화석 연료 플라스틱 대안으로서의 친환경 중합체

bio-based-polymers-hero-image

전세계 화석 연료의 약 10%가 플라스틱 생산에 사용되는 상황에서 지난 20년 동안 화석 연료 기반 플라스틱의 가능한 대안을 찾는 것이 주된 목표가 되어 왔습니다. 재생 가능 바이오매스에서 얻을 수 있는 친환경 중합체가 이상적인 대안으로 폭넓게 관심을 받아 왔습니다. 이러한 중합체는 석유로 만드는 플라스틱의 유망하고 지속 가능한 대안인 바이오플라스틱을 만드는 데 사용됩니다. 바이오플라스틱은 외국 석유에 대한 의존도가 큰 국가에도 도움을 줄 수 있습니다.

ChemRxiv의 이 학술지 글은 3가지 유형의 친환경 중합체와 각각의 강점 및 약점, 최신 연구 진행 상황과 해당 연구 분야의 동향을 세부적으로 설명합니다. 바이오플라스틱에 대한 대중의 평가는 대부분 잘못된 정보로 인해 회의적인 경우가 많으므로, 이 자료는 사실을 명확하게 전달하고 지속 가능성에 있어 친환경 중합체의 중요성에 대한 인식을 높이는 데 그 목적이 있습니다.

새로운 화학 반응 예측: 고품질 트레이닝 데이터가 반응 결과 예측에 미치는 영향

Predicting New Chemistry White Paper thumbnail

합성 계획 용도를 지원하는 머신 러닝 모델은 트레이닝 과정에서 나타나는 화학 분야로 제한되는 것이 일반적이며 데이터가 많지 않은 화학 관련 하위 분야에서는 예측의 정확도와 다양성이 낮아지는 경우가 많습니다. 서로 다른 데이터세트가 트레이닝 대상 모델의 성능에 미치는 영향을 측정함으로써 합성 계획 솔루션의 예상 범위와 참신성을 보다 정확하게 평가하고 과거 어려운 과학 영역에 접근할 수 있는 데이터세트를 설계할 수 있습니다.

이 연구에서는 Bayer 과학자들이 과학자가 엄선한 CAS 컨텐츠 컬렉션의 반응 데이터가 합성 계획 모델의 예측 성능에 미친 중대한 영향을 입증합니다. 드문 반응 유형의 결과에 대한 예측 정확도가 32%로 크게 향상되어 새롭고 유용한 화학 분야에 대한 이해도를 높였습니다.

새로운 화학 예측 정식 보고서 표지

데이터세트를 설계하여 까다로운 과학 영역에 도전하려면 CAS Insights 보고서를 요청하거나 CAS 맞춤 서비스팀에 문의하십시오.

이 CAS Insights 보고서는 Bayer 과학자와 함께 작성되었습니다.

저자:

  • Miriam Wollenhaupt, 박사, 컴퓨터 화학자, Bayer AG
  • Martín Villalba, 박사, 전문 응용 수학, Bayer AG
  • Orr Ravitz, 박사, 합성 계획 솔루션, CAS

생물 직교 화학: 과학 및 의학 분야에서의 다양한 용도 검토

CAS Science Team

Hero image bioorthogonal chemistry white paper

이 CAS 정식 보고서는 새로운 과학 분야에 대한 고유한 통찰력을 제공하기 위해 다양한 유형의 생물 직교 반응, 응용 분야, 동향(CAS Content Collection™ 참조)을 소개합니다. 생물 직교 화학을 통해 생물 시스템의 구조와 기능을 보다 심층적으로 이해할 수 있으며 향후 신약 개발, 전달 및 이미징 분야의 최적화 방식을 집중적으로 살펴볼 수 있습니다.

생물 직교 화학 정식 보고서 표지

친환경 중합체: 기존 플라스틱의 대안

CAS Science Team

bio-based polymers white paper thumbnail

전세계 플라스틱 생산의 90% 이상이 화석 연료를 사용하는 현 상황에서, 재생 가능 자원을 통해 생성된 친환경 중합체는 CO2 배출량 감소, 향상된 생분해성, 화석 연료에 대한 의존성 감소 등 기존 플라스틱에 비해 상당한 이점을 갖고 있습니다. 이 새로운 분야의 동향에 대한 CAS의 견해를 자세히 알아보십시오.

