-
대량의 고농도 일산화탄소를 고부가가치 바이오케미칼로 전환하는 기술 개발
우리 대학 생명과학과 조병관 교수 연구팀이 산업 부생가스 등으로 대량 발생하는 고농도의 일산화탄소를 고부가가치 바이오케미칼로 전환할 수 있는 생체촉매 기반 C1 바이오 리파이너리 기술*을 개발했다고 14일 밝혔다.
* 제철 공정과 같은 산업공정에서 발생하는 부생가스, 합성가스는 다량의 일산화탄소, 이산화탄소 등의 탄소 1개로 이루어진 C1 가스로 구성되어 있음. 이러한 C1 가스를 미생물과 같은 생체촉매를 활용하여 다양한 화학물질로 전환하는 공정을 C1 가스 바이오 리파이너리(bio-refinery) 기술이라고 함.
최근 탄소 포집 및 전환과 같은 기술들에 대한 산업계의 요구가 커지는 가운데, 미생물을 활용한 친환경 생체촉매 기술이 크게 성장하고 있다.
조병관 교수 연구팀은 아세토젠 미생물을 생체촉매로 활용한 C1 가스 바이오 리파이너리 기술을 개발했다. 이 미생물들은 혐기성 미생물들로 우드-융달 대사회로라는 매우 독특한 대사회로를 이용하여 C1 가스로부터 아세트산을 만드는 미생물로 알려져 있다.
이러한 아세토젠 미생물을 생체촉매로 활용해 산업 부생가스를 활용하는 기술에는 한 가지 문제가 있는데, 바로 독성가스인 일산화탄소의 농도다. 이 미생물은 60% 이상의 고농도 일산화탄소 조건에서는 생명 활동이 크게 저해를 받기 때문에, 생체촉매로써 사용할 수 없게 된다. 다양한 산업에서 발생하는 C1 가스는 공정 과정에 따라 10~70% 정도의 일산화탄소가 포함돼있는데, 특히 철강산업 공정에서 발생하는 고로가스(BFG)에는 약 60%가 넘는 일산화탄소가 포함돼 있다. 따라서, 미생물 기반 고효율 생체촉매 개발을 위해서는 일산화탄소에 대한 저항성을 높이는 것이 필수적으로 선행돼야 한다.
연구팀은 아세토젠 미생물 중 하나인 유박테리움 리모좀(Eubacterium limosum) 균주를 고농도 일산화탄소 조건에 지속적으로 노출해 일산화탄소에 대한 내성이 뛰어난 돌연변이체(ECO2)를 발굴했는데, 해당 돌연변이체는 일산화탄소가 약 60% 이상 포함된 합성가스 조건에서 야생형 미생물보다 약 6배 정도 빠른 성장 속도를 보였다. 이러한 성장 속도는 현재까지 보고된 아세토젠 미생물 중 고농도 일산화탄소 조건(CO 함량 60% 이상)에서 전 세계에서 가장 빠른 속도다.
연구팀은 위의 돌연변이 미생물의 유전체 서열분석을 통해 아세틸 조효소 A 합성 단백질(acetyl-CoA synthase)을 암호화하는 유전자(acsB) 내 돌연변이가 발생한 것을 규명하고, 인공지능 기반의 구조예측을 통해 이러한 변이가 일산화탄소 내성 및 고정률 향상을 유도했음을 밝혔다.
연구팀은 일산화탄소에 대한 내성이 향상된 ECO2 돌연변이 미생물에 2,3-부탄다이올(2,3-butanediol, 2,3-BDO)* 생합성 경로를 도입해 C1 가스를 C4 화학물질로 전환할 수 있는 미생물 기반 생체촉매 시스템을 개발했다. ECO2 기반의 생체촉매가 가스 발효과정을 통해 야생형 미생물 대비 약 6.5배 정도의 높은 2,3-BDO 생산성을 보여줌으로써, C1 가스를 효율적으로 C4 화학연료로 전환하는데 성공했다.
