인공지능(AI) 학습 모델을 활용해 특이 단백질 변형을 정밀하게 찾아내는 기술을 국내 연구진이 개발했다. 신약 개발에 들어가는 비용과 시간을 절약할 수 있는 것은 물론 암을 조기에 진단할 수 있는 기술을 개발하는데 중요한 실마리를 찾았다는 평가다.

한국과학기술연구원(KIST)은 원내 화학생명융합연구센터 이철주 박사 연구팀이 AI를 활용, 특이 단백질 변형 신호를 정밀하게 구분하는데 성공했다고 1일 밝혔다.

세포 스트레스 반응 과정에서 극히 드물게 나타나는 단백질 변형은 신경세포 손상이나 암 등의 원인이 될 수 있다. 문제는 기존 방법으론 이를 정확히 분석하기 어렵단 점이다.

단백질에 특정 아미노산을 붙여 분해하거나 기능을 조절하는 '아르기닐화' 신호가 생체 내 매우 소량으로 존재하는 탓이다. 분석에 혼란을 주는 가짜 신호들도 존재한다.

연구팀은 진짜와 매우 유사한 가짜 신호를 AI에 학습시키는 새로운 해결법을 시도했다. 그 결과 기존 분석에서 검출되던 신호의 약 90%에 달하는 가짜 신호를 걸러낼 수 있었다. 이를 통해 총 134개의 실제 아르기닐화 변형 위치를 규명하는 데 성공했다.

또 '전이학습 기법'을 적용해 소량의 데이터로도 희귀한 단백질 변형을 정밀하게 분석할 수 있다는 것을 증명했다. 전이학습이란 AI가 한 분야에서 배운 지식을 응용해, 데이터가 부족한 새로운 분야를 더 효율적으로 학습하는 방법을 말한다.

연구진은 스트레스 환경에 놓인 세포를 분석하는 데 AI 분석 기술을 적용했다. 세포의 에너지 생산에 관여하는 단백질 중 일부에서 아르기닐화 변형이 확인됐다. 암세포의 성장과 관련된 대사 과정을 새롭게 이해하는 실마리가 될 것으로 연구진은 기대했다.

연구는 단백질 변형의 발굴부터 1차 검증까지를 하나의 AI 분석 체계로 구현했다는 데 의의가 있다. AI를 통한 연구 효율화로 신약 개발 등 비용과 시간이 크게 줄어들 것으로 전망된다.

환자 혈액이나 조직 분석에 적용될 경우, 질병 관련 단백질 변화를 보다 빠르고 정확하게 포착할 수 있다. 조기 진단과 정밀 의료 연구의 기반 기술로 활용될 여지가 크다는 설명이다.

한편 과학기술정보통신부 지원을 받은 연구는 KIST 주요사업 및 개인기초연구사업, 바이오 연구데이터 활용기반조성사업 등의 일환으로 수행됐다. 연구 성과는 국제 학술지 '네이처 커뮤니케이션즈'에 지난해 12월 게재됐다.

legomaster@news1.kr