AI 생명공학의 첫걸음, 생명정보학

생명정보학은 1990년대 초반부터 시작된 학문으로 단어 그대로 생물학과 정보학의 결합이라는 의미를 지닌다. 컴퓨터와 소프트웨어를 활용해 유전자의 염기서열 데이터를 분석하고, 유전자의 기능을 재구성해 생명공학에 다양하게 응용할 수 있는 토대를 마련하는 것이 학문의 목적이라고 할 수 있다. 과거에는 이를 위해 정보 처리 프로그램 등을 활용했다면 현재는 연구에 적합한 AI 머신을 개발하고 학습시켜 더욱 빠르고 영민한 방법으로 데이터를 분석하고 있다.
일례로 DNA의 유전정보를 전달하는 mRNA(messenger RNA)를 분석하면 특정 생명 반응 혹은 병리적 현상이 일어났을 때 게놈 속의 어떤 유전자가 실제로 작동했는지 알 수 있는데, 이때 발생하는 방대한 해독 정보 중 불필요한 정보를 제하고 필요한 정보만 선별하는 데 AI가 활용되고 있다.
인간의 생체 정보를 담고 있는 미생물인 마이크로바이옴 또한 한 사람에게만 수백조에 이르는 숫자가 살고 있기 때문에 인간의 힘만으로 분석, 연구하기에는 한계가 있었다. 그러나 AI의 발달로 수 억 개의 데이터 처리가 가능해져 베일에 싸여 있던 마이크로바이옴 연구 역시 활기를 띠고 있다.

딥러닝, 내게 맞는 유전자 가위를 찾아줘!

적게는 천 개에서, 많게는 수만 개의 염기가 모여 구성되는 유전자는 그만큼 무한한 이야기를 품고 있다. 그렇다면 유전체 연구자는 원하는 방향으로 DNA를 편집하기 위해 얼마나 많은 변수를 고려해야 하는 걸까?
현재 가장 정교한 유전자 편집 기술은 제3세대 유전자 가위인 CRISPR-Cas9이다. 효율이 높은 SpCas9을 절단효소로 사용하고 있으며, 이때 발생하는 ‘표적 이탈’이라는 단점을 보완하고 여러 상황에 대응할 수 있는 범용성을 확보하기 위해 다양한 변이체도 속속 개발되고 있다. 이렇게 개발된 각종 변이체 덕분에 유전자 편집 기술은 무한한 확장성을 갖게 되었지만, 각각의 변이체 특성을 체계적으로 분석한 연구가 부재해 연구자들은 원하는 연구에 꼭 알맞은 유전자 가위를 찾기 위해 숱한 시행착오를 거칠 수밖에 없었다.
그런데 지난 2020년, 기초과학연구원 소속 연구팀에 의해 표적 염기서열에 따른 최적의 유전자 교정 도구를 골라주는 딥러닝 기반 시스템 ‘DeepSpCas9variants’가 개발되었다. 이 시스템의 알고리즘을 이용하면 교정하고자 하는 특정 염기서열을 인식할 수 있는 변이체를 확인할 수 있는 것은 물론 기대되는 교정효율까지 알아낼 수 있다. 13종 유전자 가위 변이체들의 효율을 비교‧분석한 인공지능을 통해 생명공학 연구자들의 불필요한 시행착오를 획기적으로 줄일 수 있게 된 것이다.

샬레 말고 컴퓨터, AI 신약 개발

병리 분석을 시작으로 표적 단백질 추적부터 초기 화합물 탐색, 후보물질의 최적화를 거쳐 동물실험과 임상시험에 이르기까지, 하나의 신약이 우리에게 도달하기 위해서는 여러 단계와 실험을 통과해야 한다. 이 과정은 짧게는 3~4년, 길게는 10년 이상의 시간이 소요된다. 각 단계마다 발생하는 무수한 경우의 수를 점검하고 하나씩 직접 테스트해야 하기 때문이다.
하지만 빠르게 성장하는 AI 예측 시스템은 이러한 신약 개발의 판도를 뒤바꾸고 있다. 임상시험 통과 확률을 높일 수 있도록 최적의 임상시험군을 선별하거나, 여러 약을 동시에 복용했을 때 나타날 수 있는 약효의 변화를 예측하는 등 신약 개발 단계 곳곳에서 AI를 활용하면 불필요한 오차와 기회비용을 획기적으로 줄일 수 있게 된다. 해외 유명 제약사들은 이미 IT 기업과 손잡거나 자체적으로 신약 개발 AI를 개발 중이다.
지스트 전기전자컴퓨터공학부 남호정 교수는 신약 후보 물질 탐색 연구 분야의 선두주자로, 약물 실험 시 발생하는 시간과 오차를 단축할 수 있도록 수십 수만의 경우의 수와 데이터를 분석하여 심장 독성을 일으키는 약물 예측 모델, 복합처방 약물 부작용 예측 모델, 신약 후보물질 탐색 모델, 약물-표적 단백질 상호작용 판별 모델 등 유의미한 인공지능 모델을 속속 선보이고 있다.