*2,3-부탄다이올(2,3-butanediol, 2,3-BDO): 농업용 자재, 식품첨가제, 의약품 첨가제, 고분자 첨가제 등 활용 범위가 광범위한 바이오케미칼
연구를 주도한 조병관 교수는 “산업공정 과정에서 발생하는 C1 가스는 일산화탄소, 이산화탄소 등의 혼합가스로, 이를 직접적으로 미생물이 이용하기 위해서는 일산화탄소에 대한 내성 및 전환율 향상이 필수적이다”라고 설명했으며, “다양한 합성생물학 기술들 활용하면 아세토젠 미생물 생체촉매의 활용도를 더욱 개선할 수 있으며, 이러한 고효율 C1 가스 전환 생체촉매 연구는 C1 가스 바이오 리파이너리의 핵심 원천기술로 다양한 산업현장에 적용할 수 있을 것”라고 밝혔다.
생명과학과 진상락(석박사통합과정), 강슬기(박사과정) 학생이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘화학 공학 저널(Chemical Engineering Journal, 영향력지수 14.66)’에 6월 22일 字 온라인판에 게재됐다. (논문명: Development of CO gas conversion system using high CO tolerance biocatalyst)
한편 이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 C1 가스 리파이너리 사업단의 지원을 받아 수행됐다.
2022.07.15
조회수 5590
-
새로운 인공지능 형광 현미경 적용, 뇌 신경세포 등 3차원 고화질 영상기술 개발
우리 대학 김재철 AI 대학원 예종철 교수 연구팀이 서울대학교 장성호 교수팀, 포스텍 김기현 교수팀과 공동연구를 통해 형광 현미경의 오랜 문제인 이방성(Anisotropy)을 해결해, 3차원 영상 화질을 획기적으로 끌어올리는 인공지능 기술을 개발했다고 29일 밝혔다.
이방성 문제란 형광 현미경으로 3차원 영상을 획득하는 데 있어 빛의 성질로 인해 영상 공간 방향 간에 적게는 2~3배, 많게는 10배까지도 화질 차이가 발생하는 문제를 뜻한다. 예를 들면 3차원 영상을 보는 각도마다 화질의 차이가 발생하는 것이다.
연구팀은 수학적 기법인 최적 수송이론 기반을 둔 새로운 인공지능 시스템을 개발해 공초점 현미경과 광 시트 현미경에 적용했다. 기존 인공지능 기법들과는 다르게, 인공지능 학습 데이터가 따로 필요하지 않고, 하나의 3차원 영상만으로도 인공지능 학습에 적용할 수 있다는 점에서 획기적이라 볼 수 있으며, 생물학 연구자들에게 생물 표본의 3차원 고화질 영상 획득에 큰 도움을 줄 것으로 기대된다.
예종철 교수는 "3차원 영상 획득에 있어 극복하기 어려웠던 현미경의 물리적 한계를 인공지능 기술을 통해 뛰어넘었다는 점에서 의미가 있고, 비지도 학습 기반으로 훈련이 진행되기 때문에, 다양한 많은 종류의 3차원 영상 촬영 기법에도 확장 적용 가능하며, 또한 인공지능 연구의 새로운 응용을 개척했다는 데 의미가 있다ˮ 고 말했다.
김재철 AI 대학원의 예종철 교수가 주도하고, 박형준 연구원이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 6월 8일 字 온라인판에 게재됐다.
*논문명 : Deep learning enables reference-free isotropic super-resolution for volumetric fluorescence microscopy
논문 링크: https://www.nature.com/articles/s41467-022-30949-6
2022.06.29
조회수 4857
-
인공지능 이용해 3차원 홀로그래피 현미경의 박테리아 신속 식별 기술 개발
우리 대학 물리학과 박용근 교수 연구팀이 홀로그래피 현미경과 인공지능을 이용한 신속 박테리아 병원균 식별 기술을 개발했다고 27일 밝혔다.
