주어진 PDB 파일의 ligand에서 결합이 안정적인 부분구조를 찾아라
- PDB
- 현재 ligand-contact 분석
- KLIFS
- 같은 interaction이 반복되는 구조 검색
- 보존할 scaffold · pharmacophore 도출
KLIFS를 쓰면 한 PDB에서 우연히 보이는 interaction인지, 여러 실험 구조에서 반복적으로 나타나는 interaction인지를 구별할 수 있다.
KLIFS는 서로 다른 kinase의 결합부위를 공통된 85개 residue 위치로 통일한 구조 데이터베이스다. 표준화라는 단 하나의 결정이 kinase 신약설계의 문법을 바꾸었다.
정의. 키나아제를 표적으로 하는 신약개발에서, 이미 실험적으로 밝혀진 단백질–리간드 3차원 결합 구조를 표준화하여 서로 비교할 수 있게 만든 구조 기반 신약설계 데이터베이스.
키나아제 저해제 개발에서 가장 어려운 문제는 선택성이다. 많은 kinase가 ATP가 결합하는 촉매 부위의 구조를 서로 비슷하게 공유한다. 그래서 한 kinase에 잘 결합하는 화합물이 다른 kinase에도 결합하고, 거기서 off-target 효과가 생긴다.
KLIFS는 이 문제를 정면으로 겨냥한다. 해법은 결합부위의 표준화다. kinase 결합부위를 공통된 85개 residue 위치로 정렬해 두면, PDB 코드가 다르고 단백질이 달라도 "어느 residue에 어떤 방식으로 ligand가 결합하는가"를 동일한 기준으로 비교할 수 있다.
PDB가 개별 단백질의 사진을 보여주는 데이터베이스라면, KLIFS는 수천 장의 kinase–ligand 결합 사진을 같은 좌표계에 맞추어 놓고 비교하게 만든 데이터베이스다.
이 차이가 신약설계에서는 결정적이다. 구조를 많이 모아둔 것이 KLIFS의 본질이 아니다. 서로 다른 구조를 같은 자로 잴 수 있게 만든 것이 본질이다.
활용도는 고르게 분포하지 않는다. Discovery 단계에 극단적으로 몰려 있다.
| 신약개발 단계 | KLIFS 활용도 | 실제 활용 |
|---|---|---|
| Target identification | 해당 kinase에 알려진 구조와 ligand가 있는지 조사 | |
| Target structure 분석 | pocket, hinge, gatekeeper, DFG 등의 구조 확인 | |
| Hit discovery | 기존 ligand, 유사 ligand, substructure, binding mode 탐색 | |
| Virtual screening 준비 | docking용 reference structure 및 pocket 선택 | |
| Hit-to-Lead | 어떤 부분구조와 상호작용을 유지해야 하는지 분석 | |
| Lead optimization | affinity·selectivity 향상을 위한 구조 수정 방향 도출 | |
| Off-target·selectivity 분석 | 유사 kinase와 pocket 및 interaction 비교 | |
| ADMET·PK 분석 | 직접적인 용도는 아님 | |
| 독성시험·동물시험 | — | 직접 사용하지 않음 |
| 임상시험 | — | 직접 사용하지 않음 |
표가 말하는 바는 분명하다. KLIFS의 핵심 사용 구간은 Discovery 단계이며, 더 좁히면 Structure-Based Drug Design → Hit Discovery → Hit-to-Lead → Lead Optimization 구간이다. 그 바깥에서는 KLIFS가 할 일이 거의 없다.
KLIFS는 kinase의 ATP-binding site를 '하나의 pocket'으로 취급하지 않는다. 결합부위를 front pocket, gate area, back pocket과 여러 subpocket으로 나누고, hinge, gatekeeper, αC-helix, DFG motif 같은 구조적 요소를 체계적으로 기록한다. 85-residue pocket 정의 자체가 다양한 kinase inhibitor의 결합 영역을 포괄하도록 설계되었다.
그래서 KLIFS는 다음 질문에 잘 맞는다.
