PCOS에서 자궁내막 수용성 개선을 위한 Qu의 공식 3 기전: 네트워크 약리학과 분자 역학 시뮬레이션의 결합

요약

이 프로토콜은 네트워크 약리학, 도킹, MD 시뮬레이션을 통해 QUF3가 PCOS에서 자궁내막 수용성을 향상시키는 메커니즘을 탐구하는 것을 목표로 합니다.

초록

자궁내막 수용성 저하는 다낭성 난소 증후군(PCOS)에서 불임의 주요 원인입니다. Qu의 포뮬러 3(QUF3)는 PCOS 환자의 자궁내막 수용성을 개선하기 위해 임상적으로 사용되는 한약 포뮬러입니다. 이 연구는 네트워크 약리학, 분자 도킹, 분자 동역학(MD) 시뮬레이션을 활용하여 기저 메커니즘을 조사하였습니다. TCMSP 데이터베이스를 이용해 QUF3의 활성 성분을 확인하였고, 자궁내막 수용성 및 PCOS와 관련된 잠재적 표적은 DrugBank 및 기타 자원에서 검색하였습니다. Cytoscape를 통해 주요 표적을 식별하기 위해 복합물-표적 상호작용 네트워크와 단백질-단백질 상호작용(PPI) 네트워크가 구축되었습니다. 코어 타겟은 GO 및 KEGG 농축 분석을 받았다. 분자 도킹, MD 시뮬레이션, 주성분 분석(PCA), 자유 에너지 지형(FEL), 동적 교차상관 행렬(DCCM)을 사용하여 결합 상호작용을 평가하였습니다. 91개의 활성 성분과 294개의 잠재적 약물 표적에서 60개의 질병 관련 표적이 확인되었습니다. 루테올린과 세사민은 주요 약리역학 성분 중 하나였습니다. 10개의 핵심 표적이 확인되었습니다: AKT1, EGFR, TNF, TP53, IL6, BCL2, ESR1, IL1B, STAT3, MMP9. KEGG 농축 과정에서 132개의 신호 전달 경로가 밝혀졌고, GO 분석 결과 678개의 항목이 확인되었습니다. MD 시뮬레이션은 상위 5개의 활성 성분과 그 대상 간의 결합이 안정적임을 보여주었습니다. PCA, FEL, DCCM은 이 복합체들의 높은 열역학적 안정성과 구조적 강성을 더욱 입증했습니다. 결론적으로, QUF3는 다성분, 다중 표적, 다중 경로 상호작용을 통해 PCOS에서 자궁내막 수용성을 향상시킵니다. 이 연구는 PCOS 관련 불임을 위한 표적 한방 치료법 개발을 위한 이론적 기반을 계산 시뮬레이션 관점에서 제공하며, 향후 PCOS 여성의 임신 결과 개선에 긍정적인 시사점을 가질 수 있습니다.

서론

다낭성 난소 증후군(PCOS)^{은 여성에서} 가장 흔한 내분비 질환 중 하나입니다. 주요 특징으로는 만성 지속성 배란 기능장애, 임상 또는 생화학적 고안드로겐혈증, 다낭성 난소 형태가 있으며, 무월경, 불임, 다모증, 여드름, 비만과 같은 임상 증상이 나타납니다. 최근 몇 년간 배란 유도 및 보조생식 기술(ART)의 발전으로 PCOS 환자의 임신율이 크게 향상되었습니다; 그러나 임신 결과는 건강한 여성보다 여전히 좋지 않습니다 ^2,3. 자궁내막 수용성은 ART 결과에 영향을 미치는 주요 요인^{중 하나입니다}. 자궁내막 수용성은 자궁내막이 특정 생리학적 단계에서 배아를 수용하는 능력을 의미하며, 이는 배아 착상과 이후 발달에 결정적인 역할을 합니다 ^5,6. 비만, 인슐린 저항성, 만성 염증과 같은 PCOS에서 흔히 관찰되는 병리적 상태는 자궁내막 수용성을 저해하고, 수정란 착상과 배아 발달을 방해하며, 궁극적으로 불임과 유산으로 이어질 수 있습니다 ^7,8. 그럼에도 불구하고, PCOS에서 자궁내막 수용성의 조절 기전은 여전히 대부분 명확하지 않으며, 다양한 영향 요인 간의 상호작용 네트워크도 아직 밝혀지지 않았습니다. 취의 포뮬러 3(QUF3)은 PCOS 환자의 자궁내막 수용성을 임상적으로 개선하기 위해 사용되는 한방 처방이며, 부인과 전통 중의학(TCM)의 견고한 고전 이론에 의해 뒷받침됩니다. 이 포뮬러는 Paeoniae Radix Alba(바이샤오), Rehmanniae Radix Praeparata(슈디훡), Cuscutae Semen(투시지), Fructus Ligustri Lucidi(Nvzhenzi), Herba Taxilli(상지셩), Radix Salviae(Danshen), 그리고 Cornus Officinalis Sieb로 구성되어 있습니다. 에트 주크. (산주위) 2:4:3:4:3:2:2의 비율로 에탄올 역류 추출로 준비되었습니다. QUF3는 여러 약초의 시너지 효과를 발휘하여 신장을 강화하고, 에센스를 풍부하게 하며, 혈액을 영양 공급하고, 혈액순환을 촉진합니다^. PCOS 환자의 자궁내막 수용성 개선에 대한 임상적 효능은 잘 검증되었으나, 핵심 약리학적 기전은 아직 더 연구되어야 합니다.

