파이프라인 B

항노화 펩타이드와 단백질 공학

✓ 已验证

3D 공간에서 항노화 분자 탐색 · 100% 도구 배포 검증

표적 3D 구조 삼중 엔진 예측 -> 분자 도킹+친화도 계산 -> 펩타이드 역접기 설계 -> 안정성+면역원성 이중 스크리닝. 4단계 파이프라인 전체 도구 배포 검증 완료, Protenix V2에서 MHCflurry까지 38개 SOTA 모델 전체 로컬 실행.

기능성 스킨케어 브랜드

아래 「핵심 능력」「검증 지표」를 읽어보세요--항노화 펩타이드 드라이 컴퓨팅 스크리닝 능력과 정밀도 평가.

펩타이드 / CRO

「차별화 우위」「파이프라인 단계」「용어 사전」 중점--분자 수준 계산 스크리닝 차별화 평가.

투자자 / 동료

「차별화 우위」「검증 지표」「능력 역추적」 중점--단백질 공학 모델 장벽 평가.

단백질/펩타이드 스크리닝이란

항노화 펩타이드 R&D는 본질적으로 3D 공간에서 표적 단백질과 정밀하게 결합하는 분자를 탐색하는 것이다. 전통적 방법은 고처리량 습식 실험 스크리닝에 의존--주기가 길고, 비용이 높고, 적중률이 낮다. 드라이 컴퓨팅 스크리닝은 AI로 표적 단백질의 3D 구조를 예측하고, 컴퓨터 내에서 분자 도킹을 시뮬레이션하며, 마지막으로 역접기 설계로 후보 펩타이드 서열을 생성--습식 실험 작업량을 수 자릿수 압축한다.

DiVo는 세 개의 독립 구조 예측 엔진으로 교차 검증--Protenix V2, ESMFold, Boltz-2--pLDDT>90이어야 하류 파이프라인에 진입. 도킹, 설계에서 면역원성 스크리닝까지 4단계 파이프라인 100% 도구 배포 검증, 38개 SOTA 모델 전체 로컬 실행.

왜 삼중 엔진 교차 검증인가

단일 구조 예측 모델은 단백질 타입에 따라 성능 차이가 클 수 있다. 세 개의 독립 엔진이 공동 예측하고 pLDDT>90이어야 하류로--다른 모델링 원리와 구조 공간을 커버하여 하류 도킹과 설계의 출발점 신뢰성 확보.

왜 역접기 설계인가

전통적 펩타이드 설계는 경험 라이브러리와 무작위 변이에 의존하여 효율이 낮고 탐색 공간이 제한적. ProteinMPNN/LigandMPNN은 3D 결합 포켓에서 최적 서열을 역추--구조가 주어지면 서열을 구하고 고친화도 후보를 직접 생성.

DiVo Gen²AI의 역할

단백질/펩타이드 스크리닝은 DiVo 사위일체 서비스의 파이프라인 B의 핵심 산출이며, 기능성 스킨케어 브랜드 항노화 제품 R&D에서 표적에서 후보 분자까지의 드라이 컴퓨팅 스크리닝의 핵심 단계. 3D 구조 예측에서 안전 펩타이드 후보까지의 전체 계산 제공--삼중 엔진 교차 검증, 분자 도킹, 역접기 설계, 안정성+면역원성 이중 스크리닝, 4단계 전체 도구 배포 검증.

습식 실험 검증은 하지 않음(드라이 컴퓨팅 스크리닝 후 브랜드 측 습식 실험 확인 필요), GMP 생산 도킹은 하지 않음(서열+QC 기준 제공), in vivo 활성 보장 안 함(in silico 도킹≠in vivo 유효성). 브랜드 측이 습식 실험 검증 가능한 후보 펩타이드 서열과 QC 기준을 납품.

핵심 능력 · 4단계 파이프라인

파이프라인 B · 단백질/펩타이드 스크리닝 · 전체 도구 배포 검증

Step B1표적 구조 예측Protenix V2 + Chai-1 교차 검증3D 구조+활성 부위✓ 已验证

Step B2Binder/펩타이드 생성PXDesign + BoltzGen + ProteinMPNN + LigandMPNN후보 binder+펩타이드 서열✓ 已验证

Step B3안정성+결합 평가Pro-Prime + ProSST + Protenix V2 co-folding + IPSAEΔΔG+ipSAE+pDockQ 안정성+결합력✓ 已验证

Step B4면역원성+안전 평가MHCflurry + NetMHCpan/IIpan + BepiPred-2.0 + pVACTools면역원성 사전 스크리닝+안전 펩타이드 후보✓ 已验证

Step B5mRNA 전달 설계(선택)GEMORNA + RNALens + UTRGANmRNA 서열+안정성+UTR 최적화✓ 已验证

Step B6다차원 순위DiVoDesignEngine -> 4차원 점수Tier 1/2 후보 보고서✓ 已验证

차별화 우위

단일 엔진/미배포 단백질 공학 파이프라인과의 핵심 차이

SOTA

Pro-Prime이 FoldX 대체--안정성 SOTA

2005년 FoldX(65-70% 정확도)를 사용하지 않고 Pro-Prime+ProSST를 배포하여 ΔΔG 예측. DDGun(물리법)을 기준선 대조--Pro-Prime과 DDGun이 모순되면 모델 할루시네이션으로 판단.