중합체 정식 보고서 표지 이미지

글로벌 특허 시스템의 지속 가능성 문제 해결: 생산성 향상에 있어 AI의 역할

CAS Science Team

Global Patent System Sustainability white paper thumbnail image

특허 출원 건수와 복잡성이 증가하면서 글로벌 특허 시스템의 지속 가능성에 대한 부담이 커지고 있습니다. 특허 출원이 가장 빠르게 증가하는 국가에서는 역량 차이로 인해 특허 심사가 지연되고 시간이 지남에 따라 때로 특허 품질이 저하될 리스크가 대두되며 혁신과 투자 속도가 느려질 수 있습니다.

이 정식 보고서에서는 지속 가능성과 미래 성장을 추구하는 전세계 특허청의 과제와 기회를 알아보며 인공지능 기반 워크플로 솔루션을 활용한 생산성 품질 향상에 대한 내용을 집중적으로 다룹니다. CAS와 브라질의 국립 산업 재산연구소(INPI)의 협력에서 얻은 통찰력과 정보를 통해 특허 출원 적체를 해결하고 심사 워크플로 효율성을 높여 운영을 크게 개선할 수 있습니다.

  • 심사 시간 최대 50% 단축
  • 처리된 모든 국내 출원의 77%에서 심사관 검색 시간 단축
  • 처리된 모든 국내 출원의 29%에서 추가 검색이 거의 필요하지 않거나 전혀 필요하지 않음
  • 인원 충원 없이 효율적인 워크플로 관리
  • 다른 우선 순위에 주력할 수 있는 심사관 확보
  • 생산성 향상으로 업무 적체 80% 감소

특허 시스템 지속 가능성 정식 보고서 표지

균형 재정립: 이산화탄소 격리에 대한 연구 동향 파악

CAS Science Team

smokestacks with emissions and importance of carbon capture

2050년까지 탄소 배출량 감소를 위한 "레이스 투 제로(race to zero)” 목표에 따라 기후 변화 관련 탄소 포집, 저장 및 감소에 대한 관심이 미래 세대를 위한 중요한 의미를 갖는 새로운 과학 분야로 떠오르고 있습니다. 고유한 통찰력과 함께 미래 기회에 대한 새로운 연구 동향을 자세히 알아보십시오.

탄소 포집 정식 보고서 표지 이미지

분자 접착제를 활용한 표적 단백질 분해 방법의 임상 적용

molecular-glues-hero-image

표적 단백질 분해는 빠른 속도로 확산되고 있는 새로운 신약 개발 전략입니다. 질병 유발 단백질을 활용하여 중증 질환을 공격하는 새로운 방법으로, 암 또는 퇴행성 신경질환과 같은 심각한 질병에 사용될 수 있습니다.

미국화학학회의 이 연구는 단백질 분해제에 대한 CAS 컨텐츠 컬렉션과 최근 연구를 활용하여 신약 개발 도구로써 분자 접착제에 대한 보다 세부적인 통찰력을 제공합니다. 보다 심층적인 연구를 위한 참조 자료로써 분자 접착제의 장점과 단점을 분석합니다.

화학 분야의 머신 러닝 현황: 주요 동향과 기회

Zach Baum , Information Scientist, CAS

machine learning hero image

지난 20년 간, 인공지능(AI), 특히 머신 러닝 분야의 기술 발전은 과학 연구에 대한 접근 방식을 크게 바꾸어 놓았습니다. 유전체 염기서열 지도 작성, 새로운 항생물질 발견에서 기후 변화가 지구에 미치는 영향 모델링, 지구와 유사한 다른 행성을 찾는 연구에서 은하계 지도 작성에 이르기까지, AI는 다양한 학문 분야의 연구에 큰 변혁을 가져오고 있습니다.

화학은 AI를 가장 적극적으로 채택하고 있는 과학 분야 중 하나입니다. CAS의 최근 정식 보고서, "화학 분야의 인공지능: 기술 동향과 성장 기회(Artificial Intelligence in Chemistry: Current Landscape and Future Opportunities)"에서는 간행물과 특허 동향 매핑을 위해 자체 기술을 활용한 AI와 화학의 연결 고리를 살펴봅니다. AI 기술을 선도하는 화학 분야와 AI 기술 채택에 따른 큰 잠재력을 보유한 분야를 알아보았습니다.

