1단계: 약물은 어떻게 몸 안에서 일하는가 — 결합, 흐름, 그리고 선별

① 이론적 기초 — 배경지식

약을 처음 생각할 때 보통 "아프면 먹는 것"이라고만 떠올리지만, 실제로 약 한 알 안에는 분자 수준에서 설계된 정밀한 화학적 논리가 들어 있다. 오늘 우리가 배울 내용은 "그 논리가 어떤 물리적 법칙 위에서 작동하는가"를 수식으로 표현하는 것이다. 이를 이해하려면 먼저 세상을 지배하는 가장 근본적인 법칙, 즉 **열역학(thermodynamics)**에서 출발해야 한다.

일곱 살짜리 아이에게 이것을 설명한다면 이렇게 말할 수 있다. 손에 자석 두 개를 들고 서로 가까이 가져가면 "딱" 붙는 느낌이 난다. 그 순간 두 자석의 에너지가 낮아진다. 자연은 에너지가 낮아지는 방향을 선호한다. 분자도 마찬가지다. 약 분자와 수용체 단백질이 서로를 향해 다가갈 때, 그 결합이 전체 시스템의 에너지를 낮춰 줄 수 있다면 결합이 일어나고, 그렇지 않다면 일어나지 않는다. 이것이 분자 약리학의 출발점이다.

이제 중학교 수준으로 올라가 보자. 열역학에서 가장 중요한 세 가지 개념은 내부 에너지(internal energy), 엔탈피(enthalpy, H), 그리고 **엔트로피(entropy, S)**다. 엔탈피는 쉽게 말해 "결합을 만들고 끊는 데 드는 열에너지"다. 수소결합, 이온 결합, 반데르발스 힘 같은 상호작용이 형성되면 엔탈피가 감소(ΔH < 0)하며 에너지가 방출된다. 반면 엔트로피는 조금 더 추상적인데, "시스템이 얼마나 무질서한가"를 나타낸다. 방 안을 떠올려 보라. 아무도 정리하지 않으면 점점 더 어지러워지는 것처럼, 자연은 엔트로피가 증가하는 방향, 즉 더 무질서한 상태를 선호한다.

그런데 약이 수용체에 결합할 때는 흥미로운 역설이 생긴다. 약 분자와 수용체가 서로 딱 맞게 결합하면 질서가 생기므로 엔트로피는 감소(ΔS < 0)한다. 그렇다면 자연이 비선호하는 방향 아닌가? 바로 이 지점에서 두 효과를 종합하는 **깁스 자유 에너지(Gibbs free energy, G)**가 등장한다.

[노트 기록] 깁스 자유 에너지의 핵심 공식: $Δ G = Δ H - T Δ S$ 여기서 T는 절대온도(kelvin), ΔH는 엔탈피 변화, ΔS는 엔트로피 변화다. **ΔG < 0이면 자발적 반응(결합이 일어남), ΔG > 0이면 비자발적 반응(결합이 일어나지 않음)**이다.

이제 이것이 왜 약리학의 심장부인지 생각해 보라. 약이 수용체에 결합하는 것은 자발적이어야 한다. 즉 ΔG가 반드시 음수여야 한다. ΔH가 충분히 음수이거나(수소결합, 소수성 상호작용 등으로 에너지가 많이 방출되거나), TΔS 항이 전체 ΔG를 음수로 만들 만큼 엔트로피 손실이 작아야 한다. 세상에는 수십억 개의 분자가 있는데, 그 중 이 조건을 특정 수용체에 대해 가장 잘 만족하는 분자를 찾는 것이 신약 개발의 핵심이다.

② 본 내용 — 약물-수용체 상호작용의 열역학적 모델

수용체와 결합상수

생물학에서 **수용체(receptor)**란 세포 표면이나 내부에 있는, 특정 신호 분자(리간드)를 인식하도록 진화적으로 설계된 단백질이다. 이 단백질의 특정 부위, 즉 **결합 포켓(binding pocket)**은 특정 모양과 전하 분포를 갖고 있어서, 그것과 상보적인 형태를 가진 분자만을 "받아들인다". 고등학교 생물 시간에 배운 효소의 활성자리(active site)와 기질의 관계를 떠올리면 된다.

약 분자 D와 수용체 R이 결합 복합체 DR을 형성하는 반응은 다음과 같이 쓸 수 있다:

$D + R k_{o f f} ⇌ k_{o n} D R$

이 반응이 평형에 도달했을 때, 결합이 얼마나 강한지를 나타내는 지표가 바로 **해리상수(dissociation constant, Kd)**다.

