분자 도킹은 신약 개발의 기초가 되는 방법론으로, 리간드-표적 상호작용 및 결합 친화도와 같은 핵심 개념을 포괄합니다. 그러나 화학, 생물학, 컴퓨터 과학, 임상 분야 등 다양한 전공 배경을 가진 학생들은 이 주제에 대해 각기 다른 기대치를 가지고 접근하며, 계산 화학에 대한 친숙도도 제각각이기 때문에, 다학제적 청중을 대상으로 도킹을 가르치는 것은 교육적 난제를 안고 있습니다. 접근성과 과학적 엄밀성 사이의 균형을 맞춘 학습 경험을 설계하려면, 계산적으로는 간단하면서도 개념적으로는 학습 경험이 될 수 있는 워크플로우가 필요합니다.

이 강연에서는 다양한 분야의 청중이 참여하는 신약 개발 코스 에 활용할 수 있는 표적 식별 및 분자 도킹을 소개하기 위한 단계별 워크플로를 제시합니다. 이 접근 방식은 SwissTargetPrediction, SwissDock(AutoDock Vina 포함), PyMOL 등 접근성이 뛰어나고 무료로 이용할 수 있는 계산 도구를 활용하면서도 개념적 이해를 중시합니다. 직관적인 그래픽 사용자 인터페이스에서 시작하여 핵심 계산 원리를 점진적으로 소개함으로써, 도킹을 단순한 소프트웨어 실습이 아닌, 다양한 학문 분야를 연결하고 협업적 사고를 촉진하는 공유된 과학적 언어로 자리매김합니다. 본 발표에서는 청중 여러분께 이 워크플로우를 자료로 제공해 드릴 예정입니다.

본 워크플로우에서 학생들은 리간드 기반 신약 개발 실습에 참여합니다. 먼저 미국 식품의약국( FDA)의 승인을 받은 약물을 선정하고, 문헌 조사와 SwissTargetPrediction을 통해 잠재적인 생물학적 표적을 파악합니다. 후보 표적을 비판적으로 평가한 후, 단백질 데이터 뱅크(Protein Data Bank)에서 리간드가 결합된 결정 구조를 검색하고, PyMOL 를 사용하여 단백질-리간드 상호작용을 시각화하며 결합 포켓을 분석합니다. 그 후 학생들은 AutoDock Vina와 SwissDock을 사용하여 도킹을 수행하고, 도킹 자세, 스코어링 함수 및 주요 결합 상호작용을 분석하며 수업을 마무리합니다.

생물학적 추론, 구조 분석, 그리고 전산 모델링을 일관된 틀 안에서 통합함으로써, 이 접근법은 기술적 역량과 비판적 해석 능력을 모두 함양하여 다양한 배경을 가진 학생들이 신약 개발 과정에서 도킹이 수행하는 역할을 깊이 있게 이해할 수 있도록 돕습니다.

발언자:

삼라 칸
박사 과정생
윈저 대학교