모델링부(410)에 3차원 컴퓨터 그래픽용 객체 결합구조를 모델링하는 엔진(452)과 랜더링 엔진(454)과, 객체 결합 시뮬레이션부(430)에 3차원 가상 그래픽스 환경에서 거대분자의 결합을 수행하는 그래픽 엔진(456)을 포함하는 모델링 엔진부(450)를 더 포함한다.
또한 본 발명의 거대분자 기능 예측 시스템은 3차원 구조기반의 모델링 및 기능 추론부(400)에서 선택된 거대분자를 입력받아 이에 대한 실제 측정 결과와 예측한 가상 스크리닝부(440)에서 선정된 거대분자 구조 사이의 유사성을 검토하고 검토된 결과를 제 2데이터베이스(300)에 기능 정보로 갱신하거나 추가하는 3차원 구조 자동측정 장치(500)를 더 포함한다. 3차원 구조 자동측정 장치(500)는 선정된 거대분자의 정보를 합성시키는 합성부(510)와, 거대분자를 정제 및 특성화시키는 프로세싱부(520)와, 프로세싱부(520)에서 처리된 표적 거대분자의 표본 결정을 생성하며 표본 결정들에 대해 회절 특징을 측정하는 결정화부(530)와, 결정화부(530)에서 측정된 회절 특징을 분석하며 표적 거대분자의 원자 모델을 구축하며 회절 특징 데이터에 대한 표적 거대분자의 모델을 개량하고 표적 거대분자의 표본 결정에 대한 결정구조를 해석하는 결정구조 해석부(540)를 포함한다.
도 2는 본 발명에 따른 3차원 구조기반의 거대분자 기능 예측 시스템에서 거대분자를 표현 및 검색하는 과정을 나타낸 흐름도이다. 도 1 및 도 2를 참조하면, 본 발명에 따른 3차원 기반의 거대분자를 표현 및 검색하는 방법은 다음과 같다.
우선, 본 발명의 시스템에서 3차원 구조기반의 표현 및 검색부(200)는 3차원표현자 생성부(210)를 통해 3차원 기능과 구조가 밝혀진 다수개의 거대분자 데이터의 3차원 구조를 표현하는 3차원 표현자들을 선정한다.(S10) 그리고, 선정된 3차원 표현자를 통하여 제 1데이터베이스(100)의 거대분자 데이터를 표현(매핑)하여 3차원 표현자를 생성한다.(S12)
생성된 3차원 표현자들의 유용성을 인정받기 위해서 3차원 컴퓨터 그래픽스 기술을 이용한 3차원 구조 표현이 필수적이며 생성된 3차원 표현자별로 3차원 구조 표현기법이 다르기 때문에 3차원 구조기반의 표현 및 검색부(200)내 3차원 구조 표현부(220)는 3차원 구조기반의 구조 표현 방법을 선정한다.(S14∼S16)
S16 단계에서 선정된 3차원 구조표현 방법을 통하여 3차원 구조 표현부(220)는 많은 종류의 거대분자를 3차원 좌표값(x, y, z)과 RGB 색상값(r, g, b)로 표현하는 방법을 포함하는 여러 종류의 3차원 표현자를 적용하여 3차원 구조로 표현하고, 가시화된 3차원 구조 표현 방법에 대한 효율성을 판정함으로써 거대분자의 3차원 구조표현을 한다.(S18∼S20) 그리고 3차원 구조 표현부(220)는 3차원 구조 표현자를 제 2데이터베이스(300)에 저장한다.(S22)
한편 거대분자의 3차원 구조는 원자구조를 근간으로 표현되는 관계로 원자의 3차원 위치 데이터(X, Y, Z)라는 단순한 한 종류의 3차원 표현자에 의해서 분류하는데 유사성을 구별하는데 어려움이 많다. 따라서 제 2데이터베이스(300)에 저장된 여러 종류의 3차원 표현자들을 한가지 이상 조합하는 방법을 통하여 제 1데이터베이스(100)의 데이터들을 유사 구조의 군별로 분류하여 가공(2차) 데이터베이스(3000)에 구축하는 과정이 필요하다.
