국내외 바이오 관련 동향 뉴스를 신속하게 제공합니다.
뉴스 의학약학
누구나 천연물 합성 경로 예측 가능하다
Bio통신원(KAIST)
- 등록2024.08.14
- 조회1301
식물은 고착생활을 하면서 환경 스트레스에 대응하기 위해 진화적으로 다양하고 복잡한 천연물을 만들고 있다. 이 천연물들은 인류의 생존에도 필수적인 역할을 하고 있는데 미국식품의약국(FDA) 승인 저분자 약물의 30% 이상이 식물 천연물에 기초하고 있다는 사실이 이를 증명하고 있다. 한국 연구진이 딥러닝을 활용, 천연물의 역-생합성 경로를 예측하는 모델을 제시해 천연물 기반 의약품 대량 생산에 활용될 수 있도록 해 화제다.
KAIST(총장 이광형)는 생명과학과 김상규 교수 연구팀과 김재철AI대학원 황성주 교수 연구팀의 공동연구를 통해 천연물 생합성 경로를 예측하는 딥러닝 모델을 개발하고 부산대학교 박정빈 교수 연구팀과 협업을 통해 관심있는 누구나 모델을 활용할 수 있도록 인터넷 웹사이트(readretro.net)를 구축했다고 14일 밝혔다.
천연물 활용 및 대량 생산을 위해서는 생합성 경로를 밝히는 것이 필수적이다. 하지만 복잡한 구조를 가진 많은 약용 천연물의 생합성 경로가 잘 밝혀져 있지 않아 현재는 식물로부터 직접 추출해 사용하고 있다. 생합성 경로 연구는 도전적이지만 이를 밝히고 생합성 효소를 찾을 수 있다면 천연물의 활용 가치를 증진할 수 있다.
식물 천연물 생합성 경로 연구의 첫 단계는 식물이 어떻게 물질을 합성하는지 그 경로를 역추적(역합성 경로를 제시)하는 것으로 시작된다. 공동연구팀은 딥러닝을 활용해 천연물의 역-생합성 경로를 예측하는 모델을 제시했다. 이번 연구에서 연구팀은 발전된 역합성 모델과 생화학적 직관을 결합해 성공적으로 천연물 생합성 경로 예측을 수행하는 인공지능 모델을 개발했다.
연구팀은 개발한 인공지능의 이름을 ‘역합성을 읽어내는 모델’이라는 뜻을 담아 ‘리드레트로(READRetro)’라고 명명했다. 이 모델은 천연물 역합성을 예측하는 인공지능 모델 중 최고의 성능을 보이는 것으로 확인되었고 이를 개별 연구자들이 쉽게 활용할 수 있도록 구현했다는 데 의미를 가진다.
김상규 교수는 “식물이 어떻게 복잡한 천연물을 만들 수 있게 되었는지 이해하는 기초 연구에서부터 천연물 기반 의약품을 대량으로 생산하기 위한 합성생물학 연구 등에 활용이 기대된다. 추후 합성 경로를 매개하는 효소를 예측하거나 거대 분자의 역합성 예측 정확도를 높이는 연구를 실시할 계획이다” 라고 말했다. 또한 김 교수는 “이번 연구는 2022년 KAIST 인공지능연구원에서 주최한 멜팅 팟(Melting pot) 세미나에서 저와 황성주 교수가 발제자와 토론자로 만난 인연으로 시작됐다. KAIST가 표방하는 융합이 생화학자와 전산학자의 힘을 합쳐 이끌어 낸 좋은 연구로 큰 의미를 갖는다고 생각한다”고 강조했다.
KAIST 생명과학과 김태인 석박사통합과정과 KAIST 김재철AI대학원 이슬 석박사통합과정이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지‘뉴 파이톨로지스트(New Phytologist)'에 출판됐다. (논문명 : READRetro: natural product biosynthesis predicting with retrieval-augmented dual-view retrosynthesis).
한편 이번 연구는 카이스트 POST-AI, 한국연구재단, 과학기술정보통신부 등의 지원을 받아 수행됐다.
그림 1. 리드레트로(READRetro)를 활용해 예측한 천연물 생합성 경로.
천연물 생합성 연구에서 주목받고 있는 catharanthine, tarbersonine을 비롯한 다양한 천연물의 생합성 경로를 성공적으로 예측하였다.
그림 2. 웹으로 구현된 리드레트로(READRetro).
readretro.net 웹 페이지를 활용해 누구든 관심있는 천연물의 생합성 경로를 다양한 옵션으로 예측할 수 있다.
