KAIST

우리가 먹는 비타민 B2(리보플라빈)는 음식이 몸속에서 에너지로 바뀌도록 돕는 중요한 보조효소 역할을 한다. 한국 연구진이 이 리보플라빈(플라빈)에 금속을 결합해, 전자를 전달하는 리보플라빈의 기능에 금속의 반응 조절 능력을 더한 새로운 인공 효소를 만드는 데 세계 최초로 성공했다. 이 기술은 자연 효소보다 더 정밀하고 안정적으로 작동해, 에너지 생산과 환경 정화, 신약 개발 등 다양한 분야에 활용될 가능성을 보여준다. 우리 대학 화학과 백윤정 교수 연구팀이 기초과학연구원(IBS 원장 노도영) 권성연 박사와 공동연구를 통해, 플라빈이 금속 이온과 결합할 수 있는 새로운 분자 시스템을 합성하는 데 성공했다고 11일 밝혔다. 그동안 플라빈은 질소와 산소가 복잡하게 얽힌 고리 구조를 가져 금속이 선택적으로 결합하기 어려운 구조적 한계가 있어, 과학자들은 오랫동안 ‘금속과 결합한 플라빈’을 구현하지 못했다. 연구팀은 이러한 한계를 극복하기 위해 플라빈 내에서

‘허포트리콘’은 뇌 속 염증을 억제하고 신경세포를 보호하는 작용이 뛰어난 물질로 치매나 파킨슨병과 같은 퇴행성 뇌 질환 치료제로 발전할 가능성이 크다고 평가받고 있다. 이 물질은 콩벌레와 공생하는 곰팡이에서만 극미량 얻을 수 있는데, 우리 연구진이 이 희귀 천연물을 화학 합성* 하는데 성공해, 차세대 신경퇴행성 질환 약물 개발의 가능성을 제시했다. *화학 합성: 화학 반응을 이용하여 원하는 물질을 만드는 과정 우리 대학 화학과 한순규 교수 연구팀이 콩벌레와 공생하는 곰팡이에서 발견된 천연 항신경염증 물질 ‘허포트리콘(herpotrichone) A,B,C’를 세계 최초로 합성하는 데 성공했다고 31일 밝혔다. 허포트리콘 천연물은 콩벌레의 공생균인 ‘허포트리시아(Herpotrichia) sp. SF09’에서만 극미량으로 얻을 수 있는 물질로, 다섯 개의 고리 구조(6각형 4개와 3각형 1개)인 6/6/6/6/

임산부의 입덧 완화 목적으로 사용됐던 약물인 탈리도마이드(Thalidomide)는 생체 내에서는 광학 이성질체*의 특성으로 한쪽 이성질체는 진정 효과를 나타내지만, 다른 쪽은 기형 유발이라는 심각한 부작용을 일으킨다. 이런 예처럼, 신약 개발에서는 원하는 광학 이성질체만을 선택적으로 합성하는 정밀 유기합성 기술이 중요하다. 하지만, 여러 반응물을 동시에 분석하는 것 자체가 어려웠던 기존 방식을 극복하고, 우리 연구진이 세계 최초로 21종의 반응물을 동시에 정밀 분석하는 기술을 개발해, AI와 로봇을 활용하는 신약 개발에 획기적인 기여가 기대된다. *광학 이성질체: 동일한 화학식을 가지며 거울상 관계에 있으면서 서로 겹칠 수 없는 비대칭 구조로 존재하는 분자 쌍을 말한다. 이는 왼손과 오른손처럼 형태는 유사하지만 포개어지지 않는 관계와 유사하다. 우리 대학 화학과 김현우 교수 연구팀이 인공지능 기반 자율합성* 시대에 적합한 혁신적인 광학이성질체 분석 기술을 개발했다고 16일

우리 연구진이 챗GPT를 활용해 금속 유기 골격체(Metal-Organic Frameworks, MOFs) 연구 논문에서 실험 데이터를 자동으로 추출하는 데이터 마이닝 툴(이하 L2M3)을 개발했다. L2M3는 MOF의 합성 조건 및 물성 정보를 체계적으로 수집하며, 분류, 정보 식별 및 데이터 추출 작업에서 각각 98.3%, 97.3%, 95.3%의 높은 정확도를 기록했다. 또한, 추출한 데이터를 기반으로 MOF의 합성 조건을 추천하는 시스템을 개발하여 연구자들의 실험 과정 최적화를 지원하고 있어 화제가 되고 있다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 대규모 언어 모델(이하 LLMs) 급격한 발전에 주목하며, 이를 활용을 통해 금속 유기 골격체 문헌에서 MOF의 합성 및 물성 정보를 대량으로 추출하는 데이터 마이닝 툴(L2M3)를 개발했다고 7일 발표했다. 최근 MOF에 대한 연구들이 활발히 진행되어 MOF 실험 데이터가 축적되고 있다. 이에 따라 MOF 연구

새로운 물질을 설계하거나 물질의 물성을 예측하는 데 인공지능을 활용하기도 한다. 한미 공동 연구진이 기본 인공지능 모델보다 발전되어 화학 개념 학습을 하고 소재 예측, 새로운 물질 설계, 물질의 물성 예측에 더 높은 정확도를 제공하는 인공지능을 개발하는 데 성공했다. 우리 대학 화학과 이억균 명예교수와 김형준 교수 공동 연구팀이 창원대학교 생물학화학융합학부 김원준 교수, 미국 UC 머세드(Merced) 응용수학과의 김창호 교수 연구팀과 공동연구를 통해, 새로운 인공지능(AI) 기술인 ‘프로핏-넷(이하 PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다. 연구팀이 개발한 인공지능은 유전율, 밴드갭, 형성 에너지 등의 주요한 소재 물성 예측 정확도에 있어서 이번 기술은 기존 딥러닝 모델의 오차를 최소 10%, 최대 40% 줄일 수 있는 것으로 보여 주목받고 있다. PROFiT-Net의 가장 큰 특징은 화학의 기본 개념을 학습해 예측 성능을