"질병 신호 경로·핵심 유전자 예측 'AI 분석체계' 구축"
질병 경로를 예측할 때 어떤 유전자가 결정적 근거가 됐는지를 수치화해 제시하는 인공지능(AI) 분석체계가 구축됐다. 대규모 유전자 데이터를 학습해 질병의 신호 경로와 핵심 유전자를 정밀 예측한 후 이를 설명하는 게 핵심이다.
한국연구재단은 중앙대·성균관대·한양대 공동연구팀이 대규모 전사체(유전자 발현) 데이터로 질병 연관 경로를 예측한 후 경로별 핵심 유전자를 근거와 함께 제시하는 AI 분석 기술 '세인트GSE(SaintGSE)'를 개발했다고 1일 밝혔다.
전사체 데이터는 차세대 시퀀싱 기술의 발전을 토대로 방대한 양이 축적됐다. 하지만 이를 질병의 분자 기전, 신호전달 경로 변화와 연결해 질병의 원인을 해석하는 데는 한계가 따랐다.
무엇보다 유전자 집합 분석법은 이미 정의된 유전자 목록과 통계적 유의성에 의존도가 커 질병 특이적 발현 패턴과 핵심 유전자 기여도를 설명하기 어려웠다. AI가 스스로 방대한 데이터 안에서 질병과 관련된 경로를 찾아내고, 판단 근거를 유전자 수준에서 정량적으로 증명하지 못했던 것이다.
이와 달리 공동연구팀은 오토인코더와 트랜스포머 구조를 결합한 형태로 SaintGSE를 구축, 복잡한 전사체 데이터 패턴 안에서 질병 관련 신호전달 경로의 활성화 여부를 정밀하게 예측하는 데 성공했다.
오토인코더는 데이터의 효율적 표현 방법을 스스로 학습하는 비지도 학습 기반의 인공신경망 구조, 트랜스포머는 문장·유전자 서열 등 데이터 내의 구성요소가 상호 어떤 관계를 맺고 있는지 맥락을 파악하는 AI 모델을 말한다.
특히 SaintGSE는 설명 가능한 AI(XAI) 기법을 적용해 AI가 질병 경로를 예측할 때 어떤 유전자를 결정적인 근거로 삼았는지를 밝히고, 기여도까지 수치화해 제시할 수 있도록 했다.
실제 공동연구팀이 골관절염, 천연물 처리 전사체 데이터를 적용했을 때 SaintGSE는 질병이 발생하는 분자 기전을 정확히 해석한 것은 물론 치료 후보물질이 몸속에서 어떻게 작용하는지 기전까지 탐색 가능하다는 것이 증명됐다.
이는 기존 단순 통계 분석을 넘어 AI가 질병 신호를 직접 예측하고, 원인 유전자까지 규명하는 분석 체계가 완성된 것을 의미한다.
공동연구팀은 SaintGSE가 향후 환자 맞춤형 정밀의학과 맞춤형 신약 개발의 효율성을 획기적으로 높일 플랫폼으로 확장될 것으로 기대한다.
윤성일 중앙대 교수는 "이번 연구는 AI가 복잡한 유전자 데이터 안에서 질병을 유발하는 핵심 경로를 찾아내고, 원인 유전자를 설명하는 방식을 고안했다는 점에서 의미를 갖는다"며 "공동연구팀은 SaintGSE가 향후 다양한 신약 후보 물질의 작용 원리를 예측하는 정밀의학 분야에 핵심 기술로 활용될 것으로 기대한다"고 말했다.
<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>