🔬 LigandMPNN이란?

2025년 08월 21일

LigandMPNN 단백질 설계 리간드 최적화 단백질-리간드 MPNN 단백질 구조 예측 단백질 공학 약물 디자인

LigandMPNN은 단백질이 특정 리간드에 더 잘 결합할 수 있도록 결합 부위의 서열을 최적화하는 MPNN 기반 모델입니다. 단백질과 리간드를 그래프로 변환하여 상호작용을 고려한 서열 설계를 수행합니다.

0%

목차

목차

LigandMPNN 은 단백질이 특정 리간드 (소분자, 금속 이온 등)에 더 잘 결합할 수 있도록, 결합 부위의 아미노산 서열을 최적화 해주는 머신러닝 기반 도구입니다. MPNN(Message Passing Neural Network) 구조를 기반으로 하며, 단백질–리간드 복합체의 상호작용을 그래프 구조로 학습합니다.

참고: LigandMPNN은 ProteinMPNN 을 기반으로 확장된 모델로, 리간드와의 결합력을 고려한 설계를 수행합니다.

🧪 우리 플랫폼에서 어떻게 제공되나요?

우리 플랫폼에서는 LigandMPNN을 직관적인 UI로 제공합니다. 복잡한 파라미터 설정 없이, **복합체 구조 파일(PDB)**만으로 손쉽게 결합 부위 최적화 서열 을 얻을 수 있습니다.

• Boltz나 Chai를 활용해 복합체 구조 생성 가능
• 파라미터 설정 없이도 기본 최적화 수행 가능

📝 사용 방법 안내

1. 작업 이름 지정

분석 작업의 이름을 자유롭게 지정합니다.

Job Name: LigandMPNN_analysis1

2. 입력 방식 선택

복합체 구조 파일(PDB 형식)을 업로드합니다. 단백질과 리간드를 Boltz 또는 Chai를 통해 결합시켜 복합체 구조를 생성하세요.

3. 파라미터 설정

옵션	설명
Pack side chains 재설정 강도	1–10 범위, 값이 클수록 광범위한 재설정
Number of Packs per Design	생성할 후보 서열 수 설정
Fixed residues	고정할 잔기를 직접 지정

입력값 예시:
pack_strength:5
designs:10
fixed_residues: A45,A78,B12

4. 결과 확인

• 최적화된 후보 단백질 서열
• 각 서열에 대한 결합 점수 (score)

🧬 분석 결과 활용 예시

LigandMPNN은 다음과 같은 다양한 생명과학 및 약물개발 분야에 활용됩니다:

• 효소 공학: 효소–cofactor 결합 친화도 최적화
• 약물 개발: 약물 후보와 결합하는 단백질 서열 설계
• 리간드 특이적 단백질 디자인: ATP, NADH, 금속 이온 등과의 상호작용 최적화

⚠️ 주의사항

• 입력 파일은 단백질–리간드 복합체 구조여야 합니다. (단일 단백질 구조 불가)
• 고정 잔기를 지정하려면 구조 내 체인과 잔기 번호 를 명확히 알아야 합니다.
• 분석 결과는 Alphafold2 등의 구조 예측 도구로 검증 하는 것이 좋습니다.

🔗 관련 도구 및 연계 분석

연계 도구	설명
Boltz/Chai	단백질+리간드로 복합체 생성
RFdiffusion	rough 설계 후 LigandMPNN으로 미세조정
Alphafold2	최적화된 서열로 구조 예측
Diffdock	리간드 pose 탐색 후 서열 최적화
Autodock	서열 변경 전후 docking score 비교

🔄 관련 모델과 비교

• ADFLIP: 고정된 서열에서 conformation을 최적화
• Diffdock: 단백질 고정, 리간드 위치(docking pose) 최적화
• Antifold: 항체–리간드 상호작용 특화 모델

LigandMPNN은 서열 자체를 설계 한다는 점에서 다른 모델들과 차별화됩니다.

✅ 마무리

LigandMPNN은 단백질–리간드 상호작용을 최적화하는 강력한 도구입니다. 단백질 공학, 약물 개발, 기능성 단백질 설계 등 다양한 분야에 활용 가능합니다.

지금 바로 LigandMPNN 분석 페이지에서 직접 사용해보세요!