구조 기반 면역 상호작용 예측 모델 개발
연구진이 티 세포 수용체와 펩타이드, 인간 백혈구 항원 간의 상호작용을 예측하는 새로운 딥러닝 프레임워크인 스트라이맵을 개발했습니다. 해당 모델은 물리화학적 특성과 구조적 특징을 통합하여 기존 예측 방식의 한계를 극복했습니다. 이번 연구 결과는 국제 학술지 네이처 커뮤니케이션즈에 게재되었습니다.
주장연구진은 티 세포 수용체(TCR), 펩타이드, 인간 백혈구 항원(HLA) 간의 상호작용을 정밀하게 모델링하는 새로운 딥러닝 프레임워크인 스트라이맵(StriMap)을 발표했습니다.
주장해당 모델은 기존 예측 방식의 한계를 극복하고 면역 치료 설계의 합리적 근거를 제공합니다.
팩트스트라이맵은 물리화학적 특성, 서열 맥락, 인식 인터페이스의 구조적 특징을 통합하여 분석합니다.
팩트연구진은 이를 통해 티 세포 수용체와 항원 간의 결합을 예측하는 분야에서 최첨단 성능과 향상된 일반화 능력을 입증했습니다.
교차검증기존의 예측 방법들은 티 세포 수용체, 펩타이드, 인간 백혈구 항원 복합체의 복잡한 결합 구조를 모델링하는 데 어려움을 겪어왔습니다.
교차검증스트라이맵은 이러한 구조적 정보를 학습에 포함함으로써 기존 모델들이 가진 예측 정확도의 한계를 개선했습니다.
팩트연구진은 4만3241개의 박테리아 단백질에서 유래한 1300만 개의 펩타이드를 스크리닝했습니다.
팩트이 과정에서 강직성 척추염 관련 티 세포 수용체를 활성화하는 분자 모방체를 성공적으로 식별했습니다.
팩트실험을 통해 검증된 상호작용 펩타이드 중 하나는 염증성 장질환 환자에게서 높은 빈도로 발견되었습니다.
팩트본 연구는 브로드 연구소(Broad Institute of MIT and Harvard)와 하버드 의과대학 연구진이 주도했습니다.
팩트연구 결과는 2026년 9월 25일 네이처 커뮤니케이션즈(Nature Communications)에 게재되었습니다.
팩트연구 수행을 위해 미국 국립보건원(NIH), 에너지부(DOE), 그리고 헬름슬리 자선 신탁 등으로부터 재정적 지원을 받았습니다.
주장이번 연구는 암 치료를 위한 신생항원 우선순위 지정과 자가면역 질환의 항원 식별에 중요한 도구가 될 것입니다.
주장스트라이맵은 면역 체계의 오작동으로 발생하는 자가면역 질환의 원인을 규명하는 데 기여합니다.
출처네이처 커뮤니케이션즈(https://www.nature.com/articles/s41467-026-78063-1)의 보도를 교차 검증했습니다.
관련 콘텐츠
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.