그 다음 3차원 구조 분류부(230)는 3차원 표현자들을 이용하여 이미 밝혀진 3차원 구조들을 표현함으로써, 3차원 표현자에 따라 상이하게 표현되는 3차원 구조들의 유사 구조들로 재분류하기 위한 유사 구조 검색작업을 실시한다. 이를 위해서 3차원 구조 검색부(240)에서 3차원 표현자에 대한 3차원 구조 검색 방법을 선정하면, 빠르고 정확하게 제 1데이터베이스(100)의 데이터를 검색하고, 검색 결과에 따라 3차원 구조 분류부(230)는 제 2데이터베이스(300)에 제 1데이터베이스(100)의 데이터들이 고른 분포를 갖도록 3차원 구조 데이터들을 분류하여 저장한다.(S24∼S28)
도 3은 본 발명에 따른 3차원 구조기반의 거대분자 기능 예측 시스템에서 거대분자를 모델링 및 기능추론하며 자동측정하는 과정을 나타낸 흐름도이다. 도 1 및 도 3을 참조하면, 본 발명에 따른 3차원 기반의 거대분자를 모델링 및 기능추론하며 자동측정하는 방법은 다음과 같다.
우선, 3차원 구조기반의 모델링 및 기능 추론부(400)의 3차원 구조 모델링부(410)는 거대분자의 3차원 구조를 모델링하되, 모델링 엔진부(450)의 3차원 컴퓨터 그래픽스 게임 제작용 모델링 엔진(452)과 렌더링 엔진(454)을 통해 거대분자의 3차원 구조를 모델링 및 렌더링한다.(S30)
그리고 3차원 구조기반의 모델링 및 기능 추론부(400)는 거대분자들이 서로 결합될 수 있는 가능성을 확인하는 작업을 통하여 기능을 예측하고자, 복잡한 거대분자의 3차원 구조 내의 폴드(fold) 구조를 찾는다. 이를 위하여 객체 결합구조 모델링부(420)는 3차원으로 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 폴더 구조의 특징을 제 2데이터베이스(300)에 저장한다.(S32∼S34)
객체 결합구조 모델링부(420)는 제 2데이터베이스(300)에 저장된 거대분자의 폴더 구조 특징을 기준으로 제 1데이터베이스(100)의 데이터들에 선정된 폴더 구조의 포함 여부를 찾는 작업을 통하여 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링하는 객체 결합 구조 모델링 작업을 수행한다.(S38)
객체 결합 시뮬레이션부(430)는 그래픽 엔진(456)과 연동하여 객체 결합구조 모델링부(420)에서 모델링된 거대분자들의 결합 구조를 3차원 가상 그래픽스 환경에서 구현한다.(S40)
가상 스크리닝부(440)는 객체 결합 시뮬레이션부(430)에서 구현된 3차원 결합 구조중에서 약효가 예상되는 거대분자를 선택적으로 찾아낸다.(S42)
3차원 구조 자동측정 장치(500)는 3차원 구조기반의 모델링 및 기능 추론부(400)의 가상 스크리닝부(440)에서 선정된 거대분자를 입력받아 이에 대한 실제 측정 결과 사이의 유사성을 검토하고 검토된 결과를 제 2데이터베이스(300)에 기능 정보로 갱신하거나 추가한다. 이를 위하여 3차원 구조 자동측정 장치(500)는 합성부(510)를 통해 선정된 거대분자의 정보를 합성시키고, 프로세싱부(520)를 통해 거대분자를 정제 및 특성화시키고, 결정화부(530)를 통해 프로세싱부(520)에서 처리된 표적 거대분자의 표본 결정을 생성하며 표본 결정들에 대해 회절 특징을 측정한 후에, 결정구조 해석부(540)를 통해 결정화부(530)에서 측정된 회절 특징을 분석하며 표적 거대분자의 원자 모델을 구축하며 회절 특징 데이터에 대한 표적 거대분자의 모델을 개량하고 표적 거대분자의 표본 결정에 대한 결정구조를 해석함으로써 가상 스크리닝부(440)에서 선정된 거대분자의 실제 측정 결과 사이의 유사성을 검토하고 검토된 결과를 제 2데이터베이스(300)에 기능 정보로 갱신하거나 추가한다.
이상 설명한 바와 같이, 본 발명은 바이오인포매틱스 기술을 통해 거대분자의 3차원 구조에 대한 표현자 및 표현 방법과 3차원 구조 모델링을 통하여 기능예측의 기반을 마련하고, 객체간의 결합 시뮬레이션을 통하여 기능을 예측하고, 예측된 거대분자의 3차원 구조를 자동측정장치로 측정된 결과와 비교 검토한다.
