국내 연구진이 인공지능(AI)을 활용해 항암 효과를 낮추는 '세포 간 이질성' 발생 원인을 파악했다. 암 치료를 위한 신약 개발의 단서가 될 것으로 기대된다. 
기초과학연구원(IBS)은 수리 및 계산과학연구단 의생명 수학 그룹 김재경 CI(KAIST 수리과학과 교수) 연구팀이 인공지능(AI)을 이용해 동일한 외부자극에 개별 세포마다 반응하는 정도가 다른 '세포 간 이질성'의 근본적인 원인을 찾고 이질성을 최소화할 수 있는 전략을 제시했다고 17일 밝혔다.
세포 간 이질성은 똑같은 유전자를 가진 세포들이 동일한 외부 자극에 다르게 반응하는 정도를 의미한다. 외부 자극에 반응하는 '신호 전달 체계'가 세포 간 이질성에 영향을 미친다. 복잡한 신호 전달 체계의 전 과정을 직접 관측하기는 현재 기술로 어렵다.
약제를 투여했을 때 세포 간 이질성으로 인해 일부 암세포만 사멸되고 일부는 살아남는다면 완치가 되지 않아 세포 간 이질성의 근본적인 원인을 찾고 이질성을 최소화할 수 있는 전략은 치료효과를 높일 수 있는 신약 설계에 중요하다.
연구팀은 기계학습을 통해 신호 전달 체계와 세포 간 이질성의 연결고리를 찾았다. 기계학습 방법론인 'Density-PINNs'를 개발해 직접 관찰하기 어려운 신호 전달 체계에 대한 정보를 추정했다. 
연구진에 따르면 세포가 외부자극에 노출되면 신호전달체계를 거쳐 반응 단백질이 생성된다. 시간에 따라 축적된 반응 단백질의 양을 이용하면 신호전달 소요시간의 분포를 추론할 수 있고 이 분포는 신호전달체계가 몇개의 경로로 구성됐는지를 알려준다.
연구팀은 대장균 항생제에 대한 반응 실험 데이터에 Density-PINNs를 적용해 신호 전달 체계가 단일 경로로 이뤄질 때(직렬)보다 여러 경로로 이뤄질 때(병렬) 세포 간 이질성이 적다는 점을 알아냈다. 
제1저자인 조현태 IBS 선임연구원은 "추가 연구가 필요하지만 신호전달체계가 병렬구조일 경우 극단적인 신호가 서로 상쇄돼 세포 간 이질성이 적어지는 것으로 보인다"면서 "신호전달체계가 병렬구조를 보이도록 약물이나 화학요법 치료전략을 세우면 치료효과를 높일 수 있다는 의미"라고 강조했다.
효과가 높은 신약 및 치료법 개발에 단초를 제공할 이번 연구 결과는 지난해 12월 26일 국제학술지 셀(Cell)의 자매지인 '패턴스(Patterns)'에 실렸다.

Copyright © 의약일보