KLIFS는 결합 pocket의 위치를 알려주는 자료가 아니다. 그 pocket 안에서 약물 설계에 실제로 쓸 수 있는 구조적 특징을 찾아주는 자료다.
이 부분이 KLIFS의 가장 강력한 기능이다. ligand를 SMILES, chemical structure, similarity, substructure로 검색할 수 있고, 여기에 특정 kinase residue와의 interaction이나 특정 pocket 사용 여부까지 함께 조건으로 걸 수 있다.
예를 들어 PDB에서 다음과 같은 결합 양상의 ligand를 발견했다고 하자.
KLIFS에서는 여기서 곧바로 "이와 비슷한 결합 패턴을 갖는 ligand가 다른 kinase 구조에서는 무엇인가"를 물을 수 있다. 완전히 무작위로 신규 후보물질을 생성하는 것보다 훨씬 합리적인 출발점이다.
KLIFS는 이미 실험적으로 검증된 kinase–ligand 결합 구조를 근거로, 신규 화합물 설계에 쓸 scaffold와 pharmacophore를 제공한다.
"주어진 PDB 파일의 ligand에서 결합이 안정적인 부분구조를 찾아라"는 문제에도 KLIFS는 잘 맞는다. ligand가 다음과 같은 골격을 가진다고 하자.
KLIFS interaction fingerprint를 보면 Ring A가 hinge와 반복적으로 수소결합을 만들고, Ring B가 hydrophobic pocket을 차지하며, R3가 gatekeeper 뒤쪽 pocket을 이용한다는 사실을 여러 구조에서 교차 확인할 수 있다. KLIFS는 ligand–kinase interaction pattern을 85개 표준 pocket residue 기준으로 비교하도록 구성되어 있다.
그러면 다음과 같이 판단이 선다.
| Fragment | 여러 구조에서 관찰된 사실 | 판정 |
|---|---|---|
| Ring A | 여러 구조에서 hinge interaction 유지 | core scaffold 보존 |
| Ring B | hydrophobic packing 유지 | 보존 가치 높음 |
| R2 | solvent exposed | 구조 변경 가능 |
| R3 | 특정 kinase에서만 back pocket interaction | 선택성 확보의 핵심 |
medicinal chemistry에서 어느 부분을 유지하고 어느 부분을 바꿀지 결정하는 근거가 바로 이것이다. 한 개의 PDB에서 우연히 보이는 접촉인지, 여러 실험 구조에서 반복되는 접촉인지를 가르는 일이 여기서 이루어진다.
KLIFS의 가장 실용적인 용도다. hit compound를 찾아냈다 해도 질문은 그대로 남는다. 어디를 바꿔야 결합력이 좋아지는가. 어디를 바꿔야 선택성이 좋아지는가. 어떤 부분은 절대 건드리면 안 되는가.
KLIFS에서는 ligand가 어느 subpocket을 사용하는지, hinge와 어떤 interaction을 만드는지, gatekeeper residue가 무엇인지, DFG 또는 αC-helix conformation이 어떤 상태인지를 구조들 사이에서 비교할 수 있다. ligand binding mode와 interaction pattern을 조건으로 구조를 검색하는 것도 가능하다.
hinge binding좋음gatekeeper contact좋음back pocket사용 안 함solvent region여유 있음core scaffold유지hinge-binding group유지back-pocket 방향substituent 추가solvent-exposed 부분용해도 개선KLIFS는 좋은 화합물을 찾아주는 데이터베이스가 아니다. 왜 이 화합물이 결합하는지 이해하고, 다음 화합물을 어떻게 설계할지 결정하는 데이터베이스다.
KLIFS가 일반적인 PDB 검색보다 강한 지점이 여기다. 목표가 FGFR2라 해도 후보물질은 FGFR1, FGFR3, VEGFR, PDGFR에도 결합할 수 있다. ligand가 target과 잘 결합하는지만 보는 것으로는 부족하다. 필요한 질문은 다르다.
왜 FGFR2에는 결합하고 다른 kinase에는 덜 결합하는가.