AI 성장세가 두드러진 화학 분야

AI 관련 화학 간행물과 특허 건수가 크게 증가하고 있으며 2015년부터 2020년까지 6배에 달하는 증가세가 확인되었습니다. CAS는 AI 관련 간행물과 특허에 기여하는 주요 학문 분야를 식별, 비교하여 이 새로운 기술을 활용하는 분야를 파악했습니다. AI 채택을 주도하는 주요 분야는 분석 화학, 생화학, 공업 화학 및 화학 공학이며, AI 채택 가능성이 있는 분야는 천연물, 유기 화학이 대표적입니다(그림 1).

머신 러닝을 활용하는 화학 분야를 보여주는 다중 그래프
그림 1: 전체 학문 분야에서 가장 높은 AI 관련 간행물 비율

2000년부터 2020년까지 이들 간행물과 특허의 관계를 분석해 AI가 연구원들의 문제 해결 노력에 어떤 도움을 주었는지 파악했습니다(그림 2). 일례로 2000년대 초에서 2014년 사이, AI 간행물과 특허의 중점 분야가 인간 질병 진단 연구에서 유전 알고리즘과 신약 개발 및 microRNA 연구에 유전 알고리즘을 활용하는 방식으로 변화했습니다.

최근에는 솔루션이 필요한 문제의 유형이 변화함에 따라 DNA 메틸화와 암에 대한 간행물과 특허가 증가했습니다. 가장 최근에는 COVID-19 관련 신약 개발로 주요 관심 분야가 옮겨 왔습니다.

2000년부터 2020년까지 AI 관련 화학 학술지의 동시 발생 개념의 진화를 보여주는 타임라인
그림 2: 2000년부터 2020년까지 AI 관련 화학 간행물의 동시 발생 개념 진화

분석 대상 AI 간행물과 특허의 가장 큰 주제가 저분자라는 당연한 연구 결과도 확인했습니다. 신약 개발, 레트로 합성, 반응 최적화 모두 저분자와 관련이 있는 주제이며 일반적으로 제약회사에서 많은 투자가 진행되고 있습니다.

화학 분야에서 머신 러닝의 활용 기회

7만 건이 넘는 간행물을 대상으로 한 학제간 기여도 분석으로 주 학문 분야와 보조 학문 분야를 정리했습니다(그림 3). 모든 학문 분야를 히트맵으로 구성했으며 색의 농도로 각 학문 분야의 기여도를 알 수 있습니다. AI 활용도가 높은 화학 분야와 아직 실현되지 않은 잠재력이 있는 화학 부문의 연구 분야를 한눈에 쉽게 파악할 수 있습니다.

인공지능을 연구에 활용하는 주 학문 분야와 보조 학문 분야를 보여주는 히트맵 차트
그림 3: 학술지에 발표된 학제간 연구의 상대적 분포(각 열은 주 연구 분야, 각 행은 보조 연구 분야를 나타내고 사각형은 주 연구 분야와 보조 연구 분야의 학제간 연결 관계를 나타냄)

예를 들어, 분석 화학과 생화학 분야에서는 종합적인 연구 문헌이 보다 일반적이며, 머신 러닝 알고리즘을 사용하여 단백질, 펩티드, 지질, 핵산 분석을 향상시키고 화학 반응을 예측하거나 새로운 분자를 발견합니다. AI는 재료 과학과 물리 화학 분야에서도 널리 사용되고 있습니다. 이러한 분야는 기능성 재료, 구조-특성 관계, 최적화된 화학 프로세스 예측이 그 목적입니다.

화학 분야의 AI 채택 관련 장애물

CAS 웨비나, 화학 분야의 인공지능: 기술 동향과 성장 기회(Artificial Intelligence in Chemistry: Current Trends and Future Opportunities)에서 분야 전문가들이 AI 채택과 관련된 잠재적 장애물을 논의했습니다. 이들은 화학 분야의 AI 채택을 방해하는 주요 요인으로 다음 3가지를 꼽았습니다.

데이터 품질: 최적의 예측을 위해서는 교육에 필요한 긍정적인 사례와 부정적인 사례를 모두 제공하는 강력한 고품질 데이터세트가 필요합니다. 데이터 액세스, 정규화, 준비는 오늘날 많은 조직의 중대 과제입니다.