병원균의 조기 식별은 감염질환 치료에 필수적이다. 치명적인 상태로 진행되기 전에 감염균에 맞는 효과적인 항생제의 선택과 투여가 가능해지기 때문이다. 하지만 현재의 일상적 병원균 식별은 통상 수일이 소요된다. 이로 인해 감염 초기 식별 결과 없이 실증적인 처방으로 항생제를 투여하는 사례가 빈번하며, 이로 인해 패혈증의 경우 치명률이 50%에 달하며 항생제 남용으로 인한 슈퍼박테리아 문제도 발생한다.
기존 방법으로 병원균 식별이 오래 걸리는 원인은 긴 박테리아 배양 시간이다. 질량 분석기로 대표되는 식별 기술들은 일정량 이상의 박테리아 표본이 확보되어야 균종과 관련된 분자적 신호를 검출할 수 있다. 이로 인해, 환자에서 추출한 시편을 하루 이상 배양해야만 검출이 될 정도의 박테리아 개수가 확보된다.
광학 분야의 저명 학술지인 `빛: 과학과 응용(Light: Science & Applications), (IF = 17.782)'에 게재된 이번 연구(논문명: Rapid species identification of pathogenic bacteria from a minute quantity exploiting three-dimensional quantitative phase imaging and artificial neural network)에서 박용근 교수 연구팀은 3차원 홀로그래피 현미경과 인공지능 알고리즘을 활용해서 단일 세포 수준의 표본으로도 병원균의 균종을 정확히 알아낼 수 있음을 입증했다.
홀로그래피 현미경으로 측정되는 3차원 굴절률 영상 정보에 내재된 균종과 관련된 특성을 인공지능 알고리즘으로 학습해 종을 구분하는 것이 핵심 아이디어다. 연구팀은 종별로 500개 이상의 박테리아의 3차원 굴절률 영상을 측정했고, 이를 인공지능 신경망을 통해 학습시켰다.
연구팀은 개발한 방법을 이용해 주요한 혈액 감염균을 신속하게 식별함으로써 실제 진단에도 응용될 가능성을 검증했다. 구체적으로 그람 음성 및 양성, 구균 및 간균을 모두 포함한 총 19가지 균종으로 혈액 감염 사례의 90% 이상의 원인이 되는 균들이다. 한 개의 병원균 혹은 병원균 덩어리를 측정한 단일 3차원 굴절률 영상에서는 약 82.5%의 정확도로 균종 판별이 가능했다. 연구팀은 또한 여러 영상을 확보할 수 있을 때 정확도가 증가해, 7개의 박테리아 영상이 확보된다면 99.9%의 정확도를 얻을 수 있었다.
연구진의 책임자이자 논문의 교신저자인 박용근 교수는 "홀로그래피 현미경의 세포 감별 능력을 인공지능으로 극대화해 감염 진단 기술로서의 가능성을 확인한 것이 의미ˮ라고 말했다. 제1 저자인 물리학과 김건 박사과정 학생은 "100,000분의 1 수준의 표본량으로도 질량 분석기의 균종 검출률과 비슷한 정확도를 얻었고 환자 시편에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것으로 기대된다ˮ라고 덧붙였다.
이번 연구는 KAIST-삼성서울병원-토모큐브 팀의 수년간의 공동 연구를 통해 진행됐다. 물리학과 박용근 교수 연구팀의 기술에 다양한 기관의 경험과 비전을 반영함으로써 완성할 수 있었다. 삼성서울병원 진단검사의학과 이남용 교수, 진단검사의학과 허희재 교수, 감염내과 정두련 교수 연구팀, 서울성모병원 진단검사의학과 유인영 교수, 분당 차병원 응급의학과 김규석 교수, 우리 대학 나노과학기술대학원 정현정 교수 등 다양한 분야와 기관이 모여, 실험적 검증을 효과적으로 진행할 수 있었다. 또한 KAIST 교원 창업 기업인 ㈜토모큐브의 3차원 홀로그래피 기술 지원도 필수적인 역할을 했다.