[노트 기록] $K_{d} = \frac{[ D ] [ R ]}{[ D R ]} = \frac{k _{o f f}}{k _{o n}}$ Kd의 단위는 몰 농도(M, mol/L)이며, Kd가 작을수록 결합이 강하다 (복합체가 잘 해리되지 않으므로). 예를 들어 Kd = 1 nM인 약은 Kd = 1 μM인 약보다 1000배 강하게 결합한다.

그렇다면 이 Kd와 깁스 자유 에너지는 어떻게 연결되는가? 여기서 열역학과 화학 평형이 아름답게 만난다. 표준 깁스 자유 에너지 변화(ΔG°)와 평형상수(Ka = 1/Kd) 사이에는 다음의 관계가 성립한다:

[노트 기록] $Δ G ° = - R T ln K_{a} = R T ln K_{d}$

R은 기체상수(8.314 J/mol·K), T는 체온 기준 310 K(37°C)로 놓는다. 이 공식이 말하는 것은 단순하다. Kd를 측정하면 자동으로 결합의 자유 에너지를 계산할 수 있다는 것이다. 예를 들어 Kd = 1 nM = 10⁻⁹ M이라면:

$Δ G ° = (8.314) (310) ln (1 0^{- 9}) \approx - 52.7 kJ/mol$

이 값이 클수록 (더 음수일수록) 약물이 수용체에 더 강하게 결합한다는 것이다.

결합을 만드는 분자간 힘들

ΔH를 음수로 만들어 주는 힘들은 여러 가지가 있다. **수소결합(hydrogen bond)**은 N-H나 O-H처럼 전기음성도가 높은 원자와 연결된 수소가 다른 전기음성도 높은 원자(O, N, F)와 상호작용하는 것으로, 결합 에너지는 약 210 kcal/mol이다. **이온 상호작용(ionic interaction)**은 양전하와 음전하 사이의 정전기적 인력으로 수용성 환경에서 특히 중요하다. **반데르발스 힘(van der Waals force)**은 각 원자 쌍 사이의 유도 쌍극자 상호작용으로, 하나하나는 매우 약하지만 결합 포켓 안에서 수십수백 개가 동시에 작용하면 상당한 기여를 한다. 그리고 매우 독특한 힘이 있는데, 바로 **소수성 효과(hydrophobic effect)**다. 기름과 물이 섞이지 않는 것처럼, 물을 싫어하는 비극성 분자 부위들이 수용성 환경에서 서로 뭉치려 하는 경향이 있는데, 이것이 실제로는 ΔH보다 ΔS로 설명된다 — 물 분자들이 비극성 표면 주변에서 고도로 정렬되어 있다가, 두 소수성 표면이 결합하면 물 분자가 해방되어 엔트로피가 증가하기 때문이다. 따라서 소수성 효과는 엔트로피 구동(entropy-driven) 결합이다.

[노트 기록] 이 결합력들이 ΔG = ΔH - TΔS에 어떻게 기여하는지 표로 정리하라. 수소결합, 이온 상호작용, 반데르발스는 주로 ΔH 기여. 소수성 효과는 주로 TΔS 기여. 신약 설계자들은 이 둘의 균형을 최적화한다.

③ 본 내용 — 약동학(Pharmacokinetics, PK): 수리 모델

약이 수용체에 결합하는 법을 배웠으니, 이제 다른 질문을 던져야 한다. "약이 몸 안에 들어온 뒤 어떤 경로로 이동하고, 얼마나 오래 머물며, 어떻게 제거되는가?" 이것이 **약동학(Pharmacokinetics, PK)**의 핵심이다. PK를 한 마디로 표현하면 "몸이 약에 가하는 작용"이다 (반대로 약리학은 "약이 몸에 가하는 작용"이다). 이 둘을 구분하지 못하면 아무리 좋은 약을 설계해도 실패한다.

ADME — 약의 일대기

약의 운명은 네 단계로 나뉜다. 흡수(Absorption), 분포(Distribution), 대사(Metabolism), 배설(Excretion), 줄여서 ADME다.

흡수는 약이 투여 경로(경구, 정맥, 근육 등)에서 혈류로 들어오는 과정이다. 경구 투여의 경우 위장관을 거쳐 간을 통과하는 **초회 통과 효과(first-pass effect)**가 발생하는데, 간에서 일부가 미리 대사되어 버리므로 실제로 혈류에 도달하는 약의 양이 줄어든다. 이를 수치화한 것이 **생체이용률(bioavailability, F)**이다. F = 1이면 투여된 전량이 혈류에 도달, F = 0.5이면 절반만 도달한다.

