"톡톡인터뷰"는 BRIC과 과학커뮤니케이터가 함께 만들어 가는 기획인터뷰입니다. 이번 주제는 with NAMs(동물대체 시험법)입니다. 과학커뮤니케이터가 진행하는 인터뷰를 통해 최근 화제가 된 동물대체 시험법에 대해 다양한 분야 전문가를 만나 깊이 있게 파헤쳐 봅니다. 톡톡인터뷰 with NAMs 편은 총 네편으로 제공될 예정입니다. (BRIC 운영진) BRIC x 과커 <톡톡인터뷰> #울림 안녕하세요. 과학커뮤니케이터 울림입니다. 오늘 <톡톡인터뷰>에선 NAMs(New Approach Methods, 신규접근법, 동물대체 시험법)에 대해 다뤄보려고 하는데요. 특히 NAMs와 AI에 대해 카이스트 김대수 교수님과 얘기 나눠보려고 합니다. Q. 김대수 교수님, 소개 부탁드립니다. 안녕하세요. KAIST 뇌인지과학과 김대수입니다. 저는 KAIST에서 뇌와 행동에 관한 과학을 가르치고 있고 개인적으로는 뇌 질환 치료제 개발을 위한 회사를 경영하고 있습니다. 또한, 제자가 창업한 인공지능 회사에 공동 창업자로 참여해 연구 성과의 실용화를 위한 작업도 함께 진행하고 있습니다. 저는 1993년 대학원 시절부터 지금까지 줄곧 동물 실험을 해왔습니다. 쥐를 대상으로 유전자 편집, 뇌 질환 연구, 신경회로 분석 등 다양한 연구를 해 왔고, 최근에는 파킨슨병과 같은 난치성 퇴행성 뇌 질환 치료제를 개발하고 있습니다. 또 뇌가 어떻게 우리 몸과 근육을 어떻게 움직이는지, 행동에 관해서 연구하고 있습니다. 특히 동물의 사냥 행동을 집중적으로 연구하는데, 사람으로 치면 생존을 위해 열심히 일하는 것과 같은 이치입니다. (본능에 가까운 행동인가요?) 그렇습니다. 그런 본능 조절 신경회로를 연구하고 있습니다. 최근에는 AI 기술을 도입해서 행동 데이터를 분석하고, 그 안에서 유용한 지식을 도출하는 연구에 집중하고 있습니다. 과거의 동물 실험은 사람이 일일이 수작업으로 해야 했습니다. 동물을 그냥 두면 너무 많이 움직여서 데이터가 복잡해지므로 해석이 어려워져요. 그래서 미로를 만들어서 좌우 선택만 하게 하거나 머리를 고정하고 팔만 뻗게 하는 식의 제한된 실험을 하던 게 고전적인 동물 연구 방법입니다. 약물 실험도 마찬가지였어요. 통계 분석을 위해 변수를 줄여야 했기 때문에 쥐가 환경에 적응하고 학습시키는데 많은 시간이 걸렸어요. 그렇게 하면 많은 쥐가 희생되어야 했고, 그럼에도 얻을 수 있는 정보가 제한적이었습니다. AI 기술은 획기적입니다. AI는 동물의 행동을 마치 언어처럼 정교하게 읽어냅니다. 그래서 굳이 쥐를 선행 학습 시키지 않아도 약물의 효과를 즉각 분별해 낼 수 있고 복잡한 행동도 정량화할 수 있습니다. 덕분에 최소한의 동물을 희생시키면서 아주 유용한 결과를 뽑아낼 수 있게 되었습니다. Q. 전통적인 동물 실험 중심으로 신약 개발을 해오셨는데, AI로 전환하게 된 특별한 계기가 있을까요? 가장 큰 계기는 10여 년 전쯤 연구실 학생들의 현실적인 어려움에 대해 들었기 때문입니다. 학생들이 쥐 실험은 재밌는데 나중에 쥐 행동을 분석할 때 쥐의 움직임을 적어도 한 마리에 30분씩은 봐야 합니다. 또 통계를 내려면 최소 두 명 이상의 연구원이 교차 검증해야 하니, 분석해야 하는 대상이 10마리면 300분, 그 이상이면 수십 시간을 모니터 속 까만 쥐를 바라보며 씨름해야 합니다. ‘이건 사람이 할 일이 아니구나. 이걸 자동화했으면 좋겠다’라고 생각하게 됐습니다. 자연스러운 행동 분석을 자동화할 방법이 없을지 고민하고 쥐의 다리에 센서를 붙여보는 등 여러 가지 방법을 시도해 봤지만 모두 실패했어요. 그렇게 고민이 깊어지던 때 알파고와 이세돌의 세기의 대국이 펼쳐지면서 인공지능 시대가 열렸습니다. 그리고 제가 2012년에 다보스포럼에 참석했는데 4차산업혁명 시대가 왔다는 선포도 되고 이런 시대적 흐름을 보면서 인공지능을 우리 연구에 도입하면 학생들이 단순 반복 노동에서 벗어나 효율적으로 연구할 수 있겠다는 확신이 들어 이런 동기로 시작하게 됐습니다. Q. AI 기반 동물실험 대체 기술의 현황과 현재 구축 중인 ‘AI 기반 생체 모사 모델’의 핵심 기술은 무엇입니까? 