그러므로 본 발명은 기존에 측정된 3차원 구조 자료들을 근간으로 실험으로 측정해야할 부분을 최소화하여 종래 수작업과 반자동으로 수행하는 거대분자의 기능 예측 기술을 자동화할 수 있다.
그리고 본 발명은 컴퓨터 그래픽스를 이용한 객체 결합 시뮬레이션을 통하여 거대분자의 3차원 구조 결합을 모델링하며 측정장치를 통해 모델링된 구조 결합의 유사성 여부를 검토함으로써 거대분자를 빠르고 정확하게 예측할 수 있다.
또한 본 발명은 3차원 구조표현에 적절한 여러 종류의 3차원 표현자를 선정하며 기측정되어 저장된 제 1데이터베이스의 3차원 구조정보를 검색 및 분류하여 제 2데이터베이스에 구축함으로써, 접근 가능한 모든 표현자 데이터를 검색해야하는 비효율성을 배제할 수 있다.
한편, 본 발명은 상술한 실시예에 국한되는 것이 아니라 후술되는 청구범위에 기재된 본 발명의 기술적 사상과 범주 내에서 당업자에 의해 여러 가지 변형이가능하다.
Claims (8)
- 3차원 구조기반의 거대분자를 기능을 예측하는 시스템에 있어서,기능과 구조가 밝혀진 다수개의 거대분자 데이터들이 저장된 제 1데이터베이스;상기 제 1데이터베이스에 저장된 거대분자 데이터의 3차원 구조를 선정된 표현자 및 표현방법으로 표현하며 상기 3차원 표현자들을 유사 구조로 분류하며 상기 유사 구조를 검색하는 3차원 구조기반의 표현 및 검색부;상기 3차원 구조기반의 표현 및 검색부의 3차원 표현자들이 저장되며 상기 제 1데이터베이스의 3차원 표현자들이 유사 구조의 그룹별로 분류되어 저장되며 상기 거대분자의 폴더 구조 특징이 저장된 제 2데이터베이스; 및상기 거대분자의 3차원 구조를 모델링하고 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스에 저장하며 상기 거대분자의 폴더 구조 특징을 기준으로 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링하며 상기 거대분자들의 결합 구조를 가상으로 구현하고 구현된 구조중에서 약효가 예상되는 거대분자를 선택적으로 찾아내는 3차원 구조기반의 모델링 및 기능 추론부를 구비한 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 시스템.
- 제 1항에 있어서, 상기 3차원 구조기반의 표현 및 검색부는상기 거대분자의 3차원 구조를 표현하는 표현자들을 선정하며 선정된 표현자들을 통해 제 1데이터베이스에 저장된 거대분자 데이터를 표현하며 표현된 3차원 거대분자의 변별력을 조사하는 3차원 표현자 생성부와,상기 3차원 구조 표현방법이 선정되며 선정된 표현방법을 통하여 상기 거대분자의 3차원 구조를 표현하여 가시화하고 상기 3차원 구조 표현방법에 대한 효율성을 판정하는 3차원 구조 표현부와,상기 제 1데이터베이스에 저장된 3차원 표현자들을 유사 구조의 군별로 분류하여 제 2데이터베이스에 저장하는 3차원 구조 분류부와,상기 제 1데이터베이스의 데이터를 검색하여 제 2데이터베이스에 고른 데이터 분포를 갖도록 표현자의 유사 구조를 검색하는 3차원 구조 검색부를 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 시스템.
- 제 1항에 있어서, 상기 3차원 구조기반의 모델링 및 기능 추론부는상기 거대분자의 3차원 구조를 모델링하고 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스에 저장하는 3차원 구조 모델링부와,상기 제 2데이터베이스에 저장된 거대분자의 폴더 구조 특징을 기본으로 하여 제 1데이터베이스의 데이터에서 선정된 폴더 구조를 포함하는지 판단하고 거대분자별로 결합 가능 부위를 분석하면서 결합 구조를 3차원으로 모델링하는 객체 결합구조 모델링부와,상기 거대분자들의 결합 가능 여부를 가상 세계에서 실시간으로 구현하는 객체 결합 시뮬레이션부와,상기 거대분자 결합 구조중에서 기설정된 약효가 예상되는 거대분자를 선택적으로 찾아내는 가상 스크리닝부를 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 시스템.
- 제 3항에 있어서, 상기 3차원 구조기반의 모델링 및 기능 추론부는상기 객체 결합구조 모델링부에 3차원 컴퓨터 그래픽용 객체 결합구조를 모델링하는 엔진과 랜더링 엔진과, 상기 객체 결합 시뮬레이션부에 3차원 가상 그래픽스 환경에서 거대분자의 결합을 수행하는 그래픽 엔진을 포함하는 모델링 엔진부를 더 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 시스템.
