Voronoi Discovery Platform : VORONOMICSTM

KiHUBTM  MAP / KiHUBTM  DB

보로노이는 보로노이 고유의 화합물 라이브러리인 KiHUBTM MAP을 구축하고 있습니다.  보로노이 라이브러리의 가장 큰 강점은 화합물마다 468개 kinase에 대한 full panel profiling data와 약물성 data를 구축하고 있다는 점입니다. 따라서 학계에서 특정 분자표적과 질환과의 상관관계가 밝혀질 경우 보로노이는 자체 DB 검색을 통해서 해당 타겟에 선택적인 화합물을 기반으로 신속하게 선도물질을 도출할 수 있습니다. 현재 3,500개 이상의 화합물에 대한 kinase profiling DB를 구축하고 있으며, 매년 500여개 화합물의 DB가 추가되고 있습니다. 이런 광범위한 화합물 구조-kinase 선택성 DB 구축으로 인해 시간이 갈 수록 보로노이의 생산성은 높아질 것으로 기대됩니다.

또한 보로노이는 1억 500만개의 화합물에 대한 화합물 구조를 DB화한  KiHUBTM DB를 구축하고 있습니다.  KiHUBTM DB 내 화합물은 public DB와 보로노이 자체 합성 화합물로 구성되어 있습니다.  KiHUBTM DB는 새로운 치환기 모델링 또는 신규 골격변환 연구에 최적화된 3차원의 구조로, 보로노이가 자체 설계/구축하고 있습니다.

KiHUBTM PREDICTOR

KiHUBTM PREDICTOR는  KiHUBTM MAP 및 KiHUBTM DB를 활용하여 가상설계된 화합물의 activity 및 selectivity 값을 예측하여 선도물질 도출 과정을 용이하게 하는 분자설계 툴입니다.

KiHUBTM PREDICTOR는 화합물을 인식하는 기존의 Molecular Fingerprint 기법을 탈피하여 Messenger Passing Neural Network 기반의 원자단위 인식모델을 개발/적용함으로써 화합물과 단백질 인식 정확도를 확보하였습니다. 또한 화합물의 타겟 키나제 결합유무를 판단하기 위해 Variational Auto-Encoder 기반 Kinase Inhibitor Drug-Like 화합물 생성모델을 개발/적용하여 자체적인 Latent Map을 키나제 타겟별 확보함에 따라 높은 선택성을 보입니다.

in silico 모델링 / 표적단백질 X-ray 결정 구조 분석

분자설계 방법을 통해 저해재-표적 단백질의 결합 모델을 예측하여, 다양한 치환기가 도입된 신규화합물을 설계하고 있습니다. 가상 설계를 통하여 화합물과 타겟 단백질에 대한 저해 활성 정도를 분석/예측하면서 실제 합성할 물질을 선정하기 때문에, 합성 효율 및 생산성을 높일 수 있습니다.

분자설계를 용이하게 하고 결합모델을 검증하기 위해서는, X-ray crystallography를 이용하여 표적 단백질과 저해제의 결합구조를 결정하는 것이 중요합니다. 화합물이 결합하는 타겟 단백질 포켓의 위치 확인 및 포켓 주변의 아미노산 잔기 등의 특성을 분석합니다.

또한, X-ray crystallography를 활용한 타겟 단백질과 저해제의 결합 에너지 계산을 통하여, 화합물의 binding affinity를 예측하고 활성이 개선된 물질을 선별합니다.

2019-11-26T15:18:20+00:00
KoreaUSA