분포는 혈류를 통해 약이 여러 조직으로 퍼지는 과정이다. 이를 나타내는 지표가 **분포용적(Volume of distribution, Vd)**이다. Vd는 "약이 체내에서 얼마나 넓게 퍼지는가"를 가상의 부피로 나타낸 값이다. 정의는 다음과 같다:

[노트 기록] $V_{d} = \frac{체내 총 약물량}{C _{p}}$ 여기서 Cp는 혈장 농도(plasma concentration). Vd가 크면(예: 100 L) 약이 조직에 많이 분포해 있다는 뜻이고, Vd가 작으면(3~5 L, 혈액 용적과 비슷) 약이 혈관 내에 주로 머문다는 뜻이다.

대사는 주로 간에서 효소에 의해 약이 화학적으로 변환되는 과정이다. 2단계로 나뉘는데, 1상(Phase I)에서는 산화·환원·가수분해(주로 CYP450 효소군)로 약의 구조가 변하고, 2상(Phase II)에서는 글루쿠론화(glucuronidation) 같은 접합 반응으로 수용성이 높아져 배설이 쉬워진다. CYP450은 나중에 2단계에서 깊이 다루겠지만, 지금은 "약을 분해하는 간의 분자 가위"라고 기억하라.

배설은 신장을 통한 소변 배출이 주이고, 담즙 경로를 통한 대변 배출도 일부 있다. **청소율(Clearance, CL)**은 단위 시간당 약이 완전히 제거되는 혈장의 부피로 정의된다:

$C L = k_{e l} \cdot V_{d}$

여기서 k_el은 **제거속도상수(elimination rate constant)**로, 단위는 시간⁻¹이다.

일-구획 모델 (One-Compartment Model)

가장 단순하지만 가장 강력한 PK 모델은 일-구획 모델이다. 몸 전체를 하나의 균일한 통으로 가정하고, 약이 일차 속도론(first-order kinetics)으로 제거된다고 가정한다. 정맥 주사(IV bolus)의 경우 초기 농도 C₀에서 시작하여:

[노트 기록] $C (t) = C_{0} \cdot e^{- k_{e l} \cdot t}$

이것은 단순한 지수 감소 함수다. 시간이 지남에 따라 농도는 기하급수적으로 줄어든다. 이 감소의 속도를 나타내는 가장 직관적인 지표가 **반감기(half-life, t₁/₂)**인데, 이름처럼 농도가 절반으로 줄어드는 데 걸리는 시간이다:

$\frac{C _{0}}{2} = C_{0} \cdot e^{- k_{e l} \cdot t_{1/2}} ⟹ t_{1/2} = \frac{ln 2}{k _{e l}} \approx \frac{0.693}{k _{e l}}$

경구 투여의 경우에는 흡수가 동시에 진행되므로 약간 복잡해진다. 흡수속도상수 k_a와 제거속도상수 k_el이 모두 등장한다:

[노트 기록] $C (t) = \frac{F \cdot D \cdot k _{a}}{V _{d} ( k _{a} - k _{e l} )} (e^{- k_{e l} t} - e^{- k_{a} t})$

이 식이 처음에는 복잡해 보일 수 있지만, 사실 구조를 보면 두 지수 함수의 차이다. 초반에는 k_a 항(흡수)이 지배하여 농도가 올라가고, 이후 k_el 항(제거)이 지배하여 농도가 내려간다. 이 두 지수가 교차하는 지점이 **최고 혈중 농도 도달 시간(Tmax)**이며, 그 순간의 농도가 **최고 혈중 농도(Cmax)**다.

반복 투여와 정상 상태

실제 임상에서는 하루에 한 번 또는 여러 번 반복 투여한다. 이 경우 이전 투여의 잔류 약물과 새로운 약물이 누적되어 점차 **정상 상태(steady state)**에 도달한다. 일반적으로 약 4~5 반감기가 지나면 정상 상태에 도달한다. 정상 상태에서 평균 혈중 농도 C_ss는:

$C_{ss} = \frac{F \cdot D}{C L \cdot τ}$

여기서 τ는 투여 간격이다. 이 공식은 "투여량과 청소율의 비율"로 결정되는 단순한 균형임을 알 수 있다. 신장 기능이 저하된 환자는 CL이 감소하므로 C_ss가 높아져 독성 위험이 생긴다 — 이것이 신부전 환자에게 투약량을 감소시키는 이유다.