- 제 1항에 있어서, 상기 3차원 구조기반의 모델링 및 기능 추론부에서 선택된 거대분자를 입력받아 이에 대한 실제 측정 결과와 예측한 가상 스크리닝부에서 선정된 거대분자를 입력받아 이와 실제 측정 결과와 예측한 3차원 거대분자의 구조 사이의 유사성을 검토하고 검토된 결과를 제 2데이터베이스에 기능 정보로 갱신하거나 추가하는 3차원 구조 자동측정 장치를 더 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 시스템.
- 제 5항에 있어서, 상기 3차원 구조 자동측정 장치는 상기 선정된 거대분자의 정보를 합성시키는 합성부, 상기 거대분자를 정제 및 특성화시키는 프로세싱부와, 상기 프로세싱부에서 처리된 표적 거대분자의 표본 결정을 생성하며 표본 결정들에 대해 회절 특징을 측정하는 결정화부와, 상기 결정화부에서 측정된 회절 특징을 분석하며 표적 거대분자의 원자 모델을 구축하며 회절 특징 데이터에 대한 표적 거대분자의 모델을 개량하고 표적 거대분자의 표본 결정에 대한 결정구조를 해석하는 결정구조 해석부를 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 시스템.
- 3차원 구조기반의 거대분자를 기능을 예측하는 방법에 있어서,3차원 기능과 구조가 밝혀진 다수개의 거대분자 데이터의 3차원 구조를 선정된 표현자 및 표현 방법으로 표현하는 단계;상기 3차원 표현자들을 유사 구조로 분류하며 상기 유사 구조를 검색하는 단계;상기 3차원 표현자들과 이들 표현자들을 유사 구조의 그룹별로 분류하여 저장하는 단계;상기 거대분자의 3차원 구조를 모델링하는 단계;상기 모델링된 거대분자의 폴더 구조 특징을 분석하고 분석된 특징을 제 2데이터베이스에 저장하는 단계;상기 거대분자의 폴더 구조 특징을 기준으로 거대분자별로 결합 가능 부위를분석하면서 결합 구조를 3차원으로 모델링하는 단계; 및상기 거대분자들의 결합 구조를 가상으로 구현하고 구현된 구조중에서 약효가 예상되는 거대분자를 선택적으로 찾아내는 단계를 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 방법.
- 제 7항에 있어서, 상기 선택된 거대분자를 입력받아 이에 대한 실제 측정 결과와 예측한 선정 거대분자를 입력받아 이와 실제 측정 결과와 예측한 3차원 거대분자의 구조 사이의 유사성을 검토하고 검토된 결과를 정보로 갱신하거나 추가하는 단계를 더 포함하는 것을 특징으로 하는 3차원 구조기반의 거대분자의 기능 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0078187A KR100456627B1 (ko) | 2002-12-10 | 2002-12-10 | 3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0078187A KR100456627B1 (ko) | 2002-12-10 | 2002-12-10 | 3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20040050372A KR20040050372A (ko) | 2004-06-16 |
| KR100456627B1 true KR100456627B1 (ko) | 2004-11-10 |
Family
ID=37344575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2002-0078187A KR100456627B1 (ko) | 2002-12-10 | 2002-12-10 | 3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100456627B1 (ko) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100783331B1 (ko) * | 2006-04-26 | 2007-12-10 | 한국화학연구원 | 멀티스케일 시뮬레이션 결합을 위한 시스템 및 방법 |
| US20100121791A1 (en) * | 2006-11-03 | 2010-05-13 | Insilicotech Co., Ltd. | System, method and program for pharmacokinetic parameter prediction of peptide sequence by mathematical model |
| KR100856517B1 (ko) * | 2007-01-03 | 2008-09-04 | 주식회사 인실리코텍 | 수학적 모델을 이용한 펩타이드 서열의 조직 표적 예측시스템 및 방법과 그 프로그램을 저장한 기록매체 |
| KR100970968B1 (ko) * | 2008-10-21 | 2010-07-21 | 건국대학교 산학협력단 | 거대 분자의 렌더링 방법 및 장치 |
| KR102523472B1 (ko) | 2016-08-01 | 2023-04-18 | 삼성전자주식회사 | 신규 물질의 구조 생성 방법 및 장치 |
| KR102423283B1 (ko) | 2020-04-28 | 2022-07-20 | 주식회사 모든바이오 | 분자 유사도 측정 장치 및 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR970707500A (ko) * | 1994-10-31 | 1997-12-01 | 이타이 아키코 | 3차원구조 데이타베이스로 부터 신규한 리간드화합물을 검색하는방법 |
| KR19990067566A (ko) * | 1995-11-13 | 1999-08-25 | 아키코 이타이 | 생리활성화합물의 설계방법 |
| JP2002058259A (ja) * | 2000-08-11 | 2002-02-22 | Kyocera Corp | インバータ制御モジュール |
| JP2002093737A (ja) * | 2000-09-11 | 2002-03-29 | Toshiba Corp | モンテカルロイオン注入シミュレーション方法、モンテカルロイオン注入シミュレータ、モンテカルロイオン注入シミュレーションプログラムを格納した記録媒体、及び半導体装置の製造方法 |
-
2002
- 2002-12-10 KR KR10-2002-0078187A patent/KR100456627B1/ko not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR970707500A (ko) * | 1994-10-31 | 1997-12-01 | 이타이 아키코 | 3차원구조 데이타베이스로 부터 신규한 리간드화합물을 검색하는방법 |
