인공지능 기반 효소 예측 기술 DeepEC

소개글

"인공지능 기반 효소 예측 기술 DeepEC"에 대한 내용입니다.

목차

0. 요약

Ⅰ. 서론

Ⅱ. 본론
1. 이론적 배경
2. DeepEC

Ⅲ. 결론

Ⅳ. 참고문헌

본문내용

Ⅰ. 서론

몇 년 전부터 이어져 온 기후변화, 연료 고갈 등의 환경 이슈와 더불어 최근의 코로나19와 같은 전염병 이슈까지 세계적인 문제로 떠오르면서 바이오 산업이 많은 관심을 받고 있다. 그중에서도 화이트바이오는 생산 과정에서 탄소 배출량이 비교적 적고, 원료인 식물 등이 이산화탄소를 흡수한다는 장점을 가져 빠른 성장을 이룰 것이라는 전망과 함께 최근 주목을 받고 있다. 미생물, 효소 등을 활용하는 바이오 기반의 산업으로 효소에 대해 많은 연구가 이루어지고 있다.
본 탐구는 열화학 반응 및 연료에 따른 열효율 탐구 실험을 진행하며 생체 속 열화학 반응에 호기심을 갖게 되어 자료를 조사하던 중 효소가 생체 속 열화학 반응에 관여함을 알게되어 효소의 기능에 궁금점을 갖게 되었다.
세포 안에는 효소라 불리는 단백질이 존재하는데, 이들은 생화학 반응의 기질에 결합해 생체 촉매로서 생화학 반응의 활성화에너지를 낮춘다. 따라서 이들 생화학 반응을 효율적이며 유기적으로 일으키는 데에 중요한 역할을 담당한다. 효소들이 어떠한 생화학 반응에 관여하는지 정확히 밝혀내는 것은 대사 생화학 연구에서 매우 중요한 연구 주제로 떠오르고 있다.

<중 략>

2. DeepEC
가. DeepEC의 개요
DeepEC는 카이스트 초세대 협업연구실 시스템을 바탕으로 개발되어 4개의 EC번호와 138만8,606개의 단백질 서열 빅데이터를 학습한 딥러닝 기술이다. EC번호를 예측하기 위해 3개의 합성곱 신경망(Convolutional neural network)을 주요 예측기술로 사용한다. 또 합성곱 신경망으로 EC 번호를 예측하지 못했을 경우 서열정렬(sequence alignment)을 통해서 EC 번호를 예측한다. 단백질 서열의 도메인(domain)과 기질 결합 부위 잔기(binding site residue)에 변이를 인위적으로 주었을 때 DeepEC가 가장 민감하게 해당 변이의 영향을 감지하는 것을 확인했다.

참고 자료

위키 백과, 엔탈피
위키 백과, 합성곱 신경망
위키 백과, 효소
세미나 투데이, 인공지능이 효소 기능을 정확하고 신속하게 예측할 수 있다(최창현 기자, 19.07.02)