Logo
홈페이지
모델 살펴보기
장바구니
연락처
구독하기
연구 모델
모델 라이브러리
Mouseatlas 모델 라이브러리
세포주 모델 카탈로그
Knockout 세포주 제품 카탈로그
유도만능줄기세포(iPSC) 카탈로그
Point Mutation 세포주 제품 카탈로그
과발현세포주 제품 카탈로그
종양 세포주 제품 카탈로그
리포터 세포주 제품 카탈로그
OriCell (세포 배양 제품)
AAV 표준 제품 카탈로그
연구용 마우스 모델
인간화 마우스 모델
HUGO-GT™
HUGO-Ab™
인간화 타겟 유전자 질환 모델
인간화 면역계 마우스 모델
Tool Mice
Cre 마우스 모델
질환 모델
자가면역 질환 모델
안구 질환 모델
면역결핍 마우스 모델
대사 질환 모델
신경질환 모델
종양 및 면역 함암 모델
맞춤형 모델 제작
모델 제작 기술
Turboknockout™ 유전자 타겟팅
Cre-ESCs 유전자 타겟팅
타겟 유전자 편집
Transgenic 모델 제작
PiggyBac Transgenesis
BAC Transgenic
유전자 변형 동물
Knockout 마우스
Transgenic 마우스
Knock-in 마우스
Knockout Rat
Knock-in(KI) Rat
Transgenic Rat
브리딩 및 지원 서비스
브리딩 서비스
동결 보존 및 복원
Phenotyping 서비스
BAC 변형 서비스
맞춤형 세포주 서비스
유도만능줄기세포(iPSCs)
Knockout(KO) 세포주
Knock-in(KI) 세포주
Point Mutation 세포주
과발현 세포주
바이러스 패키징
AAV 패키징
아데노바이러스(Adenovirus) 패키징
렌티바이러스(Lentivirus) 패키징
전임상 연구지원
항체 발굴 플랫폼
HUGO-Mab™
HUGO-Light™
HUGO-Nano™
HUGO-Ab-eKO™
치료 영역
신경 질환
알즈하이머병(AD)
파킨슨병(PD)
헌팅턴병(HD)
혈액-뇌 장벽(BBB)
신경병증성 통증
대사 및 심혈관 질환
비만
안과 질환
녹내장
연령관련 황반변성(AMD)
망막 관련 질환
암·종양
PBMC 인간화 마우스 모델
인간 면역 시스템(HIS) 마우스 모델
자가면역 및 염증
천식
신약 개발 모달리티
치료용 항체 의약품
단일클론 항체 (mAb)
이중특이성 항체 (BsAb)
ADC/AOC
AI 기반 AAV 신약 개발
세포 면역치료
유전자 치료
올리고핵산(Oligonucleotide) 치료제
완전 인간 항체 라이브러리
신경질환 항체
암·종양 항체
면역·염증 질환 항체
안과 질환 항체
대사·심혈관 질환 항체
Resource
프로모션
이벤트 및 웨비나
뉴스
블로그 및 인사이트
자료실
인용 논문
참고 데이터베이스
희귀질환 데이터센터
AbSeek
Cell iGeneEditor™ System
최신 연구 동향
회사 소개
회사 소개
시설 개요
동물 건강 및 복지
건강 보고서
대리점
인재채용
문의하기
Login
홈>첨단 연구 속보>단백질 구조 정렬의 민감도와 속도를 혁신한 LoL-align 의 등장

단백질 구조 정렬의 민감도와 속도를 혁신한 LoL-align 의 등장

연구 분야로 찾기
2026.11.16
단백질 구조정렬Foldseek원거리 동족성신약 개발생물정보학

Contents

01.연구 배경과 미해결 과제
02.이 논문에서 밝혀진 핵심 내용
03.연구 설계와 기술적 포인트
04.질환 연구 및 신약 개발에 대한 시사점
05.전임상 모델 및 연구 도구와의 연관성
06.정리

01. 연구 배경과 미해결 과제

최근 AlphaFold 등의 단백질 구조 예측 기술 발전으로 실험적으로 결정된 구조에 필적하는 정확도의 모델이 수억 개 생성되어 데이터베이스에 축적되고 있습니다. 이에 따라 서열 기반 접근법에서 구조 기반 접근법으로 대규모 단백질 분석의 패러다임 전환이 일어나고 있습니다. 그러나 기존 구조 정렬 도구에는 과제가 남아있었습니다. TM-align 나 GTalign 은 단일 도메인의 강체 구조에는 우수하지만, 구조적 유연성에 대한 내성이 제한적입니다. 반면 민감도가 높은 Dali 는 계산 비용이 높아 대규모 데이터베이스 적용이 어렵습니다. Foldseek 는 속도를 극적으로 향상시켰지만, 민감도와 정렬 품질 면에서 타협을 강요받았습니다. 이렇듯 민감도, 속도, 정확도, 그리고 다도메인 단백질 대응을 동시에 만족하는 도구 개발이 강력히 요구되었습니다.

