효과 높은 신약이나 치료법을 개발하기 위한 단서가 제시됐다.
기초과학연구원(IBS)은 김재경 수리 및 계산 과학 연구단 의생명 수학 그룹의 CI(Chief Investigator·KAIST 수리과학과 교수) 연구진이 인공지능(AI)을 이용해 동일 외부 자극에 개별 세포마다 반응하는 정도가 다른 '세포 간 이질성'의 근본적인 원인을 찾아내고, 이질성을 최소화할 수 있는 전략을 제시했다고 17일 밝혔다.
IBS에 따르면 연구진은 기계 학습 방법론인 'Density-PINNs(Density Physics-Informed Neural Networks)'을 개발, 신호 전달 체계와 세포 간 이질성의 연결고리를 파악했다. 세포 간 이질성이란 똑같은 유전자를 가진 세포가 동일 외부 자극에 다르게 반응하는 정도를 의미한다.
세포 간 이질성은 질병을 치료하는 데 있어 중요한 요소로 꼽히는데, 암 환자에게 항암제를 투여했을 때 일부 암세포만 사멸하고, 일부가 살아남아 완치가 되지 않는 것도 이 세포 간 이질성 때문이라고 한다. 이를 최소화한다면 결국 치료 효과가 높아지는 셈이다.
연구진은 개발한 Density-PINNs를 활용, 세포 간 이질성의 원인을 밝혀냈다. 대장균 항생제에 대한 반응 실험 데이터에 적용해 봤더니, 신호 전달 체계가 단일 경로로 이뤄진 때(직렬 구조)에 비해 여러 경로로 이뤄졌을 경우(병렬 구조), 세포 간 이질성이 적다는 점을 확인했다고 한다.
세포가 약물이나 삼투압 변화 등 다양한 외부 자극에 노출되면 신호 전달 체계를 거쳐 반응 단백질이 생성되는데, 시간에 따라 축적된 이 반응 단백질의 양을 활용해 신호 전달 소요 시간의 분포를 추론한 것이다. 이 분포는 신호 전달 체계가 몇 개의 경로로 구성됐는지도 알려준다.
다시 말해 Density-PINNs를 통해 쉽게 관측할 수 있는 데이터(반응 단백질 시계열 데이터)로, 직접 관찰이 어려운 정보(신호 전달 체계에 대한 정보)를 추정하는 식이다.
조현태 IBS 선임연구원은 "추가 연구가 필요하긴 하다"면서도 "신호 전달 체계가 병렬 구조일 경우 극단적인 신호가 서로 상쇄돼 세포 간 이질성이 적은 것으로 보인다"고 밝혔다.
이어 "신호 전달 체계가 병렬 구조를 보이도록 약물, 화학 요법 치료 전략을 세우면 치료 효과를 높일 수 있을 것으로 보고 있다"고 설명했다.
연구를 이끈 김재경 CI는 "복잡한 세포 신호 전달 체계의 전 과정을 파악하려면 수십 년의 연구가 필요하지만, 연구진이 제시한 방법론은 수 시간 내에 필요한 핵심 정보만 알아내 치료에 활용할 수 있다. 이번 연구를 실제 현장에서 사용되는 약물에 적용해 치료 효과를 개선할 수 있길 기대한다"고 전했다.
이번 연구 결과는 지난해 12월 26일 국제학술지 셀(Cell)의 자매지인 '패턴스(Patterns)'에 실렸다.