한편 이번 연구는 한국연구재단 창의연구사업, 과학기술일자리진흥원의 지원을 받아 수행됐다.
2022.06.27
조회수 4872
-
고정확도 실시간 학습 가능한 모바일 인공지능 반도체 칩 세계 최초 개발
우리 대학 전기및전자공학부 유회준 교수 연구팀이 인공지능의 실시간 학습을 모바일 기기에서 구현, 고정확도 인공지능(AI: Artificial Intelligent) 반도체*를 세계 최초로 개발했다고 23일 밝혔다.
* 인공지능 반도체 : 인식·추론·학습·판단 등 인공지능 처리 기능을 탑재하고, 초지능·초저전력·초신뢰 기반의 최적화된 기술로 구현한 반도체
연구팀이 개발한 인공지능 반도체는 저비트 학습과 저지연 학습 방식을 적용해, 모바일 기기에서도 학습할 수 있다. 특히 이번 반도체 칩은 인공지능의 예상치 못한 성능 저하를 막을 수 있는 실시간 학습 기술을 성공적으로 구현했다.
전기및전자공학부 한동현 박사과정이 제1 저자로 참여한 이번 연구는 지난 6월 12일부터 15일까지 인천 연수구 송도 컨벤시아에서 개최된 국제 인공지능 회로 및 시스템 학술대회(AICAS)에서 발표됐으며 응용 예시를 현장에서 시연했고, 최우수 논문상과 최우수 데모상을 모두 석권해 그 우수성을 널리 알렸다. (논문명 : A 0.95 mJ/frame DNN Training Processor for Robust Object Detection with Real-World Environmental Adaptation (저자: 한동현, 임동석, 박광태, 김영우, 송석찬, 이주형, 유회준))
인공지능 (AI) 반도체 기술을 망라하는 국제 학술 대회 ‘AICAS 2022’는 인공지능 반도체 분야 세계 최고 권위를 가진 IEEE(미국 전기 전자 기술자 협회)학회로 평가받으며, 삼성, SK를 필두로, 한국전자통신연구원(ETRI), 엔비디아(NVIDIA), 케이던스(Cadence) 등 국내외 저명한 기업과 기관 등이 참석해 인공지능 반도체 회로와 시스템 전 분야, 인공지능 반도체와 관련된 연구성과를 공유하는 행사다.
기존 인공지능은 사전에 학습된 지능만으로 추론을 진행했기 때문에 학습하지 않은 새로운 환경 혹은 물체에 대해서는 물체 검출이 어려웠다. 하지만 유회준 교수 연구팀이 개발한 실시간 학습은 추론만 수행하던 기존 모바일 인공지능 반도체에 학습 기능을 부여함으로써, 인공지능의 지능 수준을 크게 끌어올렸다.
유 교수팀의 새로운 인공지능 반도체는 사전에 학습한 지식과 애플리케이션 수행 중에 학습한 지식을 함께 활용해 고정확도 물체검출 성능을 보였다. 특히 유회준 교수 연구팀은 렌즈가 깨지거나, 기계 오류로 인한 인공지능의 예상치 못한 정확도 감소도 자동으로 인지하고 이를 실시간 학습을 통해 보정, 기존 인공지능의 문제점을 해결했다.
유 교수팀은 실시간 학습 기능에 더해, 모바일 기기에서 저전력으로 학습이 가능할 수 있도록, 저비트 인공지능 학습 방법, 직접 오류 전사 기반 저지연 학습 방식을 제안, 이를 최적화할 수 있는 반도체(HNPU) 와 응용 시스템을 모두 개발했다.
저전력, 실시간 학습을 수행할 수 있는 모바일 인공지능 전용 반도체, HNPU는 다음과 같이 6가지 핵심 기술이 도입됐다.
