Thermodynamic data plays a crucial role in analyzing the biological system. Especially $\Delta G^o_r$ (standard Gibbs free energy change of a biochemical reaction) enables the forecasting of thermodynamic favorability of biochemical pathways. However, experimental data related to this theme is very limited. Therefore this research focuses on consolidating the already existing but dispersed databases. Due to the lack of such database derived from experiment, the accuracy of Group contribution method has been heightened which can predict the value of $\Delta G^o_r$ through calculation to replace the currently developed method of experimenting. Furthermore, the group contribution method has developed an automation system which has been applied to the E.coli iJR904 model for the thermodynamic analysis.
기존의 생물학적 실험은 그 범위가 너무 방대하여 일일이 실험으로 측정하기에는 무리가 있었다. 하지만 시스템 접근 방법을 이용하면 좀 더 가능성 높은 실험군만을 뽑아 낼 수 있고 그렇게 되면 인력, 시간, 비용 면에서 상당한 절감을 이루어 낼 수가 있다.
열역학 데이터는 생물학 시스템에서 반응의 진행 방향을 예측해 줄 수 있는 중요한 요소이다. 그 중 $\Delta G^o_r$ 를(standard Gibbs free energy change of a biochemical reaction)를 알면 우리는 생물학적 경로의 열역학적 가능성을 예측 할 수 있다. 하지만 대부분의 화합물과 반응에 대한 $\Delta G^o_r$ 실험값은 매우 부족한 실정이다.
기존의 값을 모아서 구축해 놓은 데이터베이스가 존재하나 그것이 포괄하고 있는 범위는 상당히 적다. 또한 실험 데이터들을 수학적으로 재가공하여 조금 더 넓은 pH, 온도 범위에서 데이터를 제공해 주는 데이터베이스도 존재한다. 하지만 이것이 포함하는 범위 역시 그리 넓지 않으며 그 정확성 또한 실험 데이터 보다 떨어진다. 따라서 이 두 가지 데이터베이스에 포함되어 있지 않은 화합물이나 반응에 대한 값을 구하기 위하여 group contribution method라는 $\Delta G^o_r$ 값 예측 방법이 등장하였다. 하지만 이 방법으로 계산해 내는 값은 정확도 면에서 문제점을 가지고 있었다.
본 연구에서는 기존에 존재하고 있는 대표적인 두 개의 데이터베이스를 통합하고 group contribution method를 보완, 수정하여 정확성을 높였다. 또한 group contribution method를 이용하여 자동으로 $\Delta G^o_r$ 값을 계산해 주는 시스템을 구축하였다. 이 시스템은 compound의 정보를 SMILES로 입력해 주면 그에 해당하는 $\Delta G^o_r$ 값을 계산해 준다. 마지막으로 이 시스템을 이용하여 E.coli iJR 904 모델에 열역학적 분석을 적용하여 보았다.
