'유전자 기능' 난제, AI로 풀어... KAIST 규명 전략 제시

미생물 유전체 내 상당수 유전자 역할이 밝혀지지 않은 가운데, 미생물 유전자 기능 발견 속도를 크게 높일 수 있는 최신 연구 전략이 제시됐다.

한국과학기술원(KAIST·총장 이광형)은 이상엽 생명화학공학과 특훈교수팀이 버나드 폴슨 캘리포니아대 샌디에이고 생명공학과 교수와 함께 인공지능(AI)을 활용해 미생물 유전자 기능 발견을 획기적으로 가속할 수 있는 최신 연구 접근법을 체계적으로 정리·분석한 리뷰논문을 발표했다고 12일 밝혔다.

효소 기능 예측을 위한 전산생물학 접근법 모식도

연구팀은 이번 논문에서 기존 서열 유사성 분석 기법부터 최신 심층학습 기반 AI 모델에 이르기까지, 유전자 기능 발견을 촉진해 온 다양한 전산생물학적 접근법을 종합적으로 정리했다.

특히 구글 딥마인드가 개발한 단백질 구조 예측 AI '알파폴드', 미국 워싱턴대에서 개발한 또 다른 고성능 단백질 구조 예측 AI '로즈TTA폴드'와 같은 단백질 3차원 구조 예측 기술은 단순한 기능 추정을 넘어, 유전자 기능이 어떻게 작동하는지 이해할 수 있는 가능성을 제시했다. 더 나아가 생성형 AI는 원하는 기능을 가진 단백질을 설계하는 단계로까지 연구를 확장하고 있다.

연구팀은 전사인자(유전자를 켜고 끄는 스위치 역할을 하는 단백질)와 효소(생체 내 화학 반응을 촉진하는 단백질)를 중심으로, 유전자 서열 정보, 단백질 구조 예측, 다양한 메타유전체 분석을 결합한 다양한 응용 사례와 향후 연구 방향을 제시했다.

연구팀은 유전자 기능 발견의 편향과 한계를 극복하기 위해 AI가 실험을 안내하는 '능동적 학습' 기반 연구 프레임워크가 필요하다고 밝혔다.

능동적 학습은 AI 모델이 불확실성이 높은 예측을 스스로 선별해 실험을 제안하고, 그 결과를 다시 학습에 반영하는 방식이다. 이를 통해 연구자는 중요한 유전자 기능부터 효율적으로 검증할 수 있다.

사진 왼쪽부터 KAIST의 이상엽 특훈교수, 김기배 박사, 버나드 폴슨 UCSD 교수.

이를 위해 연구팀은 자동화된 실험 플랫폼과 바이오파운드리 등 공유 연구 인프라와의 긴밀한 통합이 필수적이라고 강조했다. 또 실험적으로 검증되지 못한 '실패 데이터' 역시 향후 연구를 위한 중요한 학습 자산으로 공유돼야 한다고 덧붙였다.

이상엽 특훈교수는 “유전자 기능 발견의 한계를 넘어서기 위해서는 연구자의 지휘하에 AI가 안내하는 체계적 실험 프레임워크와 자동화 연구 인프라의 결합이 핵심”이라며, “예측과 검증이 반복적으로 연결되는 연구 생태계 구축이 중요하다”고 강조했다.

해당 논문은 네이처 마이크로볼로지에 7일 게재됐다.

김영준 기자 kyj85@etnews.com

[Copyright © 전자신문. 무단전재-재배포금지]