핵심 기술은 Large Language Model(거대언어모델)과 같은 생성형 AI입니다. 원래 언어를 학습하는 모델이었는데, 언어라는 게 단어의 순서, 배열이다 보니 데이터의 순서를 파악하는데 탁월합니다. 이를 시계열 데이터(Time-series data)라고 부르는데 인공지능은 시계열 데이터 분석을 굉장히 잘합니다. 흥미롭게도 생물학 데이터 역시 본질적으로 시계열 데이터입니다. 세포의 분열과 사멸, 발생, 동물의 행동 패턴까지 시간별로 변화하는 연속적인 변화이기 때문입니다. 따라서 시계열 분석에 강한 생성형 AI는 생명 현상을 분석하는 데 최적의 도구입니다. 조금 더 철학적으로 접근하면 자연은 다 언어로 이루어져 있다고도 볼 수 있습니다. 우리가 논문을 쓰는 것도 자연의 현상을 인간의 언어로 번역해서 쓰는 과정이니까요. 하지만 자연의 언어는 양이 너무 많기도 하고 우리가 볼 수 없을 만큼 작은 글씨로 돼 있어서 인간의 인지 능력으로는 한계가 있습니다. 하지만 인공지능은 다릅니다. AI는 인간이 볼 수 없던 작은 글씨도 볼 수 있고, 분석해야 하는 양이 많아도 얼마든지 많은 양의 데이터도 문제없이 처리할 수 있습니다. 즉, AI는 그래서 지금까지 인간이 했던 일을 편리하게 대체해 주는 데서 더 나아가 우리가 볼 수 없었던 물리적 세계에 대한 데이터와 언어적 요소를 파악해 우리에게 알려주는 완전히 새로운 연구 시스템이라고 할 수 있습니다. Q. 인간의 관찰과 AI 모델링 예측 사이의 간극은 어느 정도인가요? AI가 실제 동물의 행동을 얼마나 정확하게 모사하고 추적할 수 있는지 궁금합니다. 당연히 인간이 평가하는 기준을 인공지능에 학습시키면 정확하게 평가해 냅니다. 결론을 말씀드리자면 AI는 인간의 평가 능력을 단순히 모사하는 수준을 넘어섰습니다. 특히 인간의 눈에는 보이지 않는 규칙성을 찾아낸다는 점이 주목할 만한데요. 우리 눈에는 무작위적으로 움직이는 것처럼 보이는 행동 속에서도 AI는 정교한 패턴을 읽어냅니다. 예를 들어, 정상 쥐와 치매 쥐를 같이 본다고 가정해 봅시다. 사람의 눈으로는 그 쥐의 행동 차이를 구별하기가 힘듭니다. 그런데 인공지능은 5분 안에 행동 패턴 분석을 통해 어떤 쥐가 치매에 걸렸는지 정확히 판별해 냅니다. 단순히 2마리의 차이만 찾는 게 아니라 그룹 형태로 많은 숫자를 넣어줘도 두 그룹 간의 미세한 차이를 세밀하게 알려줍니다. 앞으로는 연구자와 AI가 대화를 통해 상호작용 하면서 연구하는 시대가 올 겁니다. (지금 들었을 땐 이미 동물실험을 충분히 대체할만하다 기술력으론 이미 능가했다고 느껴집니다.) 여기서 대체한다는 것의 의미를 제대로 알려면 동물 윤리법 3R을 살펴봐야 합니다. Q. 3R이란 구체적으로 무엇인가요? 3R은 과거부터 동물실험 연구자들이 동물실험 윤리 규정으로 약속한 감소 서로 윤리적으로 약속한 규정입니다. Reduce(감소), Refinement(개선), Replacement(대체)를 말합니다. 첫째, Reduce는 실험에 희생되는 동물의 수를 최소한으로 줄이는 것입니다. 둘째 Refinement는 정교한 통계 기법과 기술을 활용해 한 번의 실험에서 최대한 많은 데이터를 확보해 불필요한 반복 실험과 동물의 고통을 줄이는 것입니다. 셋째 Replacement는 동물실험을 하지 않고도 연구할 방법이 있으면 그것으로 대신하라는 원칙입니다. AI 기술이 바로 여기에 해당합니다. 인공지능 기술을 통해 가상의 세포나 가상의 동물을 만들어 실험하는 가상 시뮬레이션이 먼 미래의 목표라면, 현재 할 수 있는 일은 iPS(유도만능줄기세포, induced Pluripotent Stem Cell)와 오가노이드(장기 유사체) 기술이 있습니다. 환자의 조직을 배양해 만든 미니 장기로 약물 반응을 테스트해 볼 수 있습니다. 최근 흐름도 바뀌고 있는데요. 미국 FDA에서 이제 반드시 동물실험을 거치지 않았더라도, 오가노이드 등 합리적인 대체 시험법을 제시하고 효능을 입증하면 신약 허가를 내주겠다는 입장입니다. Q. 그렇다면 AI를 활용한 대체 시험법에 어떤 한계점이 있을까요? 역설적으로 AI가 동물을 대체하기 위해선 당분간 더 정교한 동물실험이 필요합니다. 