02. 이 논문에서 밝혀진 핵심 내용

본 논문에서는 LoL-align 이라는 새로운 거리 기반 알고리즘을 발표했습니다. LoL-align 은 단백질 내 Cα-Cα 거리를 기반으로 아미노산 잔기 쌍이 동족이라는 증거를 정량화하는 'LoL-odds 점수'를 최대화합니다. 벤치마크 실험 결과, LoL-align 은 단일 도메인 및 다도메인 단백질에서 TM-align 나 Dali 보다 현저히 높은 민감도로 원거리 동족성을 탐지할 수 있음이 입증되었습니다. 특히 Dali 보다 20 배 빠르면서도 더 높은 민감도를 달성했습니다. 또한 Foldseek 에 완전히 통합되어 사전 필터링 후 상위 히트를 정밀화함으로써, 수억 개의 예측 구조에 대한 대규모 구조 비교를 고정밀도로 수행할 수 있게 되었습니다.

03. 연구 설계와 기술적 포인트

LoL-align 의 핵심은 새로운 LoL-odds 점수 함수와 이를 최적화하는 반복 알고리즘에 있습니다. 먼저 3Di 서열과 아미노산 치환 점수를 사용하여 벡터화된 포워드-백워드 알고리즘으로 사후 정렬 확률을 계산하고, 고점수 시드 앵커를 선택합니다. 이후 앵커 잔기 쌍을 기반으로 LoL-점수 행렬을 계산하고, 확률 임계값을 초과한 잔기 쌍을 앵커 세트에 추가하는 과정을 반복하여 정렬을 정밀화합니다. 또한 이 연구에서는 단일 명령 다중 데이터 (SIMD) 로 벡터화된 확률론적 서열 정렬 알고리즘을 최초로 구현했습니다. 이를 통해 현대 CPU 아키텍처에서의 병렬 처리가 가속화되고, 수치적 오버플로우를 방지하기 위한 리스케일링 기법과 동적 계획법 행렬의 오버로딩을 통한 메모리 사용량 축소가 실현되었습니다.

  • LoL-odds 점수: Cα-Cα 거리와 서열 거리를 기반으로 잔기 쌍의 동족성을 확률적으로 평가
  • SIMD 벡터화 포워드-백워드 알고리즘: 계산 속도의 대폭 향상
  • 반복적 앵커 확장: 구조적 유연성 및 다도메인 구조 대응
  • Foldseek 통합: 대규모 데이터베이스 검색과의 원활한 연동

04. 질환 연구 및 신약 개발에 대한 시사점

신약 연구에서 미지의 단백질 기능을 추론하거나, 기존 약물 타겟과 구조적 유사성을 가진 신규 분자를 탐색할 때 구조 정렬은 매우 중요합니다. LoL-align 의 높은 민감도는 서열 동족성이 낮아도 구조적으로 유사한 '원거리 동족 단백질'을 발견하는 능력을 비약적으로 향상시킵니다. 이는 신규 신약 타겟 발견이나 기존 약물의 새로운 적응증 (드러그 리포지셔닝) 탐색에 큰 기여가 기대됩니다. 또한 구조 예측 모델 (AlphaFold DB 등) 의 방대한 데이터에서 질환 관련 단백질의 기능적 도메인이나 상호작용 인터페이스를 신속하게 동정하는 정확도도 향상되므로, 타겟 검증 및 리드 화합물 설계 프로세스를 효율화할 수 있습니다.

05. 전임상 모델 및 연구 도구와의 연관성

LoL-align 은 생물정보학 도구로서의 성능 향상이 주안점이지만, 그 출력은 실험계 설계에 직접적인 영향을 미칩니다. 고정밀 구조 정렬은 특정 유전자 변이가 단백질 구조에 미치는 영향을 예측할 때 필수적이며, 유전자 편집 을 이용한 동물 모델이나 세포 모델 설계 정확도를 높입니다. 예를 들어, 특정 도메인 구조를 유지하는 변이를 Knock-in(KI) 마우스에 도입하거나, 기능 상실 변이를 Knockout(KO) 할 때 타겟 영역 선정에 LoL-align 에 의한 구조 보존성 평가는 중요한 지침이 됩니다. 또한 Cyagen 이 제공하는 유전자 변형 동물 모델 이나 세포주 제작에서 타겟 단백질의 구조 정보를 정확히 파악하는 것은 모델의 표현형 예측 및 전임상 시험의 성공률 향상에 이어집니다.