기술: 컴퓨팅 성능에 대한 개선이 진행되고 있지만(양자 및 클라우드 기반 접근) 사용자 관점에서 제약이 남아 있습니다. 그러나 오늘날 소프트웨어와 사용자 인터페이스 개선으로 프로그래밍 요구 사항이 제거되고 있으며 이로써 보다 많은 과학자들이 그들의 연구에 머신 러닝을 활용할 수 있게 되었습니다.

인재 부족: 데이터 과학 분야의 인재 부족은 잘 알려져 있는 문제이며 화학자들이 현재의 AI 접근성을 이해하지 못할 수 있습니다. 화학과 다른 과학 분야의 협력 증진으로 AI 통합 가속화에 도움을 줄 수 있을 것입니다.

화학 분야에서 머신 러닝 성장 기회

전세계 과학 기관에서 문제 해결과 혁신을 위해 AI 및 교육 데이터세트를 활용하고 있으며 이는 데이터 분석과 신약 개발의 중대한 기회로 이어질 수 있습니다.

CAS는 최신 정식 보고서를 통해 AI 기술 투자에 따른 혜택을 얻을 수 있는 여러 화학 분야를 발표했습니다. AI 채택 장벽이 높은 상황에서 CAS와 같은 파트너의 도움으로 방대한 고품질 데이터세트를 분석에 활용할 수 있습니다. 인공지능을 과학 연구에 활용함으로써 가장 긴급한 문제를 해결하는 것은 물론 기존 데이터 분석 방법으로 불가능한 문제까지 해결할 수 있습니다.

CAS 정식 보고서를 통해 CAS만의 통찰력과 분석 결과를 모두 확인하실 수 있습니다. AI 기술을 연구에 활용할 수 있는 방법이 궁금하시다면 CAS에 문의해 주십시오.

 

AI를 활용한 특허청의 효율성 향상과 시기 적절한 출원 업무 처리

Kathy Van der Herten , Director Product Management/CAS

artificial intelligence in patent workflow solutions

특허 출원 건수와 복잡성이 증가하면서 글로벌 특허 시스템의 지속 가능성에 대한 부담이 커지고 있습니다. 특허 출원이 가장 빠르게 증가하는 국가에서는 역량 격차로 인해 특허 심사가 지연되고, 특허 품질이 저하될 위험이 발생하며, 고객 만족도가 감소하고, 혁신과 투자 속도가 느려집니다.

최근 몇 년간의 특허 출원 추세를 보여주는 그래프
그림 1: 지난 10년간의 특허 출원


시기 적절한 출원 업무 처리와 특허 품질 향상

출원 업무의 지연을 줄이는 것은 특허청이 고객 만족도를 높이고 혁신을 촉진하기 위해 추구하는 공통적인 우선 순위입니다. 출원 절차가 지연되면 발명가에게 법적 불확실성을 야기하고 발명가가 투자를 주저하게 만듭니다. 브라질 최고의 변리사이자 Gusmao & Labrunie의 파트너인 Juliano Ryota Murakami는 IP 이해관계자에게 다음과 같은 위험성을 강조합니다.

“특허 심사 업무가 과도하게 지연되면 국가의 혁신과 경제 발전이 저하됩니다. 이러한 지연은 특허가 최종적으로 승인될 때 특허를 통해 보호되는 기술이 완전히 시대에 뒤떨어지고 구식이 될 수 있기 때문에 기업들이 자사 발명품에 대한 법적 보호 조치를 추구하는 것을 어렵게 만듭니다. 또한 복제 독점과 발명품의 잠재적인 상업화에 대한 불확실성을 야기합니다.”

특허 심사관들은 주로 시기 적절한 출원 업무 처리와 특허 품질을 보장해야 한다는 부담을 안고 있으며, 이와 관련하여 검토를 신속하게 처리하기 위해 관련 선행 기술을 빠르게 찾는 심사관의 역량이 중요합니다. 그러나 선행 기술 검색은 많은 시간과 복잡한 검색 전략, 주제에 대한 심도 있는 전문 지식을 요구합니다.