○ 확률적 동적 고정 소수점 활용 저비트 학습 방식 (SDFXP: Stochastic Dynamic Fixed-point Representation)
- 동적 고정 소수점에 확률적 표현을 결합하고 확률적 반올림을 도입하여 인공지능 학습에 필요한 비트 정밀도를 최소화 할 수 있는 방법
○ 레이어별 자동 정밀도 검색 알고리즘 및 하드웨어 (LAPS: Layer-wise Adaptive Precision Scaling)
- 학습의 난이도를 자동으로 파악하고 심층신경망의 레이어별로 최적의 비트수를 자동으로 찾아주는 알고리즘 및 이를 가속하는 하드웨어
○ 입력 비트 슬라이스 희소성 활용* (ISS: Input Slice Skipping or Bit-slice Level Sparsity Exploitation)
- 데이터를 이진수로 표현했을 때 중간중간 나타나는 ‘0’ 비트를 활용하여, 데이터 처리량을 높이는 방식
○ 내재적 순수 난수 생성기 (iTRNG: Intrinsic True Random Number Generator)
인공지능 연산을 활용한 순수 난수 생성기를 설계, 데이터의 암호화 및 확률적 반올림을 구현
○ 다중 학습 단계 할당을 통한 고속 학습 알고리즘 및 하드웨어 (MLTA: Multi Learning Task Allocation & Backward Unlocking)
기존 역전파 (Back-propagation) 알고리즘에서 탈피해, 직접 오류 전사를 통한 저지연 학습 구현
○ 실시간 인공지능 학습 기반 자동 오류 검출 기능 저하 보정 시스템 개발 (Real-time DNN Training based Automatic Performance Monitor and Performance Recovery System)
평상시 물체 검출 결과를 주기적으로 모니터링하면서, 갑작스러운 확률 변화를 자동으로 인식, 정확도 저하를 보정하기 위해 실시간 학습을 적용
* 희소성 활용 (Sparsity Exploitation) : 심층 신경망 모델의 연산은 수많은 곱셈누적(MAC: Multiply-And-Accumulate)연산의 연속이다. 연산자에 0이 존재할 시, 굳이 연산을 해보지 않아도 결과는 0임을 알기에 이를 뛰어넘는 방식으로 연산 속도를 높이는 방식.
이러한 기술을 사용해 HNPU는 저전력 물체검출을 구현하여, 다른 모바일 물체검출 시스템과 비교해 75% 높은 속도, 44% 낮은 에너지 소모를 달성하면서도, 실시간 학습으로 고정확도 물체검출을 개발해 주목을 받았다.
연구팀은 HNPU의 활용 예시로 카메라 렌즈가 깨지거나, 기계 오류, 조명, 밝기 변화로 인공지능의 추론 능력이 떨어졌을 때, 실시간 학습을 통해 다시 정확도를 높이는 고정확도 물체검출 시스템을 개발했다. 이는 이후 자율 주행, 로봇 등 다양한 곳에 활용될 것으로 기대된다.
특히 연구팀의 HNPU 연구는 2022 국제인공지능회로및시스템학술대회(AICAS 2022)에서 발표돼, 최우수 논문상과 최우수 데모상을 모두 석권하여 그 우수성을 널리 알렸다.
연구를 주도한 KAIST 전기및전자공학부 유회준 교수는 “현재 인공지능은 사전에 학습한 지식만으로 주어진 문제를 해결하고 있으며, 이는 변화하는 환경과 상황에 맞춰 계속 학습하는 인간의 지능과 뚜렷한 차이를 보인다”라며 “이번 연구는 실시간 학습 인공지능 반도체를 통해 인공지능의 지능 수준을 사람 수준으로 한층 더 끌어올리는 연구”라고 본 연구의 의의를 밝혔다.