네트워크 약리학은 시스템 생물학 기반 분석 접근법으로, 다층 "허브-성분-표적-질병" 네트워크를 구성하여 전체론적 관점에서 약물이 질병 네트워크에 미치는 개입 효과를 밝혀냅니다. 전통적인 '단일 약물-단일 표적' 모델과 달리, 네트워크 약리학은 TCM 공식의 '다중 성분, 다중 표적, 다중 경로' 작용의 시너지 특성을 포괄적으로 포착할 수 있어, 복잡한 TCM 메커니즘 연구에 특히 적합합니다. 반면 분자 동역학(MD) 시뮬레이션은 뉴턴 역학에 기반한 계산 기법으로, 원자 수준에서 단백질-리간드 복합체의 구조 변화와 동적 거동을 시간에 따라 시뮬레이션합니다. 정적 분자 도킹과 비교할 때, MD 시뮬레이션은 결합 안정성, 자유 에너지 지형, 구조적 강성 등 동적 매개변수를 평가하여 약물 분자와 표적 단백질 간 상호작용을 보다 현실적으로 평가할 수 있습니다. 네트워크 약리학은 TCM 조제의 잠재적 표적과 경로를 전반적으로 스크리닝하는 데 적합하며, MD 시뮬레이션은 주요 성분과 표적 단백질 간의 결합 안정성을 동적으로 평가할 수 있습니다. 이 두 접근법을 결합하면 TCM 공식의 다성분, 다중 표적 시너지 메커니즘을 보다 신뢰성 있게 분석할 수 있습니다. 이러한 근거에 기반하여, 본 연구는 네트워크 약리학과 의학 검사 시뮬레이션 접근법을 결합하여 QUF3가 PCOS 환자에서 자궁내막 수용성 개선의 잠재적 약리학적 기전을 체계적으로 탐구하였습니다.

이러한 통합 계산 워크플로우는 특히 활성 성분과 표적이 거의 알려지지 않은 복잡한 시스템에서 중국 한방 제방이나 천연 제품의 다성분, 다중 표적 메커니즘을 초기 탐구하는 데 가장 적합합니다. 사용자는 데이터베이스 검색과 네트워크 분석을 포함한 기본 생물정보학 지식을 갖추었으며, 일반 소프트웨어 패키지를 사용하여 분자 도킹 및 분자 역학 시뮬레이션과 같은 기본 계산생물학 분석을 수행할 수 있어야 합니다. 최소 16GB RAM을 갖춘 리눅스 기반 컴퓨팅 환경과 전통 중의학 시스템 약리학 데이터베이스 및 분석 플랫폼(TCMSP), PubChem, UniProt 등 관련 공개 데이터베이스에 접근할 수 있는 것이 권장됩니다. 이 워크플로우에서 사용되는 모든 소프트웨어(예: Cytoscape, AutoDockTools, GROMACS)는 학술용으로 오픈 소스 또는 무료이며, 독자들은 자료표에 제공된 정보를 통해 이를 얻을 수 있습니다.