가장 큰 한계는 AI는 데이터를 기반으로 움직이기 때문에 동물실험을 대체하기 위해선 지금보다 훨씬 더 많은 데이터가 있어야 한다는 점입니다. (완전히 대체하기까지는 시간, 그리고 많은 동물 실험이 필요하다는 말씀이군요.) 일부러 희생시킬 필요는 없지만 개발단계에선 병행되어야 합니다. 인공지능이 예측한 결과가 맞는지를 확인할 수 있어야 하니까요. 예를 들어 알파폴드 같은 그런 단백질 구조 예측 프로그램과 같은 여러 인공지능 프로그램으로 어떤 약물을 개발했다고 해봅시다. 그것만 믿고 사람에게 그 약을 바로 사용할 순 없습니다. 약물 독성 테스트를 위해 동물실험이 필요하거든요. 그래서 AI가 만들어낸 많은 후보 약물을 동물 시험을 통해 다시 인공지능이 예측한 것과 얼마나 맞느냐 그걸 또 학습시켜야 하는 절차가 필요합니다. 결과적으로는 동물실험이 점차 줄겠지만, 짧은 시간 안에 대체되는 건 아니고 점차 대체될 겁니다. 그렇게 하기 위해서 더 정교하고 계획된 동물실험을 해야 합니다. AI의 등장으로 동물실험의 중요성이 떨어졌다기 보다는 AI 학습을 위한 양질의 데이터를 제공하기 위해 오히려 동물실험을 더 정교하게 해야 하는 것이죠. 또 다른 한계는 Overfitting(과적합)과 블랙박스 문제가 있습니다. 예를 들어 AI에게 치매 쥐와 정상 쥐의 자료를 주고 두 쥐를 구별하게 한다면 AI는 치매 유전자뿐 아니라 쥐의 생활 습관, 사소한 습관 등의 엉뚱한 특징(Feature)을 근거로 분류할 수도 있습니다. 예를 들면 ‘울림’님과 저의 비교를 맡긴다면 남녀의 차이뿐 아니라 굉장히 많은 차이를 다 분석하는데 AI가 어떻게 이 두사람을 다르다고 인식하는지를 모릅니다. (인공지능의 블랙박스 영역 때문이군요.) 마지막으로는 AI가 가진 고정된 구조의 한계입니다. 사람은 열심히 가르치면 생각이나 철학도 바뀌잖아요. 학습을 통해 뇌 구조가 변하는 신경가소성이란 특성 때문에 역사적 맥락과 철학과 같은 요소들로 사고를 확장합니다. 그런데 인공지능은 신경회로 자체가 바뀔 수 있는 게 아니고 고정된 구조입니다. 만약 사고가 확장된다고 느낀다면 바뀌는 척만 하는 거예요. 어떤 과학이나 실험에선 실험의 목적, 역사적인 맥락, 또 철학이 들어가야 하는데 그런 건 인공지능이 못합니다. 이미 만들어진 신경망 구조를 활용하고 학습된 걸 활용하기 때문에 그렇습니다. 제가 왜 이 말씀을 드리냐면 앞으로 Cancer 모델이나 뇌 질환 모델을 만들려면 특화되게 학습을 시키는 과정이 필요한데 여전히 학습을 시킬 데이터는 부족하고 또 AI는 한계가 분명하기 때문에 이런 것을 앞으로 극복해 나가는 많은 여정이 있을 것이다 그런데 그렇게 시간이 오래 걸리진 않을 것이라고 말하고 싶어요. Q. AI를 도입하는 새로운 패러다임(NAMs)은 결국 우리가 나아가야 할 방향이라고 볼 수 있을까요? 당연히 나아가야 할 방향입니다. 더 중요한 것은 대체하는 정도의 수준이 아니라 훨씬 더 많은 정보와 가치를 제공한다는 것입니다. 우리 연구팀이 개발한 아바타(AVATAR)라는 동물행동 분석프로그램으로 예를 들어보겠습니다. 기존 비디오 분석은 동물을 단편적인 시각에서만 볼 수 있었습니다. 하지만 AI 기반의 아바타는 위, 아래, 심지어 돌려가면서도 볼 수 있고 분석할 수 있습니다. 더 정밀하고 정확하게 행동 분석을 할 수 있기 때문에 결과의 신뢰도가 향상하고, 자연스럽게 실험동물의 수도 줄일 수 있습니다. 또한 이 기술은 동물뿐 아니라 사람의 약물 반응을 모니터링하는 임상 영역으로까지 확장할 수 있습니다. 두 번째 의미는 객관성 확보입니다. 보통 신약을 개발하면 효능 입증을 위해 제삼자 기관인 CRO에 비싼 비용을 내고 실험을 의뢰합니다. 그런데 이것도 사람이 육안으로 판독한 것이기 때문에 결과에 대한 검증이 어렵고 주관이 개입될 여지가 있습니다. 반면 AI는 객관성 측면에서 크게 기여할 수 있다고 생각하고 사람이 할 수 있는 오류라든지 오차를 보완할 수 있습니다. 결국 AI 도입은 데이터 해석의 비용을 낮추면서도 과학적 정밀함과 객관성이라는 두 마리 토끼를 잡는 길이라고 생각합니다. Q. 개발하신 아바타(AVATAR) 행동 분석모델의 향후 진화 방향은 어떻게 예상하시나요? 