**AUC(Area Under the Curve, 혈중농도-시간 곡선 하 면적)**은 몸이 약에 얼마나 노출되었는지를 나타내는 종합 지표다:

$A U C_{0 \to \infty} = \frac{C _{0}}{k _{e l}} = \frac{F \cdot D}{C L}$

이 AUC가 너무 작으면 약효가 없고, 너무 크면 독성이 발현된다. 약효가 발현되는 최소 농도(MEC, Minimum Effective Concentration)와 독성이 발현되는 최소 농도(MTC, Minimum Toxic Concentration) 사이가 **치료 창(therapeutic window)**이며, 이 창의 너비를 나중에 2단계에서 배울 **치료 지수(therapeutic index)**로 수치화한다.

④ 본 내용 — 분자 도킹과 신약 스크리닝

앞서 우리는 약이 수용체에 결합하는 에너지와 그 결합 강도를 수식으로 표현했다. 그런데 실제 신약 개발 현장에서는 "어떤 분자가 좋은 약이 될 가능성이 있는가"를 먼저 찾아야 한다. 전 세계 화합물 데이터베이스에는 수억~수조 개의 분자가 있는데, 이것을 실험실에서 하나씩 합성하고 테스트하는 것은 불가능하다. 그래서 등장한 것이 **컴퓨터 기반 가상 스크리닝(virtual screening)**이다.

분자 도킹의 원리

**분자 도킹(molecular docking)**은 컴퓨터로 약 분자(리간드)와 수용체 단백질 구조를 3D로 불러온 뒤, 리간드가 결합 포켓 안에서 가장 안정적인 위치와 방향(이를 **자세(pose)**라 한다)을 찾아내고 그 결합의 ΔG를 예측하는 방법이다.

이 과정에서 핵심은 두 가지다. 첫째, **탐색 알고리즘(search algorithm)**이다. 리간드는 결합 포켓 안에서 자유롭게 회전하고 이동할 수 있어, 가능한 자세의 수가 이론적으로 무한하다. 실제로는 유전 알고리즘(genetic algorithm), 몬테카를로 방법(Monte Carlo sampling), 분자 단편 도킹(fragment-based docking) 등을 사용해 방대한 공간을 효율적으로 탐색한다. 둘째, **스코어링 함수(scoring function)**다. 각 자세에 대해 "얼마나 안정적인가"를 빠르게 계산하는 함수로, 이것이 도킹 결과의 질을 결정한다.

[노트 기록] 스코어링 함수의 세 가지 유형:

힘장 기반(force field-based): 실제 분자역학 에너지 함수를 사용. 정확하지만 느림.
경험식 기반(empirical): 수소결합 수, 소수성 접촉 면적 등을 가중합으로 계산. 빠르지만 단순.
지식 기반(knowledge-based): 이미 알려진 단백질-리간드 복합체 구조 데이터로부터 통계적 포텐셜을 도출.

현대 도킹 소프트웨어(AutoDock Vina, Glide, GOLD 등)는 이 세 가지를 조합하여 사용한다. 출력값은 보통 **도킹 스코어(ΔG_predicted, kcal/mol)**로, 음수가 클수록 예측 결합력이 강하다.

가상 스크리닝 파이프라인

실제 신약 개발에서는 수백만수억 개의 분자를 한꺼번에 도킹하지 않는다. 대신 다단계 깔때기(funnel) 전략을 사용한다. 먼저 **약물유사성 필터(Lipinski's Rule of Five)**를 적용한다 — 분자량 ≤ 500 Da, log P ≤ 5, 수소결합 공여체 ≤ 5, 수소결합 수용체 ≤ 10. 이 규칙을 통과한 분자만이 경구 투여 시 흡수될 가능성이 높다 (Lipinski et al., 2001, Advanced Drug Delivery Reviews). 다음으로 **파마코포어 필터링(pharmacophore filtering)**을 적용한다 — 결합 포켓의 핵심 특징(수소결합 공여체/수용체, 소수성 부위, 방향족 고리 등)을 추출하여 이를 갖춘 분자만을 남긴다. 이후 통과한 분자들에 도킹을 수행하고, 최종 스코어 상위 0.11%만을 **히트(hit)**로 선정한다.