프로토콜

QUF3의 활성 성분 및 잠재적 표적 선별
약물 QUF3 내 바이샤오, 수디황, 투즈쯔, 니전쯔, 상지성, 단신, 산주위의 활성 화학 성분이 2025년 4월 1^일 TCMSP를 통해 확인되었습니다. 활성 성분은 경구 생체이용률(OB) ≥30%)과 약물 유사성(DL) 조건 ≥ 0.18¹¹을 기준으로 예비 선별되었습니다. 이 임계값들은 충분한 흡수와 약물 유사 특성을 보장하기 위해 표준 경험적 기준으로 선택되었습니다. 각 화합물의 표준 SMILES 서열을 PubChem 데이터베이스에서 검색하였고, 그 결과 Swiss Target Prediction 온라인 데이터베이스에서 화합물 표적을 예측하는 데 사용되었으며, 이어 UniProt 데이터베이스^{12, 13, 14}에서 표적 단백질 유전자 이름과 UniProt ID를 수집했습니다. 중간 체크포인트로서 중복 제거 후 획득한 고유 목표 수가 기록되었습니다.

PCOS에서 자궁내막 수용성을 위한 작용 표적 확인
"다낭성 난소 증후군"과 "자궁내막 수용성"이라는 키워드가 온라인 멘델 유전 인 인간(OMIM), DrugBank, 치료적 표적 데이터베이스(TTD), GeneCards 데이터베이스에서 잠재적 표적^{15, 16, 17, 18}을 식별하는 검색어로 사용되었습니다. GeneCards의 경우, 관련성 점수 >5인 대상만 유지되었으며; 다른 데이터베이스에는 모든 회수된 표적이 포함되어 있었습니다. 중복 항목의 합병 및 제거 후, 고유 질병 관련 표적 수가 중간 출력으로 기록되었습니다.

구성 요소 및 타겟의 네트워크 구축
교차 표적은 QUF3, PCOS, 자궁내막 수용성 등 가능한 표적을 온라인 벤 다이어그램 도구에 입력하여 생성되었습니다. 이러한 교차 표적들은 QUF3가 PCOS에서 자궁내막 수용성 향상에 효과를 발휘하는 주요 표적으로 간주되었습니다. 이후 Cytoscape¹⁹를 사용해 QUF3의 활성 성분-표적 데이터와 교차 표적을 매칭하여 '허브-성분-표적'(H-C-T) 네트워크가 구축되었습니다. 네트워크는 "네트워크 분석기" 도구를 사용해 시각화되었습니다.

단백질-단백질 상호작용(PPI) 네트워크 구축
PCOS에서 자궁내막 수용성 개선을 위한 QUF3의 잠재적 표적 유전자가 STRING 데이터 플랫폼에 입력으로 제출되었습니다²⁰. 종은 "Homo sapiens"로 설정되었고, 신뢰도 임계값은 "중간 신뢰도(0.4)"로 설정되어 단백질-단백질 상호작용 데이터를 담은 TSV 파일을 얻었습니다. 이 파일은 네트워크 분석 소프트웨어로 불러와 PPI 네트워크²¹을 구축하고 분석했습니다. 네트워크 내 노드 중요성은 "Degree" 값으로 표시되며, Degree 값이 높을수록 더 중요한 노드를 의미합니다. 이후 주요 활성 성분이 학위별로 정렬되었고, 등급 순위를 기준으로 상위 10개의 핵심 목표가 선정되었습니다.

유전자 온톨로지(GO) 및 교토 유전자 및 게놈 경로 풍부화 백과사전(KEGG) 분석
GO 및 KEGG 경로 풍부화 분석을 DAVID 데이터베이스를 사용하여 QUF3가 PCOS²²에서 자궁내막 수용성을 개선하는 생물학적 경로와 기전을 탐구하였습니다. 이 종은 '호모 사피엔스(Homo sapiens)'로 설정되었고, 유의성 임계치는 P < 0.05로 설정되었습니다. GO 분석은 생물학적 과정(BP), 세포 구성 요소(CC), 분자 기능(MF)을 포함했습니다²³. 결과는 농축된 표적 수에 따라 정렬되었습니다. 인간 대사 및 질병과 관련된 경로는 제외하고, 상위 20개의 KEGG 경로를 시각화용으로 선정했습니다. 이후 네트워크 분석 소프트웨어를 사용하여 '구성 요소-질병-KEGG 경로' 다차원 네트워크가 구축되었습니다.