KLIFS는 kinase 구조를 동일한 85-residue pocket numbering으로 정렬한다. 그래서 서로 다른 kinase의 pocket composition과 ligand interaction pattern을 직접 비교할 수 있다. KLIFS 자체도 이 비교를 kinase-inhibitor selectivity를 결정하는 핵심 interaction을 찾는 대표적 활용 사례로 설명한다.
| Position | Target | Off-target | 판정 |
|---|---|---|---|
| hinge.46 | 동일 | 동일 | 차이 없음 |
| hinge.47 | 동일 | 동일 | 차이 없음 |
| GK.45 | Thr | Met | gatekeeper 크기 차이 |
| back pocket | 넓음 | 좁음 | 진입 가능 부피 차이 |
| Residue X | Cys | Ser | 공유결합 표적 가능 |
여기서 Cys-specific interaction과 back-pocket substituent를 결합하면 target-selective inhibitor를 설계할 수 있다는 가설이 나온다. Lead Optimization에서 가장 중요한 설계 논리가 이 표 한 장에서 시작한다.
이 구분이 중요하다. KLIFS가 제공하는 것은 기본적으로 구조적 증거다. KLIFS만 보고 "Compound A의 binding affinity는 8.7 nM이다"라고 말할 수 없고, "이 compound는 반드시 약이 된다"고 판단할 수도 없다.
검색 기능도 같은 성격이다. ligand similarity·substructure, pocket composition, interaction pattern, ligand binding mode, kinase structural state를 함께 비교하는 데 초점이 있다. 결합 세기를 평가하려면 계산이 더 필요하다.
따라서 KLIFS와 docking은 경쟁 관계가 아니다. 상호 보완 관계다. KLIFS는 무엇을 계산할지 골라주고, docking은 그것이 얼마나 강한지 답한다.
앞서 제시한 여섯 가지 질문과 KLIFS는 자연스럽게 맞물린다. 질문마다 KLIFS가 들어가는 지점이 다르다.
KLIFS를 쓰면 한 PDB에서 우연히 보이는 interaction인지, 여러 실험 구조에서 반복적으로 나타나는 interaction인지를 구별할 수 있다.
KLIFS가 신규 molecule generation의 reference library 역할을 한다.
KLIFS만으로 정량적 binding affinity를 계산하지는 못한다. 그러나 docking 이전의 구조 기반 우선순위 점수를 만드는 것은 가능하다.
KLIFS의 대표적 사용 사례다. 특정 gatekeeper residue, hinge 수소결합 패턴, 특정 pocket 사용 여부를 한 번에 조건으로 걸 수 있다.
추출한 공통 요소를 신규 molecule generator의 constraint로 넘길 수 있다.
"이 후보는 알려진 Type-I kinase inhibitor와 유사하게 hinge를 이용하지만, back pocket III를 추가로 점유하고 있어 선택성 향상 가능성이 있다"와 같은 설명 가능한 해석이 나온다.
KLIFS의 가치는 새로운 약을 직접 찾아주는 데 있지 않다.
수천 개의 실험적 kinase–ligand 구조를 동일한 기준으로 비교하여,
어떤 화학구조가 어떤 kinase residue와 상호작용해야 결합력과 선택성을 확보할 수 있는지에 대한
설계 근거를 제공하는 데 있다.
신약개발 전체 흐름에 놓고 보면 KLIFS의 자리는 분명해진다.
기존 Ollama + TxGemma + PDB 분석 GUI에 KLIFS를 추가하는 것은 의미가 있다. 다음 순서로 연결하면 된다.
PDB → KLIFS 85-residue mapping → 유사 ligand·interaction 검색 → TxGemma 해석 → RDKit 신규 물질 생성 → GNINA·Vina docking → 후보 ranking
그러면 단순한 LLM 질의응답이 아니라 실험 구조를 근거로 후보물질을 제안하고 그 이유까지 설명하는 kinase 신약설계 파이프라인이 된다.
KLIFS는 검색 결과를 MOL2뿐 아니라 CSV·ZIP으로 내려받을 수 있고 interaction·pocket annotation도 함께 제공한다. 자동화 파이프라인에 붙이기에 적합한 형태다.