또한 이를 가로막는 장애물은 무엇입니까? 앞으로는 생물학 전반에 AI가 적용될 것입니다. 실제로 비전(Vision) AI는 세포와 조직 단계에 다 적용할 수 있고요. LLM은 생물학의 시계열 데이터 분석에 탁월합니다. 가장 핵심적 진화 방향은 멀티모달 데이터 통합(Multimodal Data Integration)입니다. 예를 들어, 단백질 구조를 예측하는 알파폴드(alpha fold)가 더 발전하면 단백질 구조를 넘어서서 거기에 붙을 수 있는 약물의 구조, 작용기도 예측할 수 있고 나중에는 세포, 조직, 개체 단계에서 독성과 효능까지 예측할 수 있게 됩니다. 지금까진 우린 세포는 세포끼리, 조직은 조직끼리 같은 차원에서만 비교했습니다. 하지만 멀티모달 기술이 완성되면 시험관 실험 결과, 환자의 임상 결과, 약물의 효과 등 서로 다른 차원의 데이터를 종합적으로 연결해 분석할 수 있게 됩니다. 엄청난 시간과 비용 단축 그리고 경제적, 산업적인 파급 효과가 클 것이라 기대됩니다. 근데 그건 장밋빛 전망이고 장애물도 있습니다. 먼저 고품질(High Quality) 데이터의 부재입니다. 기존 데이터는 단순화(binary)된 정보가 대부분입니다. 인공지능에 학습시킬 수 있는 데이터가 쌓여온 게 아니기 때문이에요. 단순화된 데이터로는 AI를 학습시킬 수 없기 때문에 여러 개의 변수를 동시에 가지고 있는 입체적인 데이터가 필요합니다. 그래서 앞으로는 AI 학습을 염두에 둔 실험 설계가 필요합니다. 두 번째는 인프라 조성입니다. 방대한 생물학적 데이터의 연산 처리를 위해서는 AI 칩과 인프라가 지금보다 훨씬 커져야 합니다. 지금도 충분히 많이 커졌는데도 더 커져야 합니다. 인공지능 발전뿐 아니라 데이터, 인프라가 같이 따라가 줘야 하고요. 그럼에도 불구하고 데이터가 좋으면 지금보다 훨씬 성능이 낮은 인공지능도 훨씬 더 좋은 결과를 낼 수 있다는 걸 기억해야 합니다. 여기서도 인간의 역할이 중요한데요. AI에게 공급할 정교한 데이터를 기획하고 공급하는 일은 사람이 해야 할 일이고 그건 고도의 전문 영역이 될 거예요. Q. FDA나 식약처 같은 규제 기관이 AI를 활용한 신약 개발 데이터를 인정해 줄 것이라고 보시나요? 그건 규정에 따라서 이루어질 것으로 보는데요. 규제는 사회적 합의와 세계적인 데이터나 트렌드에 따라 만들어 지기 때문에 시대에 맞춰서 변합니다. 모든 기술 발전은 규제가 있을 때 그걸 뛰어넘으려는 시도에서 이루어졌습니다. 그래서 규제의 질이 중요합니다. 규제 기관에 부탁드리고 싶은 건 새로운 기술의 싹을 자르는 규제가 되어선 안 된다는 것입니다. 국민의 안전은 충분히 보호하면서도 과학자들이 새로운 기술로 장벽을 뛰어넘을 수 있도록 명확하고 합리적인 가이드라인을 제시하는 게 중요하다고 봅니다. Q. 인간 대상의 인실리코(In-silico) 임상이나 디지털 바이오 마커로의 확장 가능성은 어떻게 보십니까? 인간 모델의 한계를 오가노이드가 채워줄 것이라고 생각합니다. 하지만 이를 검증하기 위해선 역설적으로 더 정교한 동물 실험이 필요합니다. 인간 대상 실험은 윤리적 제약과 개개인의 유전적 다양성 때문에 마음대로 데이터를 얻기 어렵습니다. 이에 대한 대책으로 오가노이드(Organoid, 장기유사체)가 중요하다고 생각합니다. 환자의 특성을 반영하면서 자유롭게 실험할 수 있기 때문입니다. 하지만 오가노이드를 오랜 시간 연구했음에도 불구하고 아직도 문제점이 많이 있습니다. 오가노이드가 실제 장기의 복잡성을 100% 반영하느냐고 묻는다면 대답은 아직 미지수입니다. 그래서 교차 검증이 필수적이고 그래서 동물 실험이 필요합니다. 동물 실험과 오가노이드 데이터를 비교해 오가노이드가 실제 생체 반응을 정확히 구현하는지 확인해야 합니다. 즉 동물 실험을 대체하는 데까지 나가기 위해선 신뢰할 수 있는 대체재를 만들기 위해 지금보다 더 적극적이고 정교한 동물 실험을 수행해야 한다는 결론입니다. Q. 마지막으로 향후 연구 비전과 이 시대를 살아가는 학생, 그리고 대중들에게 전하고 싶은 메시지가 있을지 말씀 부탁드립니다. 제가 연구를 한 시간을 돌아봤더니 카이스트에서만 21년이 넘었고, 전체를 보면 30년 동안 연구를 해왔더라고요. 