본 서비스는 인공지능(AI) 기술을 활용하여 후보물질 탐색, 타겟 예측, 약물-타겟 상호작용 모델링, ADMET 예측 등 신약 개발 초기 단계를 자동화 및 고속화하는 분석 서비스입니다. 생물학적 네트워크 분석, 기계학습 기반 스크리닝, 분자 도킹 등의 기술을 통합하여 유망 약물 후보를 효과적으로 발굴하고, 비용과 시간을 절감합니다.
실험 방법
사용자가 제공한 단백질 서열(fasta) 확보
AlphaFold2 또는 ColabFold 기반 예측 수행
구조 정확도 평가 (pLDDT, RMSD 등)
결과 파일(.pdb/.mmCIF) 제공 및 시각화 이미지 생성
요청 시 도킹/표면 분석 등 후속 분석 연계 가능
실험 예시
대상 물질: 사람 단백질, 미생물 유래 효소, 합성 단백질 등
적응증 분야: 항암제 타겟, 감염성 질환, 유전병 연관 단백질 구조 분석 등
대상자: 기초 연구자, 약물 개발 기업, 구조 생물학 연구자
실험 소요 기간
단일 단백질 기준: 1~3일 이내
다수 서열 또는 고난도 타겟 포함 시: 3~7일 이내
Figure 1. Structural prediction and molecular docking of CD44 with Radotibib. (A) Predicted three-dimensional structure of human CD44 generated by AlphaFold. (B) Predicted binding site of Radotibib on CD44, with an inset showing a close-up view of the binding pose within the surface pocket of CD44. (C) Table summarizing the top five docking modes of CD44–Radotibib, including binding affinities and RMSD (lower and upper bounds) relative to the best mode.