직원의 검색 활동에 대한 EPO 분석을 살펴보면 종합적인 특허 출원 검색은 179개의 데이터베이스에서 13억 개의 기술 기록을 사용하며 매월 약 6억 개의 문서가 검색 결과에 나타납니다. 일본 특허청의 연구에서는 심사관이 선행 기술을 검색하고 결과를 검토하는 데 전체 시간의 40% 정도 소모한다고 추정했습니다. 심사관이 선행 기술에 쉽게 접근할 수 있는 시간, 전문 지식이나 기술 자원이 부족하면 특허 품질이 저하될 수 있습니다.

AI 기반의 검색 솔루션은 모든 특허 생태계에서 효율성과 특허 품질을 모두 개선하는 데 중요한 역할을 할 수 있습니다. 이러한 솔루션은 특허청 내에서 보다 빠른 심사를 지원할 수 있으며 혁신가들이 선행 기술을 조기에 파악할 수 있도록 지원함으로써 특허 심사에 들어가는 시간과 비용 또는 잘못된 특허에 대한 타당성 문제에서 자유로워질 수 있습니다. 이것이 과학 정보와 IP 검색을 개선하기 위해 CAS SciFinder Discovery PlatformSTNext® 솔루션에 AI 선행 기술 알고리즘을 추가한 이유입니다.

지속 가능성을 지원하는 새로운 접근 방식

출원 지연과 비효율성 문제는 특허청의 장기적인 운영 지속성을 보장하는 조치를 통해 해결되고 있습니다. 유럽 ​​특허청(EPO)은 고용 직원, 디지털 혁신, 효과적인 특허 승인 절차와 강력한 국제 협력을 위해 지속 가능성 목표를 갖고 있습니다. 다른 특허청에서도 조직의 효율성을 높이기 위해 유사한 우선 순위를 설정하고 있습니다.

보다 빠르고 높은 품질의 심사를 제공하기 위해 특허청에서는 더 많은 특허 심사관을 고용하고 AI와 같은 시간을 절약하는 기술을 배포하며 워크플로를 혁신하고 있습니다.

  • USPTO는 특허 품질과 시기 적절한 출원 업무를 최적화하기 위한 전략 계획에 따라 증가하는 업무량을 처리하기 위해 2021년에 수백 명의 심사관을 채용했습니다. 또한 심사관들이 더 쉽게 선행 기술에 접근할 수 있도록 특허 분류와 검색을 위한 AI 구현을 확대하고 있습니다.
  • 영국 특허청은 2021년에 특허 출원 건수가 두 자릿수로 증가할 것을 예상하여 전년도에 심사관 인원을 두 배로 늘렸습니다. 절차를 간소화하고 현대화하기 위한 특허청의 5개년 프로그램 목표는 핵심 운영 비용의 최소 3.5%에 해당하는 효율성을 달성하는 것입니다. 특허청은 서비스 제공에 더 많은 투자를 함에 따라 AI를 최대한 활용할 수 있는 방안도 검토하고 있습니다.
  • EPO는 "선행 기술 마스터"라고 부르는 핵심 이니셔티브에서 검색 정확도를 높이고 심사 초기에 관련 문서를 검색하기 위해 분류 절차를 개선하고 있습니다. 인공지능, 머신 러닝 및 기타 기술을 체계적으로 적용하여 보다 효율적이고 꼼꼼한 디지털 특허 승인 절차를 구축하고 있습니다.

AI 기반의 솔루션은 선행 기술 검색을 넘어 다양한 기능을 위해 특허청에서 활용할 수 있습니다. 여기에는 분류 지정과 변환, 보다 효율적인 문서 전달을 위한 API, 검토 및 분석 등을 위한 온라인 도구가 포함됩니다. 이러한 솔루션은 효율성과 특허 품질, 고객 서비스를 개선해 특허청이 운영상의 지속 가능성과 글로벌 혁신을 위한 전략적 목표를 달성하도록 지원하는 승수 효과를 창출할 수 있습니다.

특허 출원 지연 감소의 가능성을 보여주는 AI 및 워크플로 혁신 

CAS는 최근 브라질의 국립 산업 재산연구소(INPI)와 함께 엄선된 데이터, 인공지능, 맞춤형 워크플로 및 아웃소싱 IP 검색 서비스를 고유하게 조합하여 선행 기술 검색을 간소화하는 프로젝트를 완료했습니다. 프로젝트는 다음과 같은 상당한 이점을 창출했습니다.

