한국과학기술연구원(KIST·원장 오상록)은 이철주 화학생명융합연구센터 박사팀이 인공지능(AI) 학습모델을 활용해 기존에 분석이 어려웠던 특이 단백질 변형을 정밀하게 찾아내는 기술을 개발했다고 1일 밝혔다. 이번 기술은 세포 스트레스 반응 과정에서 극히 드물게 나타나는 단백질 변형을 가짜 신호와 구분해 정확히 검출할 수 있는 것이 특징이다.
암과 같은 난치성 질환은 세포 내부에서 일어나는 미세한 변화에서 시작되는 경우가 많아 정확한 원인을 규명하는 데 어려움이 따른다. 세포가 스트레스를 받을 때 나타나는 단백질의 미세한 변형은 질병과 밀접하지만, 기존 기술로는 이를 정확히 구분하기 어려운 것들이 많다. 이로 인해 질병의 근본 원인을 분자 수준에서 추적할 수 있는 새로운 분석 기술에 대한 요구가 커지고 있다.
연구팀이 주목한 '아르기닐화'는 단백질에 특정 아미노산이 붙어 단백질을 분해하거나 기능을 조절하는 신호로, 이 과정에 이상이 생기면 신경세포 손상이나 암 발생 등으로 이어질 수 있다. 그러나 아르기닐화 신호는 생체 내 존재량이 매우 적고 가짜 신호와 특성이 비슷해 기존 분석 기술로는 실제 신호를 구분하기 어려웠다. 연구팀은 이를 해결하기 위해 진짜와 매우 유사한 가짜 신호를 AI에 먼저 학습시키는 새로운 분석 방식을 도입했다.
그 결과, 기존 분석에서 검출되던 신호의 약 90%에 해당하는 가짜 신호를 제거하고 총 134개의 실제 아르기닐화 변형 위치를 규명하는 데 성공했다. 또 AI가 한 분야에서 배운 지식으로, 데이터가 부족한 새로운 분야를 더 효율적으로 학습하는 '전이학습 기법'을 적용해 소량의 데이터로도 희귀한 단백질 변형을 정밀하게 분석할 수 있음을 입증했다. 이 기술을 스트레스 환경의 세포에 적용한 분석에서 세포의 에너지 생산에 관여하는 단백질 중 일부에서 아르기닐화 변형이 확인됐다. 이는 암세포의 성장과 관련된 대사 과정을 새롭게 이해하는 데 도움이 될 수 있는 가능성을 보여준다.
이번 기술은 단백질 변형의 발굴부터 1차 검증까지를 하나의 AI 분석 체계로 구현해 신약 개발과 바이오 연구 현장에서 연구 비용과 시간을 크게 줄일 수 있다. 환자의 혈액이나 조직 분석에 적용될 경우, 질병 관련 단백질 변화를 보다 빠르고 정확하게 포착해 조기 진단과 정밀 의료 연구의 기반 기술로 활용될 가능성이 크다.
이철주 KIST 박사는 “AI의 발전 과정을 지켜보며 기존 연구에서 한계로 남아 있던 부분에 과감하게 AI를 도입한 연구 성과”라며, “순수 국내 연구 기반으로 세계 최고 수준의 AI 기반 단백체 분석 원천 기술을 확보한 만큼 AI를 활용한 단백체 분석 연구의 확장에 기여하겠다”고 말했다.
이번 연구 성과는 국제 학술지 네이처 커뮤니케이션즈에 게재됐다.
김영준 기자 kyj85@etnews.com