2022.06.23
조회수 4456
-
인간 뇌처럼 뉴런-시냅스 동시 구동 모사한 메모리 최초 구현
우리 대학 신소재공학과 이건재 교수팀이 100 nm(나노미터) 두께의 단일 소자에서 뉴런과 시냅스를 동시에 모사하는 뉴로모픽(neuromorphic) 메모리를 개발했다고 23일 밝혔다. 뉴런은 신경계를 이루는 기본적인 단위세포를, 시냅스는 뉴런 간의 접합 부위를 말한다.
이 교수팀은 인간의 뇌처럼 뉴런과 시냅스가 유기적으로 동작하는 방식의 단일 메모리 소자를 최초로 구현했으며, 이를 통해 반도체 소자로 인간 뇌를 완전히 구현한다는 뉴로모픽 컴퓨팅 본연의 목표 달성에 근접할 수 있을 것으로 기대된다.
1,000억 개의 뉴런과 100조 개의 시냅스의 복잡한 네트워크로 구성된 인간 뇌는 그 기능과 구조가 고정된 것이 아니라 외부 환경에 따라서 유연하게 변하는 특징을 가지고 있다. 따라서 뉴로모픽 소자는 뉴런과 시냅스의 특성을 모사해 기존의 컴퓨터로는 구현할 수 없는 인간 뇌의 고도 인지 기능을 실현하는 데에 가장 큰 목적을 두고 있다.
지금까지 뉴로모픽 컴퓨팅 구현을 위해서 CMOS 집적회로와 비휘발성 메모리 등을 이용한 연구들이 진행됐으나, 기존 기술들은 뉴런과 시냅스의 기능을 분리해 모사한다는 한계점을 가지고 있었다.
인간 뇌에서 뉴런과 시냅스는 서로 유기적으로 연결돼 있으며, 서로 간의 상호작용을 통해 인지 기능이 발현된다. 이러한 뉴런과 시냅스의 기능을 인간 뇌처럼 단일 구조체에서 통합해 구현하는 것은 어려운 도전 과제였다.
이 교수 연구팀은 휘발성의 소자(threshold switch)로 뉴런을, 비휘발성의 상변화 메모리 소자로 시냅스를 모사해 단기·장기 기억이 공존하는 단일 뉴로모픽 소자를 개발했으며, 이를 통해 집적도 개선 및 비용 절감 효과도 얻을 수 있을 것으로 기대된다. 특히 기존 CMOS 뉴런 소자에서는 단순 신호 발산 기능만이 구현됐으나, 연구팀의 뉴런-시냅스 통합소자는 신호 발산 유형이 환경에 따라서 유연하게 적응하는 가소성(plasticity)을 구현하는 데 성공했다.
이건재 교수는 이번 연구 성과에 대해 "인간은 뉴런과 시냅스의 상호작용을 통해 기억, 학습, 인지 기능을 발현하므로 둘 모두를 통합 모사하는 것이 인공지능에 있어서 필수적인 요소ˮ라며 "개발한 단일 뉴런-시냅스 소자는 기존의 단순 이미지 학습 효과를 넘어서, 피드백 효과를 기반으로 한 번 배운 내용을 더 빨리 학습하는 재학습(retraining) 효과 구현도 성공해 인공지능뿐만 아니라 뇌를 역설계하는 연구에도 큰 도움이 될 것이다”고 언급했다.
한편 이번 연구는 삼성전자 전략산학과제와 지능형반도체 사업의 지원을 받아 수행됐으며, 국제 학술지 `네이쳐 커뮤니케이션즈(Nature Communications)'에 5월 19일 字 게재됐다.
2022.06.23
조회수 4407
-
인공지능 엔진으로 영상 위변조 탐지 기술 개발
우리 연구진이 영상 내 변형 영역을 더욱 정밀하게 탐지하기 위해 영상내 색상 정보와 주파수 정보를 함께 활용하는 인공지능 엔진 기술을 학계 처음으로 개발했다. 이번 개발 기술은 기존 기술보다 정밀도와 정확도를 크게 높여 위변조 탐지 기술의 기술 유용성을 일정 수준 확보할 수 있는 기반을 제공한다는 점에서 그 의미가 크다. KAIST에서 각종 위변조 영상들을 잡아낸다는 의미를 지닌 `카이캐치(KaiCatch)' 소프트웨어는 이미지, 영상뿐만 아니라 CCTV 비디오 변형 여부도 분석할 수 있다.
