머신러닝 및 공정 변수를 활용한 단백질 용해도·구조 향상 예측 연구

Predictive optimization of protein solubility and structural enhancement using ML and process variables

연구 내용

단백질 용해도와 기능 특성을 머신러닝 및 response surface methodology로 예측하고, 마이크로웨이브·초음파 보조 효소 가수분해로 구조·기능을 향상시키는 연구

식용곤충 단백질의 용해도를 중심으로 머신러닝 기반 예측과 response surface methodology의 성능을 비교하는 연구를 수행합니다. 공정 변수를 조합했을 때 용해도 및 식품 적용성에 영향을 주는 경향을 데이터로 정리하여 배합 설계에 활용합니다. 또한 마이크로웨이브와 초음파 보조 효소 가수분해를 적용해 옥라(soybean residue) 단백질의 구조적 변형과 기능 향상을 유도하고, 가공 조건-구조-기능의 연결 고리를 실험 기반으로 검증합니다.

관련 프로젝트

2건

연구 흐름

초기에는 잔사 단백질(예: 옥라)의 구조적·기능적 특성을 효소 가수분해로 개선하는 공정 접근을 수행했습니다. 이후 가공 조건이 결과 특성으로 이어지는 관계를 예측하기 위해 용해도 데이터를 기반으로 머신러닝과 response surface methodology를 비교·구축하는 단계로 확장되었습니다. 최근에는 예측 모델을 공정 설계에 연결할 수 있도록 단백질 가수분해 기반 처리의 조건 범위를 정리하는 흐름을 유지하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

단백질 용해도 예측 기반 배합 설계
response surface 기반 공정 최적화
머신러닝 기반 소재 스크리닝
가수분해 조건-용해도 상관 분석
옥라 및 곤충단백질 전환 공정 고도화
저분자화 수준 관리 도구
품질 특성 예측을 통한 시행착오 감소
분광 기반 품질 추정 실험 설계
기능성 향상 조건 매핑
대체단백질 제조 공정 표준화