특 집 고분자 과학과 기술 제 35 권 2 호 2024년 4월 69 1. 서론 상 분리 phase separation 는 용액 내 성분들이 자발적으로 분리되어 여러 개의 상을 형성하는 열역학적 과정이다. 생체 고분자 상 분리에서 시스템은 단백질과 같은 생체 고분자와 물 또는 완충액 의 혼합물로 이해할 수 있으며, 많은 경우 생체 고분자가 적은 상과 생체 고분자가 풍부한 상으로 분리된다.1,2 상 분리 현상은 엔트로피와 엔탈피 사이의 경쟁에 의해 결정된다. 일반적인 이성분 계에서 엔트로피는 분자들의 혼합을 선호하는 반면, 엔탈피는 특정 분자 상호작용의 형성을 촉진한다. 따라서, 엔탈피적 이득이 엔트로피적 페널티보다 우세할 때, 계는 자발적으로 상 분리를 겪게 된다. 세포는 단백질 및 다른 생체 고분자의 상 분리를 이용하여 다양한 작업을 수행할 수 있다. 특정한 분자들�...

엄유곤ㆍ최정모 고분자 과학과 기술 제 35 권 2 호 2024년 4월 71 engine for Sticker and Spacer Interactions 가 있다.4 LASSI를 통해서 멀티도메인 단백질뿐 아니라 비정형 단백질, RNA 분자의 상 분리도 모델링할 수 있다. LASSI는 단백질 시스템, 단백질-RNA 혼합 시스템의 상 분리 연구에 널리 활용되었다.10-12 구체적인 응용 사례로는, 미토콘드리아 RNA가 생체 응축체에 미치는 영향을 연구하기 위해 적용된 바 있다.13 2.1.2 비격자 모델 비격자 모델은 입자들을 3차원 실제 공간에 배치하여 입자의 복잡한 운동을 묘사할 수 있다는 점에서 더 현실적이라고 할 수 있다 그림 2d GROMACS, LAMMPS, HOOMD-blue 같은 시뮬레이션 엔진들은 비격자 시뮬레이션에 널리 사용되며, coarse-grained 시뮬레이션뿐 아니라 원자 수준 시뮬레이션에도 좋은 프레임워크로 작용한다. 이러한 엔진들을 활용하...

... 응집을 유도할 수 있다는 것을 보여주었다.25 또 다른 적용 사례에서는, FTS 계산으로 얻은 상 도표가 미생물의 세포 과립 단백질 Ddx4에 대한 실험 결과와 일치하는 것으로 나타났다.26,27 2.3 기계 학습 기반 방법 인공 지능 분야에서 딥러닝 기법이 등장한 이후, 기계 학습은 보다 정확한 분류 및 예측을 할 수 있는 능력으로 인해 많은 관심을 받아왔다. 다양한 기계 학습 접근법이 과학 연구에 적용되고 있으며, 잘 알려진 예로는 단백질 구조 예측 모델 AlphaFold와 단백질 구조 생성 모델 RFDiffusion이 있다. 같은 맥락에서, 최근 생체 고분자의 상 분리 패턴을 예측하기 위해 기계 학습 방법에 대한 여러 시도가 이루어졌다. “모델”에 의존하지 않는 기계 학습 기반 접근 방식은 전통적인 모델 기반 접근 방식보다, 임의의 분자에 대한 상 분리 경향성 예측과 같�...

엄유곤ㆍ최정모 고분자 과학과 기술 제 35 권 2 호 2024년 4월 73 6. B. Xu, G. He, B. G. Weiner, P. Ronceray, Y. Meir, M. C. Jonikas, and N.S. Wingreen, Nat. Commun., 11, 1561 2020 7. A. S. Holehouse and R. V. Pappu, Zenodo, DOI10.5281/ zenodo.3588456 2019 8. E. W. Martin, A. S. Holehouse, I. Peran, M. Farag, J. J. Incicco, A. Bremer, C. R. Grace, A. Soranno, R. V. Pappu, and T. Mittag, Science, 367, 694 2020 9. A. S. Holehouse, G. M. Ginell, D. Griffith, and E. B ke, Biochemistry, 60, 3566 2021 10. I. Seim, C. A. Roden, and A. S. Gladfelter, Biophys. J., 120, 2771 2021 11. M. Kar, F. Dar, T. J. Welsh, L. T. Vogel, R. K hnemuth, A. Majumdar, G. Krainer, T. M. Franzmann, S. Alberti, C. A. M. Seidel, T. P. J. Knowles, A. A. Hyman, and R. V. Pappu, Proc. Natl. Acad. Sci. U.S.A., 119, e2202222119 2022 12. I. Seim, A. E. Posey, W. T. Snead, B. M. Stormo, D. Klotsa, R. V. Pappu, and A. S. Gladfelter, Proc. Natl. Acad. Sci. U.S.A., 119, e2120799119 2022 13. M. Feric, A. Sarfal...

...eongnam 52828, Korea E-mailtklee8865@gnu.ac.kr 손준수 2024 경상국립대학교 나노ㆍ신소재공학부 학사 2024-현재 경상국립대학교 나노신소재융합공학과 석사 이동규 2023 경상국립대학교 나노ㆍ신소재공학부 학사 2023-현재 경상국립대학교 나노신소재융합공학과 석사 이지윤 2024 경상국립대학교 나노ㆍ신소재공학부 학사 2024-현재 경상국립대학교 나노신소재융합공학과 석사 이태경 2014 울산과학기술원 화학공학 학사 2020 울산과학기술원 화학공학 박사 2022 한국에너지기술연구원 선임연구원 2022-현재 경상국립대학교 나노신소재융합공학과조교수