우리 대학 전산학부 이흥규 교수 연구팀이 새로운 인공지능 구조와학습 방법론, 그리고 실험실 환경에서는 구하기 힘든 고급 변형 이미지 영상들을 사용해 영상 이미지 위변조 탐지 소프트웨어인 `카이캐치(KaiCatch)'의 영상 이미지 정밀도와 정확도를 크게 높일 뿐만 아니라 비디오 편집 변형도 탐지할 수 있는 카이캐치 2.1 버전을 개발했다고 13일 밝혔다.
카이캐치 소프트웨어는 `이상(異常) 유형 분석 엔진'과 `이상(異常) 영역 추정 엔진' 두 개의 인공지능 엔진으로 구성된다. `이상 유형 분석 엔진'은 블러링, 노이즈, 크기 변화, 명암 대비 변화, 모핑, 리샘플링 등을 필수 변이로 정의해 이를 탐지하며 `이상 영역 추정 엔진'은 이미지 짜깁기, 잘라 붙이기, 복사 붙이기, 복사 이동 등을 탐지한다. 이번에 새로 개발한 기술은 `이상 영역 추정 엔진'으로 기존 기술에서는 이상 영역 탐지 시 그레이 스케일(회색조)로 이상 유무를 탐지하였으나 분석 신호의 표현력이 낮고 탐지 오류가 많아 위변조 여부 판정에 어려움이 많았다. 이번에 개발된 기술은 색상 정보와 주파수 정보를 함께 활용해 정밀도(precision)와 재현율(recall)이 크게 향상되고 변형 영역을 컬러 스케일로 표현함으로써 해당 영역의 이상 유무뿐만 아니라 위변조 여부도 더욱 명확하게 판별이 가능해졌다.
연구팀은 이번 연구에서 영상 생성 시 발생하는 흔적과 압축 시 발생하는 흔적 신호들을 함께 분석하기 위해 색상 정보와 주파수 정보를 모두 활용하는 접근 방법을 학계 처음으로 제시했다. 또 이러한 방법론을 설계 구현하기 위해 주파수 정보를 하나의 분할 네트워크에서 직접 입력으로 받아들이는 방식의 ‘압축 왜곡신호 탐지 네트워크(Compression Artifact Tracing Network, 이하 CAT-Net)’을 학계 최초로 개발하고 기존 기법들과 비교해 탐지 성능이 크게 뛰어남을 입증했다. 개발한 기술은 기존에 제시된 기법들과 비교할 때 특히 원본과 변형본을 판별하는 평가 척도인 F1 점수, 평균 정밀도(average precision)에서 대단히 뛰어나 실환경 위변조 탐지 능력이 크게 강화됐다.
비디오 편집 변형의 경우도, 프레임 삭제, 추가 등에 의한 편집 변형이 흔히 CCTV 비디오 등에서 발생한다는데 착안해 이러한 비디오 편집 변형을 탐지하는 기능 역시 이번 카이캐치 2.1 버전에 탑재됐다.