이제는 그런 연구 성과들이 뇌 질환, 희귀 난치병 환자들에게 실질적인 도움이 되도록 임상과 사업화에 집중하고 있습니다. 내년이나 후년에는 임상에 들어가고 그에 따른 결과들을 볼 수 있을 거라 굉장히 기대를 가지고 있습니다. 학생들이나 대중들에게 드리고 싶은 말씀은 지금은 여러 기술의 발달로 꿈을 현실로 만들 수 있는 최고의 시대라는 것입니다. 옛날에는 비전이라는 게 닿을 수 없는 이상 같은 은 걸로 느꼈다면, 지금은 기술과 사회의 고도화로 마음만 먹으면 성취할 수 있는 환경이 되었어요. 바로 오늘부터 내가 어떤 꿈이 있고 하고 싶은 일이 있으면 바로 실행하고 실행하려면 어떻게 해야 하는지 챗 GPT나 주변 사람들에게 물어보고 내가 가장 빠르게 할 수 있는 일이 뭔지도 생각해 보세요. 구체적인 질문을 던지면 우리 뇌는 알아서 방법을 찾습니다. 꿈과 비전에 대해서 막연하게 생각만 하지 말고 실제로 이것들을 어떻게 실현해야 하지 이런 질문을 던지면 많은 길이 열린다는 얘길 전하고 싶어요. 또 내가 제일 잘 하고, 되고 싶은 걸 잘 준비하다 보면 사회가 빨리 변하면서 그 시대가 왔을 때 잡기만 하면 되는 거라고도 말하고 싶어요. (끝) ---------- 인터뷰이 : 김대수 (KAIST 뇌인지과학과 교수) 한빛사 논문 보기, 한빛사 인터뷰 보기 --------- 인터뷰어 : 울림 (황승현) -POSTECH 화학공학 및 기계공학 학사 및 석사 -2023 페임랩 코리아 최우수상 -BRIC 연재 'Allure of Life : 매력적인 삶 그리고 생명' -인스타(ullim_olim), 유튜브채널(@ullim_science)

톡톡인터뷰 with NAMs

안녕하세요. 메모리얼 슬론 케터링 암 센터 산하 슬론 케터링 연구소에서 조직 재생을 연구하는 이주현입니다. 우리 실험실은 폐에 존재하는 줄기세포가 주변 세포들과 함께 폐를 어떻게 유지하는지, 손상 시 어떻게 재생이 일어나는지, 그리고 이러한 재생 기작이 잘못 작동할 경우 어떻게 질병으로 이어지는지를 연구하고 있습니다. 세포의 관점에서 바라본 폐 폐는 생명과 직결되어 있으면서 매일 손상받는 기관입니다. 숨을 쉴 때마다 병원균과 오염물질이 공기와 혈액을 통해 직접 폐에 노출됩니다. 보호 작용이 있어야 하겠지요. 우리 연구실은 폐가 어떻게 손상되고, 손상된 세포가 어떻게 재생되어 대체되는지 폐의 보호작용이 켜지고 꺼지는 과정을 연구하고 있습니다. 폐는 구조적으로도 특이해서 기관(trachea)이라는 공기가 지나는 통로가 있고, 기관이 나뉘어 기관지(bronchus)와 세기관지(bronchiole)가 되고, 세기관지는 폐포(alveoli)를 형성합니다. 이처럼 통로가 연결되어 있는데도, 각 통로를 구성하는 세포의 종류는 모두 다르고, 이들을 만들어내는 줄기세포도 각각 따로 존재합니다. 폐의 위쪽 줄기세포와 아래쪽 줄기세포가 달라요. 다른 기관들이 하나의 줄기세포가 다양한 세포를 모두 만드는 반면, 폐는 각기 다른 줄기세포들이 각각의 장소에서 다양한 신호에 반응해 폐를 유지합니다. 놀랍게도 폐는 손상이 없을 때 세포의 교체 주기가 느려요. 전반적으로 세포가 안정된 상태로 유지되고 있다가, 손상이 생기면 줄기세포가 빠르게 활성화되어 재생을 시작해요. 조용히 항상성을 유지하던 세포들이 손상이 생겼을 때 어떻게 활성화해서 손상된 세포를 대체하는지 그 기작을 찾고 있습니다. 최근에는 폐를 포함한 다양한 기관에서 상피세포들이 가소성이 생긴다고 얘기합니다. 줄기세포가 아닌 세포가 가소성을 얻어서 줄기세포로서의 역할을 하는 것입니다. 많은 학자들이 세포가 어떻게 가소성을 얻어 줄기세포 역할을 하는지 활발히 연구하고 있습니다. 서경배과학재단에 제안한 연구 주제가 바로 폐 세포의 가소성이었습니다. 처음에는 손상받지 않고 조용히 있던 세포가 손상 이후 어떻게 활성화되어 재생을 유도하는지를 중점적으로 연구했습니다. 그러다 이 과정에서 주변 세포들, 특히나 면역세포가 세포의 활성화와 상태 전이에 중요한 역할을 한다는 사실을 확인하게 되었습니다. 이렇게 활성화한 세포들은 하나의 경로를 따라가는 것이 아니라 다양한 세포 상태를 거쳐 재생된다는 것도 알게 됐고요. 