  • 심사 시간 최대 50% 단축
  • 처리된 모든 국내 출원의 77%에서 심사관 검색 시간 단축
  • 처리된 모든 국내 출원의 29%에서 추가 검색이 거의 필요하지 않거나 전혀 필요하지 않음
  • 생산성 향상으로 특허청의 적체 80% 감소

선행 기술 검색에서 AI 성능을 최적화하기 위한 학습

AI는 수백만 개의 데이터 세트를 빠르게 분석하고 관련 결과를 제공하는 기술 덕분에 특허청들이 더 많은 관심을 보이고 있습니다. WIPO에 따르면 70건이 넘는 AI 관련 프로젝트가 27개 특허청에서 진행 중이며, 그중 19개 특허청에서는 선행 기술 검색과 심사 절차에 집중적으로 AI를 활용합니다.

INPI 브라질과의 업무는 선행 기술 검색에서 AI 활용을 최적화하기 위해 다음과 같은 몇 가지 기본 원칙을 강화했습니다.

  • 예측 정확도를 크게 높여주는 깨끗하고 구조화된 데이터
  • 가장 높은 관련성을 통해 유사성을 도출하려면 여러 알고리즘이 필요
  • 인간의 전문 지식으로 기술을 보강해 검색 결과 개선

데이터 품질: 대부분의 공개적으로 이용 가능한 엄선되지 않은과학 및 특허 데이터는 특허청에 내재된 문제를 드러냅니다. 여기에는 표기 오류, 잘못 표시된 단위와 지나치게 복잡한 특허 용어가 포함되는 경우가 많습니다. 외국어는 특별한 과제를 유발합니다.

정규화되고 사전에 준비되었으며 구조화된 형식으로 연결된 엄선한 데이터는 AI 알고리즘 훈련을 개선하고 선행 기술 검색의 성능을 높입니다. 엄선된 데이터는 유사성이 있는 더 많은 특허를 찾아내고 명확성 문제를 제기할 수 있는 인접 특허를 식별합니다.

다양한 알고리즘: 특정 검색 방법에 맞게 맞춤화된 여러 알고리즘을 사용하면 AI 성능이 향상됩니다. 저희는 브라질에서 1차 결과를 제공하기 위해 10개의 알고리즘을 개발했습니다. 앙상블 학습을 위한 또 다른 알고리즘은 이러한 결과를 분석하여 관련성이 높고 순위에 오른 결과의 최종 세트를 생성했습니다.

최적화된 워크플로: INPI 브라질을 위한 맞춤형 워크플로 솔루션은 선행 기술 검색 단계를 절반으로 줄였습니다. 또한 단일 클라우드 기반 인터페이스를 통해 특허 및 비특허 검색 결과와 참조문헌을 생성하고 정렬, 필터링 및 시각화를 위한 도구를 만들어 시간을 절약할 수 있습니다. 맞춤형 워크플로는 완전히 자동화되거나 알고리즘 모델을 검증하고 검색을 필터링할 수 있는 외부 검색 전문가를 포함함으로써 심사관의 역량을 강화할 수 있습니다.

특허청의 AI 기반 워크플로 접근 방식에 대해 자세히 알아보고 예측 기술이 전체 지식재산권 생태계의 지속 가능성을 보장하는데 어떻게 도움이 되는지 알고 싶으십니까? CAS Insights 보고서 - 글로벌 특허 시스템의 지속 가능성 문제 해결: 생산성 향상에 있어 AI의 역할을 읽어보십시오

내부의 적: 인체 단백질을 이용하여 세포를 감염시키는 SARS-CoV-2

Roger Granet , Information Scientist, CAS

Viral spike-protein structure depiction

COVID-19 치료제 개발 연구에서 중요한 단계 중 하나가 바이러스가 인체 세포에 침투하는 방식을 명확하게 이해하는 것입니다. 이 인사이트는 그러한 침투 경로 차단을 목표로 하는 항바이러스 치료제 개발의 토대가 될 것입니다.