이렇게 선정된 히트 분자들도 실험실에서 실제 활성 테스트(IC₅₀, 즉 효소 활성을 50% 억제하는 농도를 측정)를 거쳐야 한다. 도킹 스코어는 어디까지나 예측값이며, 단백질의 유연성(flexibility), 수분 분자의 매개 역할 등 복잡한 현실을 완벽히 반영하지 못하기 때문이다. 최근에는 이러한 한계를 극복하기 위해 **분자역학 시뮬레이션(MD simulation)**과 **자유 에너지 계산(FEP, Free Energy Perturbation)**이 사용되고 있으며, 이것은 앞에서 배운 ΔG를 훨씬 더 정확히 계산하는 방법이다.

⑤ 프로젝트 — 예제 문제 (풀이 없음, 약 40분 분량)

지금까지 배운 내용 — 깁스 자유 에너지와 Kd의 관계, 일-구획 PK 모델과 반감기, 가상 스크리닝의 논리 — 을 아래 세 가지 프로젝트에서 적용해 보라. 정답은 제공하지 않는다. 수식을 손으로 직접 풀어보고, 직관이 수식의 결과와 일치하는지 스스로 확인하는 것이 목적이다.

프로젝트 A — 결합 에너지로 후보물질 순위 매기기

어떤 제약회사가 ACE2 수용체(코로나바이러스가 세포에 침입할 때 결합하는 수용체)를 타겟으로 하는 억제제를 개발 중이다. 도킹 실험과 ITC (등온 적정 열량계) 실험으로부터 아래 네 가지 후보물질의 열역학 데이터를 얻었다 (T = 310 K).

화합물	ΔH (kJ/mol)	ΔS (J/mol·K)	Kd (실험값, nM)
A-01	−45.0	−80	12
A-02	−20.0	+60	—
A-03	−60.0	−130	—
A-04	−10.0	+20	320

(문제 1) A-02와 A-03의 ΔG를 각각 계산하고, 이를 통해 이론적 Kd를 구하여라. 공식 ΔG° = RT ln(Kd)를 사용하고 R = 8.314 J/mol·K로 놓는다.

(문제 2) A-01의 실험적 Kd = 12 nM을 이용해 ΔG°를 계산하고, ΔH = −45.0 kJ/mol이 주어졌을 때 T·ΔS는 얼마인가? 이것은 A-01의 결합이 엔탈피 구동인가, 엔트로피 구동인가?

(문제 3) 네 화합물을 결합력 순서로 순위를 매겨라. 단, Kd를 직접 비교하되, 계산한 값과 실험값의 차이가 가장 큰 화합물은 어떤 것이고, 그 원인을 열역학적으로 두 가지 이상 추론하여라.

(문제 4 — 심화) A-03는 강한 결합력을 가지지만 ΔS가 크게 음수다. 이 화합물을 신약 후보로 개발할 때 예상되는 문제점은 무엇인가? 엔트로피 손실이 크다는 것이 구조적으로 어떤 의미를 갖는지, 체온 변화(예: 고열 상태)가 이 결합에 어떤 영향을 미칠지 논하여라.

프로젝트 B — 개인 맞춤 투약 알고리즘 설계

어떤 항생제의 PK 파라미터가 다음과 같다. F = 0.85, ka = 1.2 h⁻¹, kel = 0.35 h⁻¹, Vd = 28 L (70 kg 성인 기준).

(문제 1) 경구 투여 500 mg 1회 투여 시의 혈중 농도-시간 곡선 공식을 세우고, t = 0, 0.5, 1, 2, 4, 6, 8, 12 시간에서의 C(t) 값을 계산하여라. (아래 공식 사용 — 위에서 배운 경구 투여 공식)

(문제 2) 이 약의 반감기(t₁/₂)를 계산하고, 정상 상태(steady state)에 도달하는 데 걸리는 시간을 추정하여라. 또한 AUC₀→∞를 계산하여라.

(문제 3) 이 항생제의 치료 범위는 MEC = 1.5 μg/mL, MTC = 12 μg/mL이다. 1회 투여 후 이 치료 창 안에 머무는 시간 구간 [t₁, t₂]를 구하여라. (C(t) = 1.5 mg/L 및 12 mg/L를 수치적으로 풀 것)

(문제 4) 체중이 50 kg인 소아 환자의 경우 Vd가 체중에 비례한다고 가정할 때 (Vd_child = 28 × 50/70 L), 동일 치료 창을 유지하면서 투여 간격을 12시간으로 고정할 때 적절한 투여량(mg)은 얼마인가? 정상 상태 평균 농도 공식을 이용하라.

