항노화(Senolytics/Senomorphics) 신약 및 단백질 표적 연구를 진행하다 보면, 후보 타깃(BCL-2, p16, FOXO4, mTOR 등)의 3차원 결합 포켓(Binding Pocket) 특성을 확인하거나 초기 결합 자유에너지(ΔG), ADMET 독성 안전성을 빠르게 스크리닝하기 위해 PyMOL, AutoDock, 화학정보학 패키지를 매번 로컬에 세팅하는 데 많은 시간이 소요되곤 합니다.
이에 구글 딥마인드의 **AlphaFold2/3 원천 구조 데이터(Nature)**와 EMBL-EBI AlphaFold DB, ChEMBL/OpenFDA 독성 데이터를 결합하여, **별도 설치 없이 웹 브라우저에서 1초 만에 3D 단백질 결합 구멍을 인터랙티브하게 분석하고 독성을 시뮬레이션할 수 있는 웹 기반 도구 [SenoMatrix AI]**를 개발하여 연구자분들께 공유해 드립니다.
🧬주요 기능 및 탑재 데이터
검증된 핵심 항노화 타깃 10종 탑재:
BCL-2, BCL-XL, p16INK4a, p53-FOXO4, mTOR, Klotho, SIRT1 등 주요 노화 세포 사멸 기전 타깃 완전 매핑
웹 기반 3D 단백질 결합 포켓(Pocket) 정밀 분석:
포켓 부피(Pocket Volume, ų), 소수성 지수(Hydrophobicity, logP), 결합 인력(Binding Energy, ΔG kcal/mol) 실시간 산출
Ribbon 사슬, Pocket 표면, Wireframe 격자 3가지 모드 자유 회전
노화세포 선택 사멸도(SI) & ADMET 독성 계산기:
후보 화합물(Navitoclax, Venetoclax, Fisetin, Rapamycin 등) 농도별 정상세포 생존율 vs 노화세포 사멸 점수 시뮬레이션
OpenFDA 임상 부작용 및 혈소판 감소증(Thrombocytopenia) 리스크 실시간 연산
QSAR 6대 종합 성능 레이더 차트 & 1-Click Bio-Dossier 보고서:
타깃별 분석 결과를 종합한 신약 실사(Due Diligence) 검증 리포트 즉시 출력
📚 학술적 근거 및 데이터베이스 출처
AlphaFold2 / AlphaFold 3: Jumper et al., Nature (2021) / Abramson et al., Nature (2024)
AlphaProteo Binder Design: Google DeepMind Bio-Research (2024)
Bioactivity & Toxicity DB: EMBL-EBI ChEMBL v33, OpenFDA Regulatory API