2002년 전염병 원인균으로 처음 발견된 SARS-CoV 바이러스와 현재 COVID-19를 발병시킨 관련 코로나바이러스, SARS-CoV-2에 대한 연구 결과, 두 바이러스 모두 바이러스막에서 돌출되는 스파이크(S) 단백질이 인체 세포 표면에서 최소 하나의 단백질, 안지오텐신 전환 효소 2(ACE2)에 결합된다는 공통점을 갖고 있다는 사실이 밝혀졌습니다. 결합 후에는 다른 단백질을 작은 조각으로 분해하는 인간 효소, 프로테아제가 스파이크 단백질을 절단하거나 S1 외절을 제거하고 S2 내절을 나타내도록 "준비"시킵니다. 스파이크 단백질 S2 내절로 인해 바이러스막과 인체 세포막이 융합되며 바이러스 유전 물질이 세포로 들어가 복제를 시작합니다. 최근 한 포스팅에서 ACE2의 역할을 강조하여 이 과정을 요약 정리했습니다. 이 포스팅에서는 바이러스가 인체 세포에 침투하는 데 프로테아제, 즉 인간 단백질 분해 효소가 어떤 역할을 하는지 자세히 살펴보며 그 과정을 공략하는 항바이러스 치료법에 대해서도 알아봅니다.

 

 

SARS-CoV-2 스파이크 단백질을 구성하는 두 요소

SARS-CoV-2 스파크 단백질은 머리 부분이 크고 줄기 부분이 길고 얇은 나사 모양처럼 생겼습니다(그림 1). 이 스파이크 단백질 3개가 서로 결합되어 더 큰 나사 모양의 삼량체가 됩니다. 줄기 부분은 바이러스막에 삽입되어 머리 부분이 바이러스에서 이탈하지 못하도록 고정시키는 역할을 합니다. 이 큰 머리 부분과 줄기의 일부를 스파이크 단백질의 S1 영역이라고 합니다. 줄기에서 바이러스막에 좀 더 가까운 나머지 부분을 S2 영역이라고 합니다.

바이러스 스파이크 단백질 구조도
그림 1: 바이러스 스파이크 단백질 구조

 

스파이크 단백질이 체내로 들어가 호흡계, 위장관, 혈관 또는 표면에 ACE2를 나타내는 다른 세포와 접촉하면 스파이크 단백질의 S1 영역이 세포 표면의 ACE2와 결합하고 바이러스를 인체 세포 외부에 고정시킵니다. 이것이 바로 바이러스 복제 프로세스의 첫 번째 단계입니다.

세포에 침투하는 SARS-CoV-2

세포에 결합된 바이러스는 두 가지 다른 침투 경로를 갖게 됩니다(그림 2). 사용하는 경로는 스파이크 단백질을 "준비"시키는 프로테아제(단백질 분해 효소)가 있는지 여부에 따라 다릅니다. 또한 프로테아제 존재 여부는 바이러스가 침입하는 인간 세포의 유형과 해당 세포의 특정 조건에 따라 결정됩니다. 스파이크 단백질을 쪼갤 수 있는 여러 프로테아제는 막관통 세린 프로테이나아제 2(TMPRSS2), Furin, 엘라스타아제, 트립신 등 여러 가지가 있습니다. TMPRSS2는 인간 폐 세포로 표현됩니다. 따라서 바이러스가 호흡기 세포에 침투하는 데 중요한 역할을 하는 것으로 알려져 있습니다.

이러한 프로테아제가 스파이크-ACE2 결합 인터페이스 가까운 곳에 존재하면 스파이크 단백질을 쪼개서 S2 영역, 구체적으로 스파이크 단백질의 융합 펩타이드 영역이 노출됩니다. 스파이크 단백질의 이 융합 펩타이드 영역은 소수성이 더 강한 또는 지질과 유사한 아미노산으로 만들어져 있으며 지질 함유 세포막에 삽입되어 바이러스막-세포막 융합을 유도하고 이어서 바이러스 유전체가 세포에 침투하게 됩니다(그림 2a). 이러한 분할은 스파이크-ACE2 결합 이후에 발생해야 합니다. 그 이전에 발생하면 바이러스의 세포 감염율이 낮아집니다.