분자 도킹 분석
상위 10개의 주요 활성 성분과 상위 10개의 핵심 타깃이 AutoDockTools와 PyMOL 소프트웨어를 사용해 분자 도킹 분석을 위해 선정되었습니다^24,25. 주요 표적의 PDB 파일은 단백질 구조 데이터베이스²⁶에서 다운로드되었고, 주요 활성 성분의 SDF 파일은 화학 데이터베이스²⁷에서 획득되었습니다. 단백질 분자들은 분리, 수소 첨가, 전하 계산을 포함한 분자 도킹 소프트웨어를 통해 전처리되었습니다. 반유연 도킹은 단백질 결합 부위 전체를 덮는 격자 상자를 사용하여 수행되었습니다. 결합 에너지가 음수일 때 도킹 과정은 성공한 것으로 간주되었고, 상단 포즈의 평균 제곱근 편차(RMSD)가 ≤ 2.0 Å였다. 도킹 후, QUF3의 주요 활성 성분과 코어 타겟의 결과를 분자 시각화 소프트웨어를 통해 시각화하였습니다.

분자 동역학(MD) 시뮬레이션
단백질-리간드 복합체의 MD 시뮬레이션은 GROMACS 소프트웨어를 사용하여 수용체와 리간드 간의 상호작용을 탐구하였다^28,29. amber99sb-ildn 힘장과 일반 Amber 힘장(GAFF)은 각각 단백질과 리간드의 매개변수와 토폴로지를 생성하는 데 사용되었습니다. 시뮬레이션 박스의 크기는 각 단백질 원자와 박스 가장자리 사이의 거리가 1.0 nm보다 크도록 설정되었습니다. 상자는 단순 점전하 모델(SPC216 물 분자)을 사용한 명시적 용매로 채워졌고, 물 분자는 Na⁺ 및 Cl⁻ 카운터이온으로 대체되어 시뮬레이션 시스템이 전기적으로 중성적으로 되도록 했습니다. 전체 시스템은 불합리한 접촉이나 원자 겹침을 줄이기 위해 가장 가파른 하강 방법으로 최적화되었습니다. 시뮬레이션 시스템의 충분한 전평형화는 각각 300 K 및 1 bar에서 각각 100 ps의 NVT와 NPT 앙상블을 수행함으로써 달성되었습니다. 이후 주기적 경계 조건에서 온도(300 K)와 압력(1 bar)을 각각 V-재조정법과 Parrinello-Rahman 방법으로 제어하는 100 ns MD 시뮬레이션이^{수행되었습니다.} 뉴턴 운동 방정식은 2 fs의 시간 단계인 도약자 적분기를 사용해 풀었다. 장거리 정전기 상호작용은 0.16 nm의 푸리에 간격을 가진 입자 메쉬 에발트(PME) 방법으로 계산되었으며, 모든 결합 길이는 LINCS 방법으로 제한되었습니다. VMD 소프트웨어는³¹ 궤적을 표시, 분석, 애니메이션하는 데 사용되었습니다. 각 화합물의 결합 자유 에너지는 결합 자유 에너지 계산 스크립트를 사용해 계산되었습니다.

주성분 분석(PCA), 자유 에너지 지형(FEL), 동적 교차상관 행렬(DCCM) 분석
PCA는 MD 시뮬레이션 소프트웨어를 사용하여 apo 및 리간드 결합 복합체의 우세한 구조 운동을 분석하였습니다. Cα 원자 변동의 공분산 행렬이 생성되었으며, 이를 통해 고유벡터(집단 운동)와 고유값(운동 크기)이³²를 얻었다. 이 분석을 통해 리간드 결합과 관련된 주요 동적 영역과 구조적 유연성이 확인되었습니다. 분자 궤적은 gmx anaeig 도구를 사용해 처음 두 주성분(PC1과 PC2)에 투사하여 필수 운동³³을 포착했습니다. PCA와 FEL 계산에는 평형화된 마지막 100 ns(RMSD 안정상)만 사용되었습니다. FEL은 GMX 샤임을 이용해 PCA 데이터를 기반으로 Gibbs 자유 에너지³⁴를 계산했으며, 이는 구조 다양성과 상태 전이를 반영하는 안정적인 구조와 에너지 최소값을 밝혀냈습니다. Cα 원자의 동적 교차상관 행렬(DCCM) 분석을 수행하여 구조 동역학과 잔기 간 운동 결합을 평가하^였다. 이 분석은 단백질-리간드 복합체의 안정성, 분자 간 상호작용 및 집단 운동을 명확히 했습니다. 잔기 i와 j 사이의 교차상관 계수 Cij는 다음과 같이 계산되었다:

공식에서 i와 j는 두 잔기의 Cα 원자를 나타냅니다. Cij의 값이 양수이고 0보다 클 때; 같은 방향으로 움직이는 두 원자는 상관관계 운동에 있다고 간주됩니다. Cij의 값이 음수이고 0보다 작을 때, 반대 방향으로 움직이는 두 원자는 반상관 운동 중이라고 간주됩니다. Cij 값이 0이면 두 원자의 운동 사이에 관계가 없음을 나타냅니다. 더불어, Cij 값이 0.7을 초과하면 강상관(양성) 또는 강상관(음수) 운동으로 해석되었습니다. 수렴을 확인하기 위해 RMSD와 Rg 프로필을 조사했습니다. 안정 프로파일은 마지막 100 ns가 DCCM 분석에 충분함을 확인했습니다. 이러한 운동 패턴은 리간드 결합이 분자 내 통신과 도메인 재배열을 조절하는 방식을 밝혀냈습니다. 동적 안정성과 수렴을 보장하기 위해 평형 궤적의 마지막 100 ns만 분석하고, 상관지도를 시각화하여 중요한 동적 상호작용이 있는 영역을 강조하였습니다.

단백질과 리간드 간의 상호작용 에너지를 더 잘 설명하기 위해, 결합 자유 에너지 계산 스크립트를 사용해 평형 상태에서 모든 단백질-리간드 복합체의 결합 에너지를 계산했습니다. 결합 자유에너지 계산법³⁶의 적용에서 총 결합 에너지는 네 개의 독립적인 부분으로 분해되었습니다: 정전기 상호작용, 반데르발스 상호작용, 극성 용매 생성, 그리고 비극성 용암화 상호작용. 비극성 용암화 항은 보통 SASA라고 불립니다.

목표 및 경로 선택에 대한 절차적 종말점 결론
워크플로우가 끝난 후, PPI 네트워크에서 상위 10개의 Degree 값을 가진 핵심 목표와 H-C-T 네트워크에서 상위 10개의 Degree 값을 가진 주요 활성 성분을 기준으로 최종 검증된 목표와 경로가 선정되었습니다. KEGG 경로의 경우, 인간 대사 및 질병과 관련된 경로를 제외한 후, 상위 20개 경로가 농축된 표적 수를 기준으로 순위를 매기고 선정되었습니다. MD 시뮬레이션 결과를 사용하여 상위 구성 요소와 핵심 표적 간의 안정적인 결합을 확인하였습니다. 이 단계들이 집합적으로 프로토콜의 최종 출력을 정의했습니다.

결과

QUF3의 활성 성분 및 잠재적 표적 선별
OB ≥ 30%와 DL ≥ 0.18을 선별 기준으로 사용하여, TCMSP 데이터베이스를 검색한 후 QUF3는 126개의 화학 성분을 확인했습니다. 이 중 Paeoniae Radix Alba(바이샤오)는 13개의 활성 성분을 포함했고, Rehmanniae Radix Praeparata(수디훡)는 2개, Cuscutae Semen(Tusizi)은 13개, Fructus Ligustri Lucidi(Nvzhenzi)는 13개, Herba Taxilli(상지셩)는 2개, Radix Salviae(Danshen)는 65개, Cornus Officinalis Sieb는 포함되었다. 에트 주크. (산주위)에는 20개가 포함되어 있었다( 보조표 1에 나타났다). 126개의 화학 성분은 스위스 목표 예측 온라인 데이터베이스에 입력되었습니다. 중복 성분을 제거한 후 91개의 화학 성분과 284개의 표적을 획득했습니다.