□ 연구개요
1. 연구 배경
KAIST 생명과학과 김상규 교수 연구팀과 김재철 AI 대학원 황성주 교수 연구팀은 천연물 생합성 경로를 예측하는 딥러닝 모델을 개발했습니다. 이 연구는 2022년 KAIST 인공지능연구원에서 주최한 멜팅 팟 세미나에서 두 교수님이 만난 인연으로 시작되었습니다. KAIST가 표방하는 융합이 생화학자와 전산학자의 협력으로 좋은 연구 결과를 낳았습니다.
천연물은 다양한 생물학적 기능을 가지고 있어 응용 생화학 분야에서 중요하게 다루어지고 있습니다. 식물은 환경 스트레스에 대응하기 위해 진화적으로 다양한 천연물을 합성해 왔습니다. 특히 식물-초식곤충의 군비 경쟁을 통해 만들어진 천연물은 뛰어난 생체 활성을 보여주며, 미국 식품의약국(FDA) 승인 저분자 약물의 30% 이상이 식물 천연물에 기초하고 있습니다.
천연물의 활용 및 대량 생산을 위해서는 생합성 경로를 밝히는 것이 필수적입니다. 하지만 복잡한 구조를 가진 많은 약용 천연물의 생합성 경로가 잘 밝혀져 있지 않아 현재는 식물로부터 직접 추출해 사용하고 있습니다. 생합성 경로 연구는 도전적이지만, 이를 밝히고 생합성 효소를 찾을 수 있다면 천연물의 활용 가치를 크게 증진시킬 수 있습니다.
2. 연구 내용
이번 연구에서 연구팀은 딥러닝을 활용해 천연물의 역-생합성 경로를 예측하는 모델을 제시했습니다. 머신러닝 분야에서 딥러닝 기반 역합성 모델 연구는 활발했지만, 이를 생화학에 적용해 생명과학자들에게 유용한 도구를 제공하는 시도는 부족했습니다.
연구팀은 발전된 역합성 모델과 생화학적 직관을 결합해 성공적으로 천연물 생합성 경로 예측을 수행하는 인공지능 모델을 개발했습니다. 이 모델은 ‘리드레트로(READRetro)’라는 이름을 가지고 있는데 역합성을 읽는 모델이라는 의미로 모델 이름을 지었습니다. 그리고 부산대학교 박정빈 교수 연구팀과의 협업을 통해 인터넷 웹사이트(readretro.net)에서 쉽게 사용할 수 있도록 구현하여서 누구나 관심 있는 천연물의 생합성 경로를 예측할 수 있게 했습니다.
READRetro는 천연물 역합성을 예측하는 인공지능 모델 중 최고의 성능을 보이며, 이를 개별 연구자들이 쉽게 활용할 수 있도록 구현한 점이 큰 의의가 있습니다. 연구팀은 추후 합성 경로를 매개하는 효소를 예측하거나 거대 분자의 역합성 예측 정확도를 높이는 연구를 진행할 계획입니다.
3. 기대 효과
이번 연구는 천연물의 다양성 진화 연구에서부터 천연물 기반 의약품을 대량으로 생산하기 위한 합성생물학 연구에 이르기까지 다양한 분야에서 활용될 것으로 기대됩니다. 특히 천연물의 생합성 경로를 예측하는 AI 모델인 READRetro는 생명과학자들이 복잡한 생합성 경로를 밝히는 데 있어 큰 도움이 될 것입니다.
개별 연구자들이 READRetro를 통해 천연물의 생합성 경로를 예측함으로써, 천연물의 활용 가치를 극대화할 수 있습니다. 이는 의약품 개발뿐만 아니라 다양한 생화학적 연구에 기여할 수 있을 것입니다. 또한, READRetro를 통해 천연물의 대량 생산이 가능해지면, 경제적으로도 큰 이점을 얻을 수 있습니다.
이번 연구 결과는 국제 학술지 ‘뉴 파이톨로지스트(New Phytologist)’에 출판되었으며, 이는 연구의 중요성과 성과를 국제적으로 인정받은 것입니다. 앞으로도 KAIST의 융합 연구가 지속적으로 발전해 나가길 기대합니다.
본 기사는 네티즌에 의해 작성되었거나 기관에서 작성된 보도자료로, BRIC의 입장이 아님을 밝힙니다. 또한 내용 중 개인에게 중요하다고 생각되는 부분은 사실확인을 꼭 하시기 바랍니다.
[기사 오류 신고하기]
