%EB%AC%B4%EA%B8%B0+%EC%86%8C%EC%9E%AC
-
딥러닝으로 소재 합성 가능성 예측 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 딥러닝을 활용해 소재의 합성 가능성을 높은 정확도로 예측하는 기술을 개발했다고 22일 밝혔다.
신소재 설계의 궁극적인 목표는 소재를 설계하고 그것을 실험적으로 합성하는 것이지만 현실적으로는 새롭게 설계된 대부분의 소재가 실제 합성 단계에서 성공하지 못하고 버려지는 경우가 많다. 이는 불필요한 시간과 자원의 낭비를 초래한다. 소재의 합성 여부는 반응 조건, 열역학, 반응 속도, 소재 구조 등 다양한 요인에 의해서 결정되기 때문에, 소재의 합성 가능성을 예측하는 것은 매우 도전적인 과제로 여겨져 왔다.
이런 문제 해결을 위한 방안으로 간단한 열역학적 안정성만을 고려해 고체 소재의 합성 가능성을 추정하지만 정확도는 매우 떨어지는 편이다. 일례로 에너지적으로 안정된 물질이라 하더라도 합성이 안 되는 경우가 아주 빈번하고, 또 반대로 *준안정 상태의 물질들도 합성되는 경우가 많기 때문이다. 따라서, 합성 가능성에 대한 예측 정확도를 획기적으로 높일 수 있는 방법론의 개발이 시급한 과제로 여겨져 왔다.
☞ 준안정(metastable) 상태 : 어떤 물질이 열역학적으로 안정된 ‘바닥 상태’가 아닌 상태
정유성 교수 연구팀이 개발한 소재 합성 가능성 예측기술은, 기존 합성이 보고된 고체 소재들의 구조적 유사성을 그래프 합성 곱 신경망(GCN, Graph Convolutional Neural Network)으로 학습해 새로운 소재의 합성 가능성을 예측할 수 있다. 특히, 현재까지 합성이 안 된 물질이라 하더라도 합성이 성공할 가능성은 여전히 존재하기 때문에 참값(레이블)을 이미 알고 학습을 진행하는 일반적인 지도학습과는 달리 양의 레이블(+)을 가진 데이터와 레이블이 없는 데이터(Positive-Unlabeled, P-U)를 이용한 분류 모델 기반의 준 지도학습을 사용했다.
정 교수팀은 5만여 종에 달하는 이미 합성이 보고된 물질과 8만여 종의 *가상 물질로 이뤄진 `머터리얼스 프로젝트(Materials Project, MP)'라는 소재 관련 데이터베이스를 이용해 모델을 구축했다. 연구팀 관계자는 이 신기술을 활용한 결과, 소재들의 합성 가능성을 약 87% 정확하게 예측할 수 있다고 설명했다. 정 교수팀은 또 이미 합성된 소재들의 열역학적 특성을 분석한 결과, 열역학적 안정성만으로는 실제 소재의 합성 가능성을 예측할 수 없다는 사실도 알아냈다.
☞ 가상 물질(hypothetical materials) : 기존에 합성되어 보고된 물질들을 원소 치환해서 얻어지는 가상의 물질들로 아직 실험적으로 합성 보고가 이루어지지 않은 물질
이와 함께 머터리얼스 프로젝트(MP) 데이터베이스 내에 합성 가능성 점수가 가장 높은 100개의 가상 물질에 대해 문헌조사를 실시한 결과, 이들 중 머터리얼스 프로젝트(MP) 데이터베이스에는 합성 여부가 아직 알려지지 않았지만 실제로 합성돼 논문에 보고된 소재만도 71개에 달하는 것을 확인했고 이를 통해 모델의 높은 정확도를 추가로 입증했다.
정유성 교수는 "빠른 신소재 발견을 위해 다양한 소재 설계 프레임워크가 존재하지만 정작 설계된 소재의 합성 가능성에 관한 판단은 전문가 직관의 영역으로 남아 있다ˮ면서 "이번에 개발한 합성 가능성 예측 모델은 새로운 소재를 설계할 때 실제로 합성 가능성을 실험 전에 미리 판단할 수 있어 새로운 소재의 개발시간을 단축하는 데 큰 도움이 될 것ˮ이라고 말했다.
생명화학공학과 장지돈 박사과정과 구근호 박사후연구원이 공동 제1 저자로 참여한 이번 연구결과는 미국화학회가 발행하는 국제학술지 미국화학회지(Journal of the American Chemical Society) 온라인 10월 26일 자에 실렸다. (논문명: Structure-Based Synthesizability Prediction of Crystals Using Partially Supervised Learing)
한편 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구)과 미래소재 디스커버리 사업 지원을 받아 수행됐고, 연구에 KISTI의 슈퍼컴퓨터를 활용했다.
