이전 사이트 이동

본 프로젝트는 효소와 기질 사이의 구조적 상호작용을 학습하는 인공지능을 개발하고, 대규모 돌연변이 스크리닝 데이터를 기반으로 고활성 효소를 설계하여 산업적 적용 가능성을 검증하는 것을 목표로 한다. 1단계에서는 GNN 기반 기질결합구조 임베딩과 hAPE1 활성 데이터를 활용한 AI 학습·예측 모델을 구축하고, hAPE1 및 PETase 돌연변이 라이브러리의 스크리닝 데이터를 확보하여 AI 기반 고활성 효소 설계의 성능을 검증한다. 2단계에서는 개발된 모델을 MHETase 등 새로운 효소로 확장하여 모델의 범용성과 확장성을 평가하고, 다양한 기질 및 환경 조건에서 hAPE1, PETase, MHETase의 활성을 최적화한다. 또한 실제 연구 과정에서 축적된 AI 적용 경험을 바탕으로 생물학 전공자도 쉽게 사용할 수 있는 사용자 친화적 효소설계 플랫폼을 구축·공개함으로써 AI 기반 효소설계 기술의 실용화와 산업적 활용 가능성을 실증하고자 한다.