| KR19990067566A (ko) * | 1995-11-13 | 1999-08-25 | 아키코 이타이 | 생리활성화합물의 설계방법 |
| JP2002058259A (ja) * | 2000-08-11 | 2002-02-22 | Kyocera Corp | インバータ制御モジュール |
| JP2002093737A (ja) * | 2000-09-11 | 2002-03-29 | Toshiba Corp | モンテカルロイオン注入シミュレーション方法、モンテカルロイオン注入シミュレータ、モンテカルロイオン注入シミュレーションプログラムを格納した記録媒体、及び半導体装置の製造方法 |
Non-Patent Citations (1)
| Title |
|---|
| 카타로그, 세계일보, (2000.04.20) * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20040050372A (ko) | 2004-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Oluwadare et al. | An overview of methods for reconstructing 3-D chromosome and genome structures from Hi-C data | |
| Kleywegt et al. | Around o | |
| Barrett et al. | Mining microarray data at NCBI’s Gene Expression Omnibus (GEO) | |
| Dos Santos et al. | Practices in molecular docking and structure-based virtual screening | |
| JP2009520278A (ja) | 科学情報知識管理のためのシステムおよび方法 | |
| Barthel et al. | ProCKSI: a decision support system for protein (structure) comparison, knowledge, similarity and information | |
| Zok et al. | MCQ4Structures to compute similarity of molecule structures | |
| US20020072887A1 (en) | Interaction fingerprint annotations from protein structure models | |
| Brinkman | Improving the rigor and reproducibility of flow cytometry-based clinical research and trials through automated data analysis | |
| KR100456627B1 (ko) | 3차원 구조기반의 거대분자의 기능 예측 시스템 및 그 방법 | |
| CN113409897A (zh) | 药物-靶标相互作用的预测方法、装置、设备和存储介质 | |
| de Lima Corrêa et al. | A multi-objective swarm-based algorithm for the prediction of protein structures | |
| US20030167131A1 (en) | Method for constructing, representing or displaying protein interaction maps and data processing tool using this method | |
| Kumar et al. | Bioinformatics in drug design and delivery | |
| Jadczyk et al. | Examining protein folding process simulation and searching for common structure motifs in a protein family as experiments in the gridspace2 virtual laboratory | |
| Zenbout et al. | Prediction of cancer clinical endpoints using deep learning and rppa data | |
| US20070299646A1 (en) | Method for constructing, representing or displaying protein interaction maps and data processing tool using this method | |
| Liu et al. | Conformational changes in protein function | |
| Dacuba et al. | Simulation of Peptide Docking with Terminal Post-Translational Modifications | |
| van Beek | Channeling the data flood: handling large-scale biomolecular measurements in silico | |
| Zhao et al. | Location proteomics | |
| Handoyo et al. | Investigating the Use of Ensemble Learning for Drug Target Affinity Model | |
| Yan et al. | Prediction of side chain Orientations in proteins by statistical machine learning methods | |
| Fai et al. | Protein secondary structure prediction using optimal local protein structure and support vector machine | |
| Brint | Matching algorithms for handling three dimensional molecular co-ordinate data. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20091228 Year of fee payment: 8 |
|
| LAPS | Lapse due to unpaid annual fee |