SARS CoV-2 침투 경로 다이어그램
그림 2. SARS-CoV-2의 두 가지 침투 경로

 

프로테아제가 스파이크-ACE2 결합 인터페이스 가까운 곳에 없으면 내포 작용이라는 다른 경로로 바이러스가 세포에 침투합니다(그림 2b). 이 프로세스에서는 세포막의 작은 영역을 집어 넣는 방식으로 세포 외부에서 ACE2 단백질에 결합된 코로나바이러스를 둘러싼 다음 다시 꺼내 외부 물질을 세포 안으로 가져오는 세포내 이입 소포를 형성합니다. 이 과정이 끝나면 세포내 이입 소포가 엔도솜이라는 세포 내 막벽 소낭과 융합됩니다. 엔도솜에는 카텝신 L과 같이 스파이크 단백질을 쪼개 융합 펩타이드 영역을 노출시키는 프로테아제가 있습니다. 이 융합 펩타이드는 바이러스 막과 엔도솜 막의 융합을 중재하며 이후 바이러스 유전체가 세포 안으로 들어가도록 유도합니다.

최근 연구 결과에서는 SARS-CoV-2가 세포에 침투할 수 있는 세 번째 방법의 가능성을 제안하고 있습니다. 바이러스가 복제 과정을 거쳐 세포 내부에 새 바이러스 입자를 만들 때 새로운 바이러스 구성 과정에서 퓨린이라는 단백질 분해 효소에 의해 일부 스파이크 단백질이 미리 쪼개지거나 먼저 준비를 마칠 수 있습니다. 이는 바이러스가 세포에서 분리되면 스파이크 단백질이 먼저 준비된 바이러스가 다른 세포와 융합되어 감염시킬 수 있음을 의미합니다. 앞에서 설명한 두 가지 "정상적인" 스파이크 단백질 분할 경로 중 하나에 대해 프로테아제의 양이 적은 경우도 마찬가지입니다.

반격 준비

COVID-19 퇴치를 위해 감염 주기에서 스파이크 ̶ ACE2 ̶막 융합 ̶ 엔도시토시스 부분을 표적으로 할 수 있는 약물에 대한 많은 연구가 진행되고 있습니다. 이전 포스팅에서는 재조합형 가용성 ACE2의 치료제 가능성을 강조했습니다. 이 경우 SARS-CoV-2가 세포 표면의 ACE2에 결합되려면 스파이크 단백질을 비활성화해야 합니다. 그러나 다른 많은 신약 후보도 함께 고려되고 있습니다.

나파모스타트MI-1851은 스파이크 단백질 분할에 관여하는 프로테아제, TMPRSS2와 퓨린을 각각 억제하므로 시험관에서 SARS-CoV-2 감염을 줄일 수 있습니다. 스파이크 단백질의 작은 부분과 유사한 매우 짧은 단백질, 펩타이드는 바이러스에서 준비된 스파이크 단백질을 "막는" 방식으로 바이러스 및 인간 세포막의 융합을 억제하는 것으로 알려져 있습니다. 막 융합 프로세스에서 형태를 바꿈으로써 바이러스 침입을 방해합니다. 마지막으로, SARS-CoV-2 감염을 차단하는 것으로 알려진 PIKfyve 억제제가 있습니다. PIKfyve는 특정 지질에 인산기를 추가하는 효소 역할을 하는 인간 지질 키나아제입니다. PIKfyve가 세포내 이입 경로의 바이러스 침투 경로에 있어 엔도좀 대사에 관여하므로 PIKfyve 억제제는 항바이러스성 활성을 갖습니다.

이들은 SARS-CoV-2 바이러스 침투 억제제로 연구되고 있는 여러 약물 후보 중 일부에 불과합니다. COVID-19 치료제 개발을 위해 많은 표적에 대한 연구를 진행하고 있습니다. 스파이크 단백질, ACE2, 스파이크 단백질을 쪼개는 프로테아제, 세포내 이입 경로의 구성 요소 모두 가능한 연구 대상이며 이들 각각의 표적과 관련된 항바이러스성 활성을 갖는 많은 물질이 있습니다. CAS는 이러한 잠재적 후보 물질을 더 빠르게 식별하려는 연구 노력을 돕기 위해, CAS REGISTRY®를 토대로 알려진 항바이러스 약물과 이러한 항바이러스성 약물과 구조적으로 유사한 관련 화합물에 대한 공개 데이터세트를 발표했습니다. 이 데이터세트를 비롯한 다른 CAS 공개 COVID-19 리소스를 다운로드하여 알아보십시오. 

 

Subscribe to