세계 최초 AI 통한 유전자가위 효율성 예측 프로그램 개발

연세의대 · 서울공대 연구팀, 인공지능을 통한 유전자가위 정확도 향상 이뤄

유전자 교정(Genome Editing)에 필수적으로 쓰이는 유전자가위의 효과성을 예측하는 인공 지능(Artificial Intelligence)이 국내 연구진에 의해 세계 최초로 개발됐다. 

연세대의대 김형범 교수(약리학 · 기초과학연구원(IBS) 연구위원)팀과 서울대공대 윤성로 교수(전기정보공학부)팀이 연구자가 목표로 하는 유전자 부위를 잘라낼 수 있는 다양한 유전자가위 중 기대할 수 있는 최고의 효과를 낼 수 있는 유전자가위를 선택해 제시해주는 인공지능 프로그램을 개발했다고 세브란스가 30일 전했다.

유전자 교정기술에 큰 전기를 마련할 수 있는 공동 연구진의 성과는 세계적 학술지 'Nature Biotechnology'(IF 41.67)지 온라인 판 1월 30일 자로 게재됐다. 

유전자가위는 동식물 유전자에 결합해 특정 DNA 부위를 자르는 데 사용하는 인공효소로, DNA를 자르는 '절단효소'와 이 절단효소를 목표로 한 DNA'염기서열'로 이끌어 달라붙게 하는 운반체이자 길라잡이인 '가이드(Guide)RNA'로 이뤄진다.

염기서열은 생물의 유전자를 구성하는 염기의 배열로 아데닌(A), 구아닌(G), 시토신(C), 티민(T)의 순서로 돼 있다. 인간 유전자는 이들 네 종류의 염기 30억 개가 일정한 순서로 늘어서 있다. DNA염기서열에 따라 유전성과 키와 피부색 등 다양한 생물학적 특성이 결정된다. 유전자 교정효과를 높이기 위해서는 선택한 유전자가위를 목표로 한 DNA염기서열로 부착시키는 것이 관건이다. 

그러나 수많은 '가이드RNA' 종류 중 어느 것이 가장 정확하게 목표로 한 DNA염기서열로 접근 · 부착돼 충분한 유전자 교정효과를 낼 수 있는지 선택의 문제가 전 세계 유전자 연구자들의 큰 고민이 돼왔다. 

김형범 교수는 "기존에 유전자가위의 효과를 예측하는 컴퓨터 시뮬레이션 프로그램이 있지만, 다양한 형태의 유전자 가위에 대한 저장된 정보량이 적으므로 인해 부정확한 예측값을 산출해 활용도가 크지 못했다."라고 말했다. 이로 인해 많은 연구자가 직접 다양한 형태의 유전자가위를 만들어 일일이 실험을 통해 검증하는 수밖에 없어 상당한 노력과 시간 · 비용이 소요됐다. 

숙련된 연구자도 하나의 유전자가위를 만들어 검증하는데 평균 1주일의 시간과 노력이 필요한 것으로 알려져 있다. 

이러한 한계를 넘고자 김형범 교수는 입력되는 다양한 형태의 방대한 데이터를 스스로 학습하고 그 속에서 일정한 규칙성을 찾아 제시할 수 있는 '딥 러닝'(Deep Learning) 기술을 가진 인공지능이 대안이 될 수 있을 것으로 생각하고, 국내 인공지능 전문가로 널리 알려진 윤성로 교수와의 공동 연구를 추진하게 됐다.

인공지능형 유전자가위 예측모델을 구축하기 위한 첫 단계로서 김형범 교수는 앞서 개발한 유전자가위의 활성도를 대량으로 측정할 수 있는 첨단 분석기법으로 얻은 15,000개에 달하는 각기 다른 가이드RNA를 가진 '크리스퍼 유전자가위'(CRISPR-Cpf1)의 유전자교정 효과 정보를 내놓았다. 

윤성로 교수는 이 정보를 자체적으로 개발한 인공지능 딥러닝 기술을 통해 다양한 조건 속에서 최적의 유전자 교정 효과율을 낼 수 있는 크리스퍼 유전자가위를 높은 순부터 제시하도록 했다. 

윤성로 교수는 "스스로 학습하는 인공지능을 통해 연구자는 가장 최적의 유전자가위의 정보를 받아 유전자가위만을 실제로 제작해, 실험을 통해 검증함으로써 시간과 노력, 예산을 크게 줄일 수 있게 되었다."고 말했다.

인공지능에 의한 유전자가위 효과 예측도에 있어 김형범 교수는 "실제 실험 결과치와 인공지능이 제시한 예측값의 상관관계가 0.87로 수렴되는 매우 높은 신뢰도를 보여주었다."라고 말했다. 상관관계 값이 1에 가까울수록 보다 큰 정확도와 신뢰도를 보여주며, 기존 활용되던 유전자가위 시뮬레이션 프로그램은 평균 0.5~0.6의 값을 보여줬다. 

개발된 인공지능의 높은 정확도와 신뢰도를 높일 수 있던 이유로 연구진은 기존 프로그램에는 없던 새로운 변수 조건을 넣고 학습시킨 것이 중요했다고 의견을 모았다. 

김형범 교수는 "유전자 가위가 목표하는 DNA 염기서열로 접근, 성공적으로 부착하기 위한 '염색질 접근성'(Chromatin Accessibility)까지 고려한 정보를 인공지능에 넣었다."라고 말했다. 

유전자는 생물세포의 정보가 담긴 DNA가 '길게 연결된 두 가닥 사슬이 사다리형태로 연결된 모양'을 

갖고 있다. 또, 이 사다리들이 3차원적으로 꼬여져 있는 '나선형'으로 돼 있다. 유전자가위를 이 복잡한 형태의 나선형 사다리꼴의 DNA구조를 잘 헤집고 들어가 목표한 곳에 잘 부착시키는 것이 유전자 교정 성패를 좌우한다. 

윤성로 교수도 "목표한 유전자 염기서열을 '잘 찾아가고, 잘 잘라내는' 유전자가위의 종합적 정보를 넣어 인공지능을 학습시킨 것이 높은 효과를 가진 유전자가위 선택 정보를 내놓을 수 있었다."라고 말했다. 

두 연구팀은 이번에 개발한 '인공지능 유전자가위 효과예측 프로그램'의 장래를 밝게 봤다.

김형범 교수는 "향후 더 많은 유전자 가위의 효과 정보를 추가로 인공지능에 학습시킬수록 정확도와 신뢰도가 향상된 유전자가위 효과예측 인공지능 프로그램을 구축할 수 있을 것"이라고 했다.

윤성로 교수 또한 "유전자치료와 신약개발 등 의료산업 분야를 넘어 다양한 분야에 쓰일 수 있는 유전자가위 효과예측 프로그램을 만듦으로써 관련 산업분야를 우리나라가 선도할 수 있는 계기를 마련했다는 점에서 연구 의의가 크다."라고 말했다. 

아울러 김형범 · 윤성로 교수는 자신들의 이번 공동연구 성과를 통해 향후 국내 의학과 공학 분야의 융합연구가 더욱 활성화되기를 기대했다.

한편, 연세의대와 서울공대 연구팀의 공동연구는 한국연구재단과 기초과학연구원(IBS)의 후원을 받아 지난 1년여간 수행됐다.