세포의 상태를 어떻게 조절하는지에 따라서 성공적인 재생으로 이어지기도 하고, 반대로 비정상적인 회복을 통해 질병으로 전환되기도 한다는 단서를 얻었습니다. 최근에는 단일 세포 기술과 공간전사체 등 다양한 첨단 기술을 활용해 폐 세포의 상태가 시공간적으로 어떻게 조절되는지를 정밀하게 분석하고 있습니다. 이를 통해 폐 조직 내에서 줄기세포와 이들을 둘러싼 미세환경 사이의 상호작용이 어떻게 질병의 경과를 결정짓는지를 파악하고자 합니다. 우리는 이러한 관점에서 특히 폐 섬유화증의 초기 병인과 진행에 대해 연구하고 있어요. 이 질환은 현재까지 명확한 원인이 밝혀지지 않았고, 환자 간 표현형도 달라서 치료 타겟을 특정하기가 어렵습니다. 이전에는 만성 염증을 조절하거나 섬유아세포를 억제하는 접근이 주를 이뤘지만, 최근에는 폐 상피세포의 재생 실패가 섬유화증의 시작점일 수 있다는 인석이 자리 잡고 있어요. 그래서 우리는 재생 실패가 어떻게 유도되고, 이 과정에서 줄기세포와 면역세포 등 주변 세포들이 어떤 역할을 하는지를 집중적으로 분석하고 있습니다. 무엇보다 흥미로운 점은, 이러한 세포 상태 조절의 실패와 미세환경 변화가 폐암의 초기 발생 기전과 밀접하게 연결되어 있다는 사실입니다. 정상적인 재생 경로에서 벗어난 세포들이 가역적인 상태 전이를 반복하며 결국 종양화되는 과정을 최근 관찰하였고, 재생과 병의 경계가 어떻게 무너지는지를 이해하는 것이 폐암의 조기 진단 및 예방 전략을 세우는 데 중요한 단서를 제공할 수 있음을 확인하였습니다. 그림 1. 실험실에서 관찰한 폐포의 재생 과정 어떻게 폐 줄기세포 연구를 하게 되었나요? 줄기세포 연구를 하게 된 건 우연이예요. 박사 과정 때 처음 맡은 프로젝트가 실험실에서 연구하고 있는 유전자의 결합 파트너를 찾는 일이었어요. 결합 파트너 중에 하나가 줄기세포를 조절하는 단백질이었고요. 그렇게 줄기세포를 연구하게 되었습니다. 졸업하면서 줄기세포 연구를 계속하고 싶고, 특히 질병과 연관된 줄기세포의 역할에 관심이 많아 성체줄기세포를 연구하기로 결심했습니다. 어떤 조직의 줄기세포를 연구할지 고민하던 중, 주요 기관이지만 상대적으로 연구가 덜 이루어진 분야를 찾게 되었고, 그렇게 폐 줄기세포 연구에 관심을 가지게 되었습니다. 하버드대에서 폐줄기세포 연구를 본격적으로 시작하게 되었고, 질환을 제로 이해하려면 단순히 병든 상태만이 아니라 폐의 항상성이 평소에 어떻게 유지되는지, 그리고 손상 후 어떤 재생 기작이 작동하는지를 포괄적으로 이해해야 한다는 필요성을 느껴 연구 방향을 확장하게 되었습니다. 인간 생물학은 인간의 세포로 연구실을 시작할 즈음 인간 생물학에 대한 필요성이 커지고 있었어요. 과거에는 인체 내에서 일어나는 일들을 연구하기 위해 동물 모델을 많이 사용했는데, 단일 세포 수준에서의 인간 데이터들이 쏟아져 나오면서 동물 모델과 실제 인간에 많은 차이가 있다는 걸 알게 되었어요. 예를 들면, 제가 연구하는 폐는 구조적으로 구획이 나뉘어 있고, 세포 종류도 다양합니다. 인간과 생쥐 모두 유사한 세포를 갖고 있지만, 세포의 위치나 분포가 다르기 때문에 같은 줄기 세포라도 기능이 다를 수 있습니다. 이런 차이를 느끼며 인간 조직 기반 연구의 필요성을 절실히 느꼈고, 그 결과 폐 줄기세포 유래 오가노이드를 개발하고 연구를 이끌게 되었습니다. 오가노이드는 장기에서 유래한 줄기세포를 3차원 환경에서 배양해 장기의 구조와 기능을 모사하는 ‘미니장기’ 모델입니다. 하나의 줄기세포로부터 다양한 상피세포가 자가 조직화되며, 실제 인간 폐 조직의 복잡성을 실험실에서 재현할 수 있다는 점에서 강력한 연구 도구로 떠오르고 있어요. 시 시스템을 활용하면 인간 특이적 세포 기증과 질환 기전을 더 정밀하게 연구할 수 있습니다. 그림 2. 폐 오가노이드 오가노이드로 재현하는 인간의 폐 우리 실험실은 의료기관 내에 위치해 있어 환자 샘플을 받기 좋아요. 다양한 폐 질환 환자의 조직 샘플에서 줄기세포를 분리하고 배양하여, 인간의 폐의 구조와 기능을 심층적으로 이해하고자 합니다. 특히 오가노이드를 활용하면 환자 폐에서 발생한 손상이나 질병 상태를 실험실에서 재현할 수 있습니다. 