06. 정리

LoL-align 은 단백질 구조 정렬 분야에서 민감도, 속도, 정확도라는 트레이드오프를 해결하는 획기적인 도구입니다. Foldseek 와의 통합으로 수억 개의 단백질 구조 데이터베이스 분석이 현실적인 시간 내에 가능해져, 신약 연구 및 기초 생물학에서 구조 기반 접근법을 크게 전진시킵니다. 이 기술은 신규 타겟 발견부터 유전자 기능 분석, 전임상 모델 설계에 이르기까지 생명과학 연구의 넓은 영역에서 중요한 역할을 할 것으로 기대됩니다.

고품질 iPSC 리프로그래밍 및 타겟 유전자 편집 서비스
고품질 iPSC 리프로그래밍 및 타겟 유전자 편집 서비스
질환 모델링과 신약 발굴을 위해 신뢰성 높은 iPSC 리프로그래밍, 정밀 유전자 편집 및 검증된 분화 서비스를 활용해 보세요. 전 세계 연구자들이 신뢰하는 일관된 고품질 결과를 확보해 보세요.
보러가기
Cyagen과 함께 하는 전임상 연구 가속화
Cyagen과 함께 하는 전임상 연구 가속화
싸이아젠(Cyagen)의 맞춤형 모델, 세포주, CRO 서비스를 통해 연구 아이디어를 IND로 전환해 보세요. 연구 모델 정밀성과 품질로 전 세계 7,000개 파트너의 신뢰를 받고 있습니다.
보러가기

FAQ

LoL-align 과 Foldseek 의 관계는 무엇인가요?
LoL-align 은 Foldseek 에 통합된 새로운 정렬 알고리즘입니다. Foldseek 의 고속 사전 필터링 후 LoL-align 을 사용하여 상위 히트를 고정밀도로 재정렬함으로써, 대규모 데이터베이스 검색의 민감도와 정확도를 향상시킵니다.
LoL-align 은 어떤 경우에 유용한가요?
서열 동족성이 낮아도 구조적으로 유사한 원거리 단백질을 탐지하고 싶거나, 다도메인 단백질, 구조적 유연성이 있는 단백질의 정렬을 수행할 때 특히 유용합니다.
기존 도구 (TM-align, Dali) 와 비교하여 무엇이 우수한가요?
TM-align 나 Dali 에 비해 원거리 동족성 탐지 민감도가 향상되었으며, 계산 속도는 5~20 배 빠릅니다. 또한 다도메인 단백질의 정렬 품질도 향상되었습니다.
신약 연구에 어떻게 도움이 되나요?
미지의 단백질 기능을 추론하거나 기존 약물 타겟과 구조적 유사성을 가진 신규 분자를 탐색할 때 고정밀 구조 비교가 가능해지므로, 신규 타겟 발견 및 리드 화합물 설계를 지원합니다.
논문 정보
Lasse Reifenrath, Michel van Kempen, Gyuri Kim, Soo Hyun Kim, Mohammadreza Radnezhad, Cameron L M Gilchrist, Milot Mirdita, Martin Steinegger, Johannes Söding. LoL-align: sensitive and fast probabilistic protein structure alignment. Nature Methods. https://doi.org/10.1038/s41592-026-03249-w
공유
Top
모델 라이브러리
모델 라이브러리
리소스
리소스
동물 품질
동물 품질
고객 지원
고객 지원
주소:
2255 Martin Avenue, Suite E Santa Clara, CA 95050-2709, US
전화:
800-921-8930 (8-6pm PST)
+1408-963-0306 (lnt’l)
팩스:
408-969-0336
이메일:
[email protected]
연구 모델 제작
HUGO-GT™HUGO-Ab™MouseAtlas 모델 라이브러리iPSC 세포주AAV 표준 제품
신약 연구·개발 지원
종양학신경 질환면역·염증안과 질환대사·심혈관 질환
회사 소개
회사 소개시설 개요동물 건강 및 복지건강 보고서대리점인재체용문의하기
소셜 미디어
면책 조항: Cyagen의 제품 및 서비스 가격과 제공 여부는 지역에 따라 다를 수 있습니다. 명표시된 가격은 특정 국가에만 적용됩니다. 자세한 내용은 Cyagen으로 문의해 주시기 바랍니다.
Copyright © 2026 Cyagen. All rights reserved.
개인정보 처리방침
사이트 맵
Cyagen 최신 소식 받아보기
연구 모델, CRO 서비스, 과학 자료 및 특별 혜택에 대한 최신 소식을 연구 니즈에 맞춰 이메일로 받아보세요.
성명
이메일
조직
관심 분야
주요 연구 분야