조광현 교수팀, 기술 고도화 통해 암종‧환자 맞춤형 치료 제시 가능 시스템생물학 모델 결합 암세포 약물 반응 분자 네트워크상 변화로 분석·예측대장암·유방암·위암 3개 암종 세포 약물 반응 예측 분자 메커니즘 설명
  • ▲ 국제저널 ‘셀 리포트 메소드(Cell Reports Methods)’ 표지.ⓒKAIST
    ▲ 국제저널 ‘셀 리포트 메소드(Cell Reports Methods)’ 표지.ⓒKAIST
    KAIST 바이오및뇌공학과 조광현 교수 연구팀이 인공지능과 시스템생물학을 융합해 암세포의 약물 반응 예측 및 메커니즘 분석을 동시에 이룰 수 있는 새로운 개념의 ‘그레이박스’ 기술을 개발하는 데 성공했다.

    3일 KAIST에 따르면 조광현 교수 연구팀은 높은 예측 성능을 보이지만 그 근거를 알 수 없어 블랙박스로 불리는 딥러닝과 복잡한 대규모 모델의 경우 예측 성능의 한계를 지니지만 예측 결과에 대한 상세한 근거를 제시할 수 있어서 화이트박스로 불리는 시스템생물학 기술을 융합함으로써 두 기술의 한계를 동시에 극복할 수 있는 소위 ‘그레이박스’ 기술에 착안했다. 

    연구팀은 다양한 암종의 돌연변이 및 표적항암제 타겟 유전자 정보를 집대성해 분자 조절 네트워크 모델을 구축함으로써 여러 암종과 항암제의 약물 반응 예측에 활용될 수 있는 범용적 골격 모델을 우선 정립했다. 

    다양한 암종에서 돌연변이가 빈번하게 발생하는 유전자들을 중심으로 전암(pan-cancer) 유전자 네트워크를 제작했고, 표적항암제별 약물 반응과 관련된 돌연변이와 연관 유전자들로 구성된 부분 네트워크(sub-network)를 추출함으로써 약물 반응 예측을 위한 시스템 생물학 모델을 제작했다. 

    연구팀은 모델의 매개변수를 딥러닝 블랙박스 최적화기를 통해 결정하는 방식으로 트라메티닙, 아파티닙, 팔보시클립 세 개의 표적항암제 및 대장암, 유방암, 위암 세 개의 암종에 대한 그레이박스 모델을 구축했다. 완성된 모델의 약물 반응 컴퓨터시뮬레이션 결과는 각 암종별 약물 반응의 민감도 차이를 보이는 세포주(cancer cell lines) 실험을 통해 비교 검증됐다.
  • ▲ KAIST 바이오및뇌공학과 조광현 교수.ⓒKAIST
    ▲ KAIST 바이오및뇌공학과 조광현 교수.ⓒKAIST
    개발된 모델은 미국 국립암연구소(National Cancer Institute)의 돌연변이 정보 기반 약물 반응 예측으로는 같은 반응을 보일 것으로 예상한 암세포 주들이 실제로는 서로 다른 약물 반응을 보일 수 있다는 것을 정확히 예측했으며, 약물 반응의 차이가 발생하는 원인 또한 세포 주별 분자 네트워크 동역학의 차이로 상세히 설명할 수 있었다.

    연구 성과는 학습에 의한 시뮬레이션 모델 최적화를 통해 블랙박스 모델인 인공지능 기술의 높은 예측력과 화이트박스 모델인 시스템생물학 기술의 해석력을 동시에 달성한 새로운 약물 반응 예측기술 개발이어서 그 의미가 크다. 

    발생 원인이 이질적이고 복잡한 네트워크 질환인 암에 대해 범용적으로 활용 가능한 약물 반응 예측 원천기술이므로 향후 기술 고도화를 통해 다양한 종류의 암종 및 환자 맞춤형 치료전략 제시에 활용될 수 있을 것으로 기대된다.

    조 교수는 “인공지능 기술의 높은 예측력과 시스템 생물학 기술의 우수한 해석력을 동시에 갖춘 새로운 융합 원천기술로서 향후 고도화를 통해 신약개발 산업의 활용이 기대된다ˮ고 연구 성과를 설명했다.

    KAIST 바이오및뇌공학과 김윤성 박사, 한영현 박사 등이 참여한 이번 연구결과는 셀 프레스(Cell Press)에서 출간하는 국제저널 ‘셀 리포트 메소드(Cell Reports Methods)’ 5월 20일 자(字) 표지논문으로 출판됐다.