예를 들어, 폐암이나 섬유화증(fibrosis) 환자의 조직으로 만든 오가노이드를 분석해 보면, 실제 환자 샘플에서 관찰되는 상피세포의 표현형이 많이 반영되어 있었습니다. 또한, 생쥐의 폐에 손상을 주고 줄기세포에 표지를 달아 세포의 분화를 추적하는 lineage tracing 연구를 수행했고, 해당 줄기세포를 분리하여 오가노이드로 배양한 결과와 비교했을 때, 생체 내와 실험실 환경에서 유사한 세포 변화 양상을 확인했습니다. 이를 통해 생체 내에서 일어나는 현상을 실험실에서도 어느 정도 재현할 수 있다는 가능성을 보았습니다. 물론 현재의 오가노이드는 상피세포로만 이루어진 구조이기 때문에, 생체의 모든 면을 반영하지 않습니다. 폐는 주변 세포의 역할이 너무 중요하거든요. 면역 세포의 활성화 기작도 중요하고 주변에 있는 섬유아세포나 다른 상피세포와의 상호 조절 작용에 의해서도 폐가 유지됩니다. 이 따라 우리 연구실을 포함한 여러 연구팀이 다양한 세포를 함께 배양해 더 복잡한 조직 구조를 구현하는 오가노이드 개발에 힘쓰고 있습니다. 그림 3. 오가노이드 형성 과정 연구하는 삶의 궤적 흔치 않은 길을 걸어왔다고 생각하실 수도 있을 것 같아요. 박사 과정까지 한국에서 마친 뒤, 많은 사람들이 선택하는 미국 보스턴에서 포스닥 연구를 했고, 그 이후에는 연고도 없는 영국 케임브리지에서 독립 실험실을 시작했습니다. 그리고 지금은 뉴욕 슬론 케터링 연구소에 오게 되었죠. 남들과 조금은 다른 커리어 경로를 택하게 된 특별한 이유는 없어요. 저는 새로운 곳에서 새로운 일을 하는 것에 두려움이 없어요. 새로움에서 오는 설렘이 두려움보다는 훨씬 컸기에 주저하지 않았고, 다른 나라로 옮기는 데에도 큰 어려움을 느끼지 않았습니다. 물론 쉬운 길은 아닙니다. 보스턴에서 폐 줄기세포 연구를 시작하면서 점점 더 깊은 질문을 던지고 싶어 졌고, 포스닥을 마친 후 제 연구실을 시작하려고 하니까 부족한 느낌이 들었어요. 줄기세포의 근본적인 메커니즘을 더 깊이 탐구할 수 있는 곳이 필요하다고 느꼈습니다. 그러다 자연스럽게 유럽에서 가장 큰 줄기세포 연구소인 케임브리지에 가야겠다고 결정하게 되었습니다. 케임브리지 줄기세포 연구소는 줄기세포를 연구하는 28개 팀이 있고, 발생 줄기세포부터 성체 줄기세포, 재생의학까지 매우 다양한 맥락에서 활발한 연구가 이뤄지고 있습니다. 특히 연구소장이셨던 오스틴 스미스 교수님은 40년 가까이 ‘다능성 (pluripotency)’에 대한 선구적인 연구를 이끌어온 분으로, 그분의 연구 여정을 가까이에서 지켜보고 깊이 있는 학문적 대화를 나눌 수 있다는 점 또한 저에게는 중요한 동기였습니다. 지금은 제 과학적 멘토이자, 제 연구 여정에 가장 큰 영향을 주신 분이라고 생각합니다. 케임브리지에서 7년 반 정도 있으며, 연구자로서의 기반을 잘 다질 수 있었습니다. 그곳에서는 근본적인 질문을 던지고 깊이 있게 탐구하는 방식을 배웠고, 이는 제 연구 철학의 중요한 부분이 되었습니다. 이제는 제가 얻은 지식을 세상에 적용해보고 싶고, 한 단계 더 도전해보고 싶다는 마음이 커졌어요. 또한 빠르게 발전하는 첨단 기술들을 적극적으로 활용할 수 있는 환경에서 연구를 이어가고 싶기도 했습니다. 메모리얼 슬론 케터링 암센터는 병원과 연구소가 긴밀히 연결되어 있어 인간 조직 샘플에 쉽게 접근할 수 있는 강점이 있습니다. 케임브리지에서 시작한 SUHF 프로젝트를 더 실제적인 환경에서 확장하고, 동시에 제 연구 커리어에도 도전하고자, 어쩌면 조금은 무모할 수도 있는 결정을 내리게 되었고, 지금 이곳에서 새로운 단계를 시작하게 되었습니다. 무엇보다 감사한 것은, 이러한 전환의 과정에서 SUHF가 저를 최대한 지원해 주셨다는 점입니다. 덕분에 제가 가진 연구의 방향성과 목표를 놓지 않고, 더 넓은 무대에서 이어갈 수 있었습니다. 연구실 이모저모 처음 연구실을 시작했을 때는 운영하는 게 어려웠어요. PI 가 처음이잖아요. 근데, 시간이 지나면 능숙해질 줄 알았는데 항상 새로운 사람들이 오기 때문에 사람과 사람 사이의 관계를 새롭게 만들어가는 일은 늘 새롭고 어렵습니다. 사람마다 다 다르잖아요. 