20여년 난제 ‘미생물 유전자’ 기능 규명…KAIST, AI로 새 전략 제시 작성일 01-12 34 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- KAIST-UCSD, AI 예측과 실험 검증 <br>- 유전자 기능 발견 전략 체계적 정리</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="8zDpjdQ9Yf"> <figure class="figure_frm origin_fig" contents-hash="497e0673f957bc9eb45e9dad498c028560643d9cc510cf394f0770e9c7092089" dmcf-pid="6qwUAJx21V" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST는 AI를 활용해 미생물 유전자 기능 발견을 획기적으로 가속할 수 있는 연구전략을 제시했다. 사진은 AI를 활용해 제작한 이미지.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/12/ned/20260112082207290gutz.jpg" data-org-width="1280" dmcf-mid="fA0n5vIk18" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/12/ned/20260112082207290gutz.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST는 AI를 활용해 미생물 유전자 기능 발견을 획기적으로 가속할 수 있는 연구전략을 제시했다. 사진은 AI를 활용해 제작한 이미지.[KAIST 제공] </figcaption> </figure> <p contents-hash="ac327d6cd5f99d8cee05fb540fef4fcf71cc01de006b721e1980ea3aee5e5ca8" dmcf-pid="PBruciMVt2" dmcf-ptype="general">[헤럴드경제=구본혁 기자] “유전자는 알지만 기능은 모른다”는 미생물 연구의 오랜 난제를 해결하기 위해, 국제 공동연구진이 인공지능(AI) 기반 미생물 유전자 기능 발견의 속도를 크게 높일 수 있는 최신 연구 전략을 제시했다.</p> <p contents-hash="26ae4347a016fe45530b353b200c76e44f5d0d2aab9353ce2d026d193e1ee69e" dmcf-pid="Qbm7knRft9" dmcf-ptype="general">KAIST는 생명화학공학과 이상엽 특훈교수 연구팀이 UCSD 생명공학과 버나드 폴슨 교수와 함께 AI를 활용해 미생물 유전자 기능 발견을 획기적으로 가속할 수 있는 최신 연구 접근법을 체계적으로 정리·분석한 리뷰논문을 발표했다고 12일 밝혔다.</p> <p contents-hash="036d0a35e46a9ae31efdd355b3b3e621ffb8a80f5b0672d47c0f1de463393930" dmcf-pid="xKszELe4XK" dmcf-ptype="general">2000년대 초 전장 유전체 해독 기술이 본격화되며 생명체의 유전자 구성을 완전히 규명할 수 있을 것이라는 기대가 컸다. 그러나 20년이 지난 지금도 미생물 유전체 내 상당수 유전자는 어떤 역할을 하는지 밝혀지지 않은 상태다.</p> <p contents-hash="026da7c2964fe0d18030068b867a16cd7d8c0d7dfc044602715bb51ea092bf16" dmcf-pid="ypAtox4q5b" dmcf-ptype="general">유전자 결실 실험, 발현량 조절, 시험관 내 활성 측정 등 다양한 실험이 시도돼 왔지만 ▷대규모 실험의 한계 ▷복잡한 생물학적 상호작용 ▷실험실 결과와 실제 생체 내 반응 간 불일치 등으로 인해 유전자 기능 규명에는 여전히 많은 시간과 비용이 소요돼 왔다.</p> <p contents-hash="635151d29e4ee4ae61cd8d986c1d17541aebd0ac4b00188a174f27040888839d" dmcf-pid="WUcFgM8BGB" dmcf-ptype="general">연구팀은 이러한 한계를 극복하기 위해 전산생물학과 실험생물학을 결합한 AI 기반 접근이 필수적이라고 강조했다.</p> <p contents-hash="066b425c8e5240f8d084ffb92b49517b9f48e4c462458937f5c04a29e3dfa65e" dmcf-pid="Yuk3aR6bHq" dmcf-ptype="general">이번 논문에서는 기존의 서열 유사성 분석 기법부터 최신 심층학습 기반 AI 모델에 이르기까지, 유전자 기능 발견을 촉진해 온 다양한 전산생물학적 접근법을 종합적으로 정리했다.</p> <p contents-hash="4f802629d4462ed3e61c32514d4e1dc7694f8c827baa624ff5a53dc13976b8ef" dmcf-pid="G7E0NePKtz" dmcf-ptype="general">특히 알파폴드(AlphaFold), RoseTTAFold와 같은 단백질 3차원 구조 예측 기술은 단순한 기능 추정을 넘어, 유전자 기능이 어떻게 작동하는지 이해할 수 있는 가능성을 제시했다. 더 나아가 생성형 인공지능은 원하는 기능을 가진 단백질을 설계하는 단계로까지 연구를 확장하고 있다.</p> <p contents-hash="0b26e5d7aece11219dc01a5caa64b2a9f23a8a7365efc05238a3ed9bffbb7f2b" dmcf-pid="HzDpjdQ9t7" dmcf-ptype="general">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.</p> <figure class="figure_frm origin_fig" contents-hash="4a92b06b4182a1e23bf59fb181effee05ffca15751a7041693acb490b8c1663f" dmcf-pid="XqwUAJx2Gu" dmcf-ptype="figure"> <p class="link_figure"><img alt="이상엽왼쪽부터) KAIST 특훈교수, 김기배 박사, 버나드 폴슨 UCSD 교수.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/12/ned/20260112082207537qdsc.jpg" data-org-width="1088" dmcf-mid="41N5nPV754" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/12/ned/20260112082207537qdsc.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이상엽왼쪽부터) KAIST 특훈교수, 김기배 박사, 버나드 폴슨 UCSD 교수.[KAIST 제공] </figcaption> </figure> <p contents-hash="730e9cef95808318899339ee221db24515423a3c36fe72db3d516846eec186f8" dmcf-pid="ZBruciMV1U" dmcf-ptype="general">연구팀은 유전자 기능 발견의 편향과 한계를 극복하기 위해 AI가 실험을 안내하는 ‘능동적 학습(Active Learning)’ 기반 연구 프레임워크가 필요하다고 밝혔다.</p> <p contents-hash="2d5f63a723d3e5c786eb7950a289731a81dd7192f1ae75144e768ffdb26c734a" dmcf-pid="5bm7knRfXp" dmcf-ptype="general">능동적 학습은 AI 모델이 불확실성이 높은 예측을 스스로 선별해 실험을 제안하고, 그 결과를 다시 학습에 반영하는 방식이다.</p> <p contents-hash="9c60204c8a9f842f1ece1da0ce3f7d0753e397cbb25fb3142a3e6aa0db10b54a" dmcf-pid="1KszELe4G0" dmcf-ptype="general">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.</p> <p contents-hash="dfde97224ddecbce45b966d13b161d16f3595bb9d832985f2688ae0a29f7eb76" dmcf-pid="t9OqDod8Z3" dmcf-ptype="general">이번 논문은 생명공학 분야 국제학술지 네이처 마이크로볼로지(Nature Microbiology)‘에 01월 7일 게재됐다.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 고객 잃고 외양간 고치는 KT…지원금 퍼줘도 하루 3만명씩 ‘탈출’ 01-12 다음 “제조업의 심장서 AI 성지로”…경북, 글로벌 AI 데이터센터 거점으로 '우뚝' 01-12 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
