항생제 내성 해결하기 위해 개발된 AI 및 유전체학

2019-02-12 17:32:48 허성환 기자
▲항생제는 중요한 치료제 중 하나지만 일부 박테리아는 항생제에 내성이 있다(사진=ⓒ셔터스톡)

항생제는 박테리아 감염을 치료하고 예방하는 데 사용하는 치료제다. 그러나 박테리아가 자신을 제거하는 약물을 물리치는 능력을 개발하면서 항생제 내성이 발생하기 시작했다. 세계보건기구(WHO)에 따르면, 항생제 내성은 연령에 관계 없이 누구에게나 발생할 수 있지만 항생제를 오용하면 그 속도는 더욱 가속화돼 세계 보건과 식품 보안에 커다란 위협이 될 수 있다.

유전체학

한편, 유전체학에 AI를 적용하는 방법으로 항생제 내성 문제를 해결할 수 있다는 주장이 나오고 있다. 유전체학이란 유기체 또는 세포의 완전한 유전자인 게놈의 기능, 구조, 매핑, 진화 및 편집에 중점을 두는 학문을 일컫는다. 캘리포니아대학의 연구팀은 어떤 유전자로 인해 감염성 박테리아가 항생제에 내성이 생기는지 확인하기 위해 머신러닝 방법을 사용했다.

▲유전체학에 인공지능을 적용해 항생제 내성에 대항하는 방법을 개발할 수 있다(사진=ⓒ셔터스톡)

 

머신러닝 및 AMR

연구팀은 기준에 얽매이지 않는 머신러닝 방법을 개발했다. 이는 항생제 내성(AMR)에 대한 유전자 내용에서 가변성을 추정할 수 있도록 단백질 구조 분석과 유전자 상호작용을 통해 개발한 방법이다.

그 후, 연구팀은 총 13종의 항생제에 대한 AMR 진화의 특징을 탐지하기 위해 AI 알고리즘에 결핵 유발 박테리아인 결핵균 1,595종의 표현형과 게놈 염기서열을 입력했다. 실험 결과, 알고리즘은 33종 항생제 내성 유전자를 정확하게 예측할 수 있었으며 AMR의 새로운 유전자 특성 24개를 탐지했다. 연구팀은 이번에 개발한 기술을 감염을 유발하는 다른 병원균에도 사용할 수 있을 것이라고 설명했다. “머신러닝으로 유전자 상호작용을 밝혀낼 수 있다”고 그들은 강조했다.

심화학습 접근법

딥ARG(DeepARG)라는 심화학습 접근법 또한 메타유전자 데이터에서 항생제 내성 유전자를 예측하기 위해 개발한 방법이다. 버지니아텍 연구팀이 개발한 딥ARG는 딥ARG-LS와 딥ARG-SS라는 두 가지 심화학습 모델로 구성되어있다. 딥ARG-LS는 전체 유전자 길이 염기서열을 분석하기 위한 것이며, 딥ARG-SS 는 짧은 유전자 염기서열을 분석하기 위한 것이다. 연구팀의 구스타보 아르고티 박사는 바이오정보학 분야에서 현재 이용하고 있는 방법에 비해 이 딥러닝 모델이 보다 “정확한 항생제 내성 주석”을 제공하고 있다고 말했다.

▲새로운 딥러닝 시스템으로 항생제 내성 유전자를 탐지할 수 있다(사진=ⓒ셔터스톡)

 

박테리아, 파지의 행동을 예측하는 딥컴뱃

인도의 아밋 레이 박사는 자신이 속한 컴패셔니트 AI랩(Compassionate AI Lab)의 최우선 연구 과제가 바로 항생제 내성 박테리아라고 밝혔다. 이 연구소에서는 다중 약물 환경에서 파지와 박테리아의 행동을 예측할 수 있는 딥컴뱃(DeepCombat)이라는 다중 심화 강화 학습모델을 도입했다. 박테리오파지 혹은 줄여서 파지는 박테리아를 감염시키는 바이러스를 말한다.

레이 박사는 인공지능이 킬러 박테리아와 치명적인 감염을 탐지해 이 같은 ‘수퍼버그’를 물리칠 수 있다고 말했다. 그에 따르면, 다중 AI 시스템은 먼저 전체 시스템의 역학을 모방한다. 즉, 환경을 감지한 후 자동 방식으로 그에 반응하는 것이다. 딥컴뱃 모델을 구성하고 있는 4가지 동인은 다음과 같다.

(1) AI 동인 – 파지 및 박테리아 간의 싸움을 모의실험한다. 이 동인의 목적은 박테리아를 물리칠 수 있는 파지 유형을 찾는 것이다. 그리고 이 때 AI 동인은 다양한 신호를 감지 및 처리하고 이 같은 신호에 반응하기 위해 살아있는 세포처럼 작용한다.

(2) 박테리아 동인 – 박테리아는 온도, pH, 산소, 아미노산, 당분, 환경 DNA, 빛, 기타 미생물 같은 환경적 신호와 상호작용 할 수 있다. 박테리아는 항생제에 지속적으로 노출된 순간 다르게 행동하게 된다. 따라서 연구팀은 딥컴뱃으로 유전자 내용을 판독해 박테리아의 행동을 예측한다.

(3) 약물 동인 – 연구팀은 다중 약물 환경을 모의실험했다. 즉, 역학 환경 내에서 박테리아 활동과 항생제 농도 간의 관계를 모의실험 했다는 의미다. 그리고 약물 간의 상호작용도 구조화했다. 그 후, 데이터 훈련을 통해 AI는 최고의 표현형을 익힐 수 있게 됐다.

(4) 파지 동인 – 연구팀은 박테리아와 파지의 특별한 상호작용을 연구했다. 그리고 인간 숙주의 발달 단계 및 건강 상태에 따라 다양한 박테리아-파지 상호작용을 판단했다.

레이 박사는 심화 강화 학습 알고리즘을 사용한 딥컴뱃의 네 가지 동인을 통해 파지 및 박테리아의 행동을 “상대적으로 쉽게”예측할 수 있었다고 말했다. 이 알고리즘은 다중 및 계층적 심화 강화 학습 시스템이라고 그는 강조했다.

[메디컬리포트=허성환 기자]

Best News