토론

PCOS 환자의 자궁내막이 기능 저하를 보인다는 증거가 점점 증가하고 있으며, 이는 착상 실패율 증가와 임신 부작용과 연관될 수 있습니다⁴⁰. PCOS 여성의 자궁내막 차이는 주로 착상 창(WOI^)에 피노포드, 핵소와 채널 시스템, 에스트로겐 수용체, 프로게스테론 수용체의 발현 감소로 특징지어집니다. 더불어 Homeobox A10(HOXA-10), Homeobox A11(HOXA-11), 인테그린 알파 V 베타 3(αvβ3), 백혈병 억제인자(LIF) 자궁내막 마커의 발현도 감소하여 PCOS 여성의 불임으로 이어질 수 있습니다 42,43,44. 마이오이노시톨(MYO)은 PCOS와 관련된 새로운 자궁 자궁내막 마커입니다....

재료

```html

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
전통 중국 의학 시스템 약리학 데이터베이스 및 분석 플랫폼(버전 2.3)	시스템 약리학 연구실	https://www.tcmsp-e.com/load_intro.php?id=43	활성 성분 선별 데이터베이스
Swiss Target Prediction 온라인 데이터베이스(2019 버전)	로잔 대학교 & SIB 스위스 생물정보학 연구소의 분자 모델링 그룹	http://www.swisstargetprediction.ch/	온라인 타겟 예측 데이터베이스
PubChem 데이터베이스	NIH 국립 의학 도서관	https://pubchem.ncbi.nlm.nih.gov/	화합물 SMILES/SDF 검색을 위한 화학 데이터베이스
UniProt 데이터베이스	NIH	https://www.uniprot.org/uniprotkb	UniProt ID 및 유전자 이름에 대한 단백질 데이터베이스
온라인 멘델 유전 데이터베이스(OMIM)	존스 홉킨스 대학교	https://www.omim.org/	질병 타겟 데이터베이스
DrugBank	앨버타 대학교	https://www.drugbank.ca/	질병 타겟 데이터베이스
치료 타겟 데이터베이스(TTD)	절강 대학교	https://ttd.idrblab.cn/	질병 타겟 데이터베이스
GeneCards(버전 5.26)	바이츠만 과학 연구소, 라이프맵 과학	https://www.genecards.org/	질병 타겟 데이터베이스(관련성 점수 >5)
Venny 시각화 플랫폼(버전 2.1.0)	Centro Nacional de Biotecnología (CNB-CSIC)	https://bioinfogp.cnb.csic.es/tools/venny/	교집합 타겟 시각화를 위한 온라인 Venn 다이어그램 도구
Cytoscape(버전 3.10.3)	NHGRI의 국가 네트워크 생물학 자원	https://cytoscape.org/	H-C-T, PPI, 및 경로 네트워크를 위한 네트워크 분석 및 시각화 소프트웨어
STRING 데이터베이스(버전 12.0)	STRING 컨소시엄	https://string-db.org/	PPI 네트워크 구성을 위한 단백질-단백질 상호작용 데이터베이스
DAVID 데이터베이스(버전 v2025-2)	미국 보건 및 인간 복지부, NIH	https://davidbioinformatics.nih.gov/	GO 및 KEGG에 대한 유전자 강화 분석 데이터베이스
AutoDockTools(버전 1.5.7)	스크립스 연구소	https://autodock.scripps.edu/	전처리 및 계산을 위한 분자 도킹 소프트웨어
PyMOL 소프트웨어(버전 3.0.3)	Schrödinger	https://pymol.org/	도킹 시각화를 위한 분자 시각화 소프트웨어
단백질 데이터 뱅크(PDB)	RCSB	https://www.rcsb.org/	타겟 PDB 파일을 다운로드하기 위한 단백질 구조 데이터베이스
GROMACS(버전 2023.2)	GROMACS 개발 팀	https://www.gromacs.org/	분자 역학 시뮬레이션 소프트웨어
VMD(버전 1.9.3)	일리노이 대학교	https://www.ks.uiuc.edu/Research/vmd/	분자 시각화 및 궤적 분석 소프트웨어
gmx_MMPBSA	오픈소스(GitHub)	https://github.com/Valdes-Tresanco-MS/gmx_MMPBSA	MD 궤적에서 결합 자유 에너지 계산 도구
과학 데이터 뱅크	중국 과학 원, 컴퓨터 네트워크 정보 센터	https://www.scidb.cn/	데이터 가용성 및 보관을 위한 과학 데이터 저장소

```