BoltzGen 5 가중치 완전--전원자 설계

BoltzGen 5개 가중치(7.9G) 전체 완전 다운로드, 529M 파라미터. boltz2_aff.ckpt는 DiVoPPIHead 친화도 예측의 아키텍처 기반. 전원자 확산 설계 능력 준비 완료.

87 도구 풀스택 제로 추가 투자

구조 예측에서 펩타이드 설계, 면역원성 평가, mRNA 전달 설계까지 87개 도구 전체 로컬 배포. 추가 조달이나 배포 대기 불필요.

검증 지표

모델 벤치마크와 배포 실적

지표	값	설명
Protenix V2 pLDDT	95.4	구조 예측 정확도
BoltzGen	5 가중치 7.9G 완전	전원자 확산 설계, 529M 파라미터(boltz2_aff)
Pro-Prime ΔΔG	SOTA	FoldX(2005)를 대체하는 안정성 예측 메인 도구
ProteinMPNN	>52%	서열 회수율(문헌 벤치마크)
면역원성 사전 스크리닝	AUROC=0.7547	MHCflurry+NetMHCpan(TESLA 벤치마크)
배포 도구	87개	3대 위성 프로젝트 전체 도구 로컬화

정직한 경계

할 수 있는 것과 할 수 없는 것, 명확히

할 수 있는 것

✓단백질 3D 구조 예측(Protenix V2 pLDDT>90)

✓Binder/펩타이드 생성(PXDesign+BoltzGen+ProteinMPNN)

✓안정성 평가(Pro-Prime+ProSST SOTA급, DDGun 기준선 대조)

✓결합 평가(Protenix V2 co-folding+IPSAE)

✓면역원성 사전 스크리닝(MHCflurry+NetMHCpan/IIpan+BepiPred-2.0)

✓mRNA 전달 설계(GEMORNA+RNALens+UTRGAN)

✓전체 도구 100% 배포 검증(87 도구)

명확히 하지 않는 것

✗습식 실험 검증 안 함(드라이 컴퓨팅 스크리닝 후 브랜드 측 습식 실험 확인 필요)

✗GMP 생산 도킹 안 함(서열+QC 기준 제공)

✗in vivo 활성 보장 안 함(in silico 도킹≠in vivo 유효성)

✗동물 실험 안 함

✗DiVoPPIHead 친화도 예측 아키텍처 완성, PDBbind 훈련 대기(현재 pDockQ+ipTM 대체)

용어 사전

단백질/펩타이드 스크리닝 분야 핵심 7용어

약어	전체 명칭	번역	설명
pLDDT	predicted Local Distance Difference Test	국소 거리 차이 테스트 예측 점수	AlphaFold 계열 모델 출력 신뢰도 지표, 0-100점, >90은 구조가 고신뢰
ΔΔG	Delta Delta G	결합 자유 에너지 변화	단백질-리간드 결합 강도 지표, ΔΔG가 음일수록 결합이 강함. Pro-Prime은 현행 SOTA 예측 도구
Pro-Prime	Pro-Prime	단백질 안정성 예측 SOTA	FoldX(2005, 65-70% 정확도)를 대체하는 차세대 안정성 예측 모델, 정확도 유의 향상
BoltzGen	BoltzGen	전원자 확산 단백질 설계	MIT 오픈소스 단백질 설계 모델, 5 가중치(7.9G) 완전. boltz2_aff는 529M 파라미터 AffinityModule 포함
ProteinMPNN	Protein Message Passing Neural Network	단백질 메시지 패싱 신경망	단백질 역접기 설계 모델, 3D 골격에서 최적 아미노산 서열 생성, 서열 회수율 >52%
GEMORNA	GEMORNA	mRNA 서열 설계 모델	DiVo 자체 미세조정 mRNA 설계 모델, RNALens 안정성 예측+UTRGAN UTR 최적화와 결합
MMP	Matrix Metalloproteinase	기질 금속단백분해효소	아연 의존성 엔도펩티다아제, 항노화 펩타이드 스크리닝에서 표적으로 빈번히 사용, ECM 분해 조절