서로 다른 성향과 배경을 가진 사람들과 각기 다른 레벨에서 소통하고 같이 일해 나가는 경험은 PI가 되어 처음 마주한 도전이었고, 지금도 진행 중입니다. 그래서 자연스럽게 랩원의 성향과 원하는 진로, 프로젝트의 특성과 속도에 따라 실험실 운영 방식도 유연하게 바뀌었어요. 매주 미팅을 하는 사람이 있는가 하면, 한 달에 한 번씩 만나 진행 상황을 점검하고 연구방향을 의논하는 경우도 있어요. 그럼에도 관심 있는 연구 주제가 같기에 우리는 하나의 팀으로 일하고 있어요. 우리 연구실은 줄기세포를 중심으로 폐 재생과 질병을 연구하기에, 실험실의 박사과정 학생도 포스닥도 모두 같은 과학적 질문을 향해 함께 나아가고 있죠. 가끔은 제가 저 나이 때는 저렇게 못했던 것 같은데, 랩 친구들이 해내는 걸 보면 정말 대단하고 멋있어요. 이 친구들이 앞으로 5년 10년이 지났을 때는 얼마나 저보다 뛰어난 연구자가 되어 있겠어요. 너무 기대돼요. SUHF에 지원하는 후배들에게 저는 항상 주변 한국인 연구자들에게 SUHF에 꼭 도전해 보라고 권합니다. 자격 요건만 되면 주저하지 말고 시도하라고 하고, 제안서를 보내오면 직접 피드백도 해주고 있어요. 그럴 때마다 빠지지 않고 하는 말이 하나 있습니다. 뻔하지 않은 최고의 제안서를 쓰라는 것입니다. 가끔은 이미 데이터가 충분하고, 다른 연구비도 있는 분들이 이왕이면 이것도 받아보자는 식으로 SUHF에 제안서를 제출하는 경우가 있어요. 그럴 때면 꼭 말씀드립니다. SUHF는 그렇게 접근해서는 안 된다. 이 기회를 위해 준비된 최고의 아이디어, 가장 하고 싶은 연구를 제안해야 합니다. SUHF 가 정말 기꺼이 지원하고 싶어질 만큼, 연구자가 가진 비전과 열정을 담은 제안서여야 합니다. 그리고 그 제안이 채택된다면, 그것을 동력 삼아 앞으로 나아가야 한다고요. 연구자가 준비가 되어 있다면 그다음은 SUHF 가 돕습니다. 훌륭한 동료와 선배들이 함께하는 이 프로그램은 단 한 번만 누릴 수 있는 귀한 기회입니다. 5년이라는 시간 동안, SUHF라는 배 위에서 함께 항해하게 됩니다. 그러니 그 시간을 충분히 누리고, 충분히 즐기되, 동시에 ‘왕관의 무게’도 견딜 각오가 필요하다는 점을 꼭 말씀드리고 싶습니다. 졸업 소감과 앞으로의 각오 저는 남들이 가보지 않은 길을 가는 데에 희열을 얻는 사람입니다. 새벽에 눈이 오고 아무도 걷지 않은 곳에 발자국을 내는 특별한 쾌감이 있잖아요. 제가 하고 싶은 연구가 그런 연구인 것 같아요. 남이 가지 않은 곳에 발자국을 내는 연구를 하고 싶어요. 제 삶도 그랬던 것 같아요. 익숙한 길이 아닌, 낯설지만 의미 있는 길을 선택해 온 여정이었습니다. 박사 과정 때는 연구실의 첫 번째 박사 과정 학생으로, 포스닥을 시작할 때도 막 시작하는 연구실의 초창기 멤버로 들어갔습니다. 이후 케임브리지를 거쳐 지금은 슬론 케터링 연구소에 이르기까지, 남이 가지 않은 길을 가고, 그 시도를 동력으로 새로운 발자국을 남기고자 하는 마음이 늘 있었습니다. 그런 면에서 제 삶과 연구는 닮아 있는 것 같아요. 두려움 없이 도전하고, 길을 만들어가는 것. 지치지 않고 나아가야겠다는 생각을 많이 합니다. 연구는 성공보다는 실패가 많은 일이고, 실패할 때마다 지치면 앞으로 갈 동력을 잃게 되거든요. 스스로에게 동기를 부여하고, 흥미를 유지하려고 노력합니다. 혼자 가는 게 아니라 내 팀이 같이 가기에 가능한 일입니다. 늘 함께 가는 내 연구팀이 있어서, 함께 걸을 수 있는 힘이 생깁니다. SUHF에 선정되던 2020년은 실험실도 연구 재단도 코로나19의 그늘 아래 있었습니다. 격동의 시기에 SUHF의 지원을 받아 큰 힘이 되었습니다. 케임브리지에서 미국으로 연구기관을 옮기는 복잡한 절차까지도 기꺼이 수용해 주신 SUHF의 유연함과 신뢰에 지금도 깊이 감사하고 있습니다. 미국으로 옮기고 나니 갑자기 이곳의 연구비 시스템도 불안정해졌는데, 여전히 SUHF는 저에게 든든한 기반이 되어주고 있습니다. SUHF 덕분에 저는 제안했던 것보다 더 많은 연구를 할 수 있었고, 예상보다 더 큰 성과를 이룰 수 있었습니다. 졸업한 후에도 저는 계속 SUHF 펠로입니다.

하늘 밖 하늘을 찾아서