(문제 5 — 심화) 신부전으로 CL이 정상의 40%로 감소한 성인 환자가 있다. kel_new를 계산하고, 독성을 피하면서 같은 치료 효과를 유지하기 위해 투여량 혹은 투여 간격 중 무엇을 어떻게 조정해야 하는지 두 가지 전략을 수식과 함께 제안하라.

프로젝트 C — 가상 스크리닝 전략 설계 및 히트 선별

아래는 특정 단백질 키나아제(kinase) 타겟에 대한 도킹 스크리닝 결과로, 1000개 후보 중 필터링을 거친 10개의 화합물 데이터다. 각 화합물에 대해 도킹 스코어(ΔG_dock), 분자량(MW), logP(지질 친화도), 수소결합 공여체(HBD), 수용체(HBA), 그리고 Tanimoto 유사도 계수(기존 알려진 독성 물질 대비)가 주어진다.

ID	ΔG_dock (kcal/mol)	MW (Da)	logP	HBD	HBA	Tox_sim
C1	−9.8	480	3.2	3	7	0.12
C2	−11.2	610	6.8	2	9	0.08
C3	−8.5	320	1.5	4	6	0.05
C4	−10.5	490	4.0	2	8	0.45
C5	−9.1	540	4.5	6	11	0.09
C6	−12.0	420	2.8	3	6	0.31
C7	−7.9	380	2.1	1	5	0.06
C8	−10.8	495	3.9	2	7	0.11
C9	−9.6	350	1.8	3	5	0.07
C10	−11.5	720	7.2	4	10	0.03

Tox_sim은 0~1 사이 값으로, 0.3 이상이면 알려진 독성 물질과 구조적으로 유사하다고 간주한다.

(문제 1) Lipinski Rule of Five를 엄격하게 적용할 때 탈락하는 화합물을 모두 찾아라. (MW > 500, logP > 5, HBD > 5, HBA > 10 중 2개 이상 위반 시 탈락)

(문제 2) 독성 유사도 기준(Tox_sim ≥ 0.3)을 추가 필터로 적용하라. 최종적으로 살아남는 화합물은 무엇인가?

(문제 3) 살아남은 화합물들을 도킹 스코어 기준으로 순위를 매겨라. 1위 화합물의 ΔG_dock = −X kcal/mol이라 할 때, 이를 Kd로 변환하면 얼마인가? (T = 310 K, R = 1.987 cal/mol·K 사용, 단위 변환 주의: 1 kcal = 4.184 kJ)

(문제 4) C6는 도킹 스코어가 가장 좋지만 Tox_sim = 0.31이다. 이 화합물을 계속 개발할 것인지 포기할 것인지에 대해 찬반 논거를 각각 두 가지 이상 제시하고, 어떤 추가 실험을 통해 의사결정을 내릴 수 있는지 제안하라.

(문제 5 — 종합 설계) 위 프로젝트 A, B, C에서 최종 선발된 최우선 후보물질 하나를 선택했다고 가정하자. 이 물질의 도킹 스코어가 ΔG_dock = −10.2 kcal/mol이고, 동물 실험에서 Vd = 35 L, t₁/₂ = 4.5 h, F = 0.72로 측정되었다. 이 약을 하루 두 번(τ = 12 h) 경구 투여할 때 정상 상태 평균 혈중 농도가 5 μg/mL가 되려면 투여량은 얼마여야 하는가? 단, 치료 농도 5 μg/mL는 분자량 400 Da 기준으로 몰 농도로도 변환하여 표현하라.

이 세 프로젝트는 오늘 배운 ΔG 계산, PK 수리 모델, 가상 스크리닝의 논리를 각각 독립적으로, 그리고 마지막 문제에서는 통합적으로 다루도록 설계되어 있다. 풀면서 막히는 부분이 있다면 그 공식이 어디서 왔는지 이론 파트로 돌아가 다시 읽어라 — 수식은 외우는 것이 아니라, 물리적 의미를 이해하면 자연스럽게 따라오는 것이기 때문이다.

[노트 기록] 이 단계 전체의 핵심 연결고리: ΔG = ΔH − TΔS로 결합 강도를 정하고 → Kd로 수치화하며 → PK 모델로 시간에 따른 체내 농도를 추적하고 → 도킹으로 수억 개 분자를 추려낸다. 이 세 가지는 독립된 주제가 아니라 "어떤 분자를 얼마나, 언제 투여해야 하는가"라는 하나의 질문에 대한 답의 서로 다른 측면이다.

생화학 및 약리 공학