AI로 '맞춤형 미생물' 만든다…복잡한 대사반응 정확히 예측

국내 연구진이 가상세포를 적용해 대사반응을 예측한 데이터와 다양한 미생물 성장 데이터를 통합 분석하는 기계학습(머신러닝) 및 딥러닝 모델을 개발했다. /사진=게티이미지뱅크 제공

AI(인공지능)로 미생물의 핵심 대사반응을 규명했다. 수 천 개의 복잡한 대사물질과 단백질이 얽혀있는 미생물 시스템을 빠르고 정확하게 분석했다. 향후 맞춤형 미생물 제작에 활용할 수 있을 것으로 보인다.

한국연구재단은 윤성호 건국대 시스템생명공학과 교수 연구팀이 AI와 가상세포 기술을 활용해 다양한 영양 조건에서 미생물 성장을 촉진하거나 저해하는 대사 반응을 규명했다고 14일 밝혔다. 연구 결과는 국제 학술지 '몰레큘러 시스템즈 바이올로지'에 지난달 30일 온라인 게재됐다.


미생물은 주어진 영양분을 효율적으로 이용하기 위해 세포 내 대사과정을 정밀하게 조정한다. 이를 통해 최적의 세포 성장을 유지한다. 세포의 대사과정을 이해하려면 성장을 촉진하거나 저해하는 대사 유전자와 경로를 식별해야하지만 유전자 수 천 개, 메신저리보핵산(mRNA), 대사물질이 서로 복잡하게 얽힌 미생물 시스템 특성상 실험적인 규명에 긴 시간이 소요된다.

연구팀은 가상세포를 적용해 대사반응을 예측한 데이터와 다양한 미생물 성장 데이터를 통합 분석하는 기계학습(머신러닝) 및 딥러닝 모델을 개발했다. 연구에 널리 쓰이는 모델 미생물인 '대장균 K-12'를 대상으로 30개 주요 영양 조건에서 균주 성장에 중요한 대사 경로를 도출했다.

그 결과 생명체가 유기물질을 합성하는 대사 과정인 '생합성 경로'가 대부분의 탄소원에서 성장을 촉진하는 것으로 밝혀졌다. 탄소원은 생명체가 에너지를 얻고 성장하기 위해 필요한 탄소를 포함한 물질을 말한다.


연구팀은 모델을 통해 예측한 주요 대사 반응을 유전자 조작 실험과 배양실험을 통해 검증했다. 그 결과 대장균이 아세트산을 탄소원으로 이용할 경우엔 세포의 주요 에너지 생산 경로인 피루브산 산화 과정이 균체의 성장을 방해할 것으로 예측됐다. 실제로 피루브산 산화를 차단했더니 성장이 촉진됐다.

연구를 이끈 윤 교수는 "(이번 연구는) 유전체 설계를 통한 맞춤형 미생물 제작 및 최적의 생산 전략을 수립하는 데 활용할 수 있을 것"이라며 "향후 다양한 생명 현상을 연구하는 데 확대 적용될 수 있으리라 기대한다"고 밝혔다.

논문의 제1저자인 우현재 건국대 석사과정생은 "가상세포 기반 예측 데이터와 대량의 실험데이터를 통합 분석하는 데에 AI를 효율적으로 이용할 수 있음을 증명했다"고 덧붙였다.

이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 기초연구사업 중견연구와 기본연구 지원을 받았다.

윤성호 건국대 시스템생명공학과 교수 /사진=한국연구재단