2020.12.22 조회수 51076 -
이진우 교수, 그래핀 기반의 자연 효소 모방물질 개발
〈 이진우 교수 〉
우리 대학 생명화학공학과 이진우 교수 연구팀이 그래핀을 기반으로 해 과산화효소의 선택성과 활성을 모방한 나노단위 크기의 무기 소재(나노자임, Nanozyme)를 합성하는 데 성공했다.
연구팀은 이 무기 소재를 이용하면 알츠하이머병 조기 진단과 관련된 신경전달물질인 아세틸콜린을 자연 효소를 이용했을 때보다 더 민감하게 검출할 수 있음을 확인했다.
가천대학교 바이오나노학과 김문일 교수, UNIST 에너지화학공학부 곽상규 교수팀과 공동으로 연구하고 김민수 박사가 1 저자로 참여한 이번 연구는 재료 분야 국제 학술지 ‘에이씨에스 나노(ACS Nano)’ 3월 25일자에 게재됐다. (논문명 : N and B Codoped Graphene: A Strong Candidate To Replace Natural Peroxidase in Sensitive and Selective Bioassays , 질소와 붕소가 동시에 도핑된 그래핀: 민감하고 선택성이 있는 바이오에세이에 사용되는 자연의 과산화효소를 대체할 수 있는 강력한 후보)
효소는 우리의 몸 속 다양한 화학 반응에 촉매로 참여하고 있다. 각각의 효소는 구조가 매우 복잡해 체내에서 특정 온도와 환경에서 원하는 특정 반응에만 촉매 역할을 할 수 있다.
특히 과산화효소는 과산화수소와 반응하면 푸른 색을 띠기 때문에 과산화수소를 시각적으로 검출할 수 있다. 이를 이용해 산화 과정에서 아세틸콜린을 포함한 과산화수소를 배출하는 다양한 물질을 시각적으로 검출할 수 있다는 장점이 있다.
대신 효소는 안정성, 생산성이 낮고 가격이 비싸다는 단점이 있다. 단백질로 이뤄진 효소와 달리 무기물질로 합성된 효소 모방 물질은 기존 효소의 단점을 해소할 수 있어 효소의 역할인 질병의 검출 및 진단 시스템에 활용할 수 있다. 따라서 효소의 활성을 정확히 모방하는 나노물질의 필요성이 커지고 있다.
그러나 효소를 모방하는 나노물질은 활성을 모방하는 것이 가능하지만 원하지 않은 다른 부가적인 반응을 일으킬 수 있다는 단점이 있어 효소를 대체하는 데 어려움이 있다. 특히 기존의 과산화효소 활성이 높은 물질은 과산화수소가 없는 상황에서도 색이 변하기 때문에 검출 물질이 없어도 발색이 되는 단점이 있다.
문제 해결을 위해 연구팀은 과산화효소 활성만을 선택적으로 모방하는 질소와 붕소가 동시에 도핑된 그래핀을 합성했다. 이 그래핀의 경우 과산화수소 활성은 폭발적으로 증가하지만 다른 효소 활성은 거의 증가하지 않아 과산화효소를 정확하게 모방할 수 있다.
연구팀은 실험적 내용을 계산화학을 통해 증명했으며 새롭게 개발한 물질을 이용해 중요 신경전달 물질인 아세틸콜린을 시각적으로 검출하는 데 성공했다.
아세틸콜린은 알츠하이머병의 조기 진단과 관련이 높아 연구팀의 효소모방 물질을 이용하면 향후 질병 진단 및 치료에 기여할 수 있을 것으로 예상된다.
이 교수는 “효소 모방 물질은 오래되지 않은 분야이지만 기존 효소를 대체할 수 있다는 잠재성 때문에 관심이 폭발적으로 커지고 있다”라며 “이번 연구를 통해 효소의 높은 활성 뿐 아니라 선택성까지 가질 수 있는 물질을 합성하고 알츠하이머의 진단 마커인 아세틸콜린을 효과적으로 시각적 검출할 수 있는 기술을 확보했다”라고 말했다.
이번 연구는 한국연구재단의 이공분야 기초연구사업 중견연구자지원사업을 통해 수행됐다.
□ 그림 설명
그림1. 촉매의 과산화효소와 산화효소 활성을 시각적으로 확인할 수 있는 사진
그림2. 질소와 붕소가 동시에 도핑된 그래핀의 바이오 에세이 적용
2019.04.23 조회수 15647