이번에 카이캐치 2.1 소프트웨어를 연구 개발한 이흥규 교수는 "영상 이미지 위변조 소프트웨어인 카이캐치를 휴대폰에 탑재되는 안드로이드 앱 형태로 일반에 소개한 2021년 3월 이후 현재까지 카이캐치 앱을 통한 900여 건의 위변조 분석 의뢰와 개별적으로 60건이 넘는 정밀 위변조 분석 의뢰를 받았다. KAIST 발표 논문 수준이나 실험 결과 등을 감안할 때 위변조 분야 최고 기술로 만든 소프트웨어인데, 오탐지율이 높아 실제 탐지 정밀도가 이론치보다 매우 낮았다. 많은 경우 위변조나 변형 여부에 대한 명확한 기술 판정이 불가능했으나 이번에 개발한 카이캐치 2.1 은 CAT-Net이라는 새로운 네트워크 구조와 학습 방법론, 그리고 ‘색상 및 주파수 영역 왜곡 흔적 동시 분석’이라는 첨단 기술을 사용해 정밀도를 높여, 보다 명확한 판별이 가능하도록 개발됐다. 앞으로 영상 위변조 판단 여부가 어려운 경우가 많이 줄어들기를 기대한다”고 말했다.
이 교수는 이어 "비디오는 MP4 파일 포맷이, 그리고 영상 이미지는 JPEG 이미지들이 일반인들이 널리 사용한다는 점에서 해당 포맷을 주 개발 대상으로 삼았다. 영상 이미지의 경우 영상 편집 변형 시 영상에 남겨지는 인위적으로 발생하는 JPEG 압축 미세 신호 탐지에 주안점을 두어, 위변조 여부와 위변조 영역을 잡아내는 것에 집중했다. 비디오의 경우 특정 프레임들을 삭제하거나 삽입하는 경우, 프레임 부분 편집 후 재압축 하는 경우 등을 탐지한다. 최근 CCTV 비디오 편집 여부에 대한 분쟁이 많아 크게 도움을 줄 수 있을 것으로 기대하며 향후에도 지속적으로 연구 개발해 취약점들을 보완해 나갈 계획이다ˮ 고 덧붙였다.
현재 카이캐치 소프트웨어는 안드로이드 기반 휴대폰의 구글 플레이스토어에서 ‘카이캐치’를 검색하여 앱을 다운로드 받아 설치한 후, 영상 이미지들을 카이캐치에 업로드하면 위변조 여부를 간단하게 테스트해 볼 수 있다.
한편 이번 연구는 제1 저자로 참여한 우리 대학 전기및전자공학부 권명준 박사, 그리고 김창익 교수, 남승훈 박사, 유인재 박사 등과 공동으로 수행됐으며, `스프링거 네이처(Springer Nature)'에서 발간하는 컴퓨터 비전 분야 톱 국제저널인 `국제 컴퓨터 비전 저널(International Journal of Computer Vision, IF 7.410)'에 2022년 5월 25일 字 온라인판에 게재됐다. (논문명 : Learning JPEG Compression Artifacts for Image Manipulation Detection and Localization)
이번 연구는 한국연구재단 창의도전연구기반지원사업지원과 KAIST 창업기업인 ㈜디지탈이노텍(http://www.kaicatch.com/) 과의 산학협력 연구로 수행됐다.
2022.06.13
조회수 5094
-
차세대 뉴로모픽 구현을 앞당길 멤리스터 기반 고신뢰성 인공 뉴런(신경세포) 어레이 개발
우리 대학 전기및전자공학부 최신현 교수 연구팀이 뛰어난 안정성과 집적도가 높은 우리 뇌의 뉴런 세포의 동작을 모사하는 *고신뢰성 차세대 저항 변화 소자(멤리스터) 어레이를 개발했다고 7일 밝혔다.
☞ 멤리스터(Memristor): 입력에 따라 소자의 저항 상태가 바뀌는 소자. 입력 전압의 크기와 길이 등에 따라 소자 내부의 저항 값이 바뀌며 정보를 저장하거나 처리한다.
최 교수 연구팀은 기존 멤리스터의 불안정한 특성을 보이는 필라멘트 기반 방식에서 벗어나, 점진적인 산소 농도를 갖는 금속산화물을 이용해 안정적이고 신뢰성 높은 인공 뉴런 어레이를 발표하였다. 기존의 멤리스터 소자는 안정성이 낮고 응용에 사용하기 위한 어레이 형태로 제작하기 힘든 문제점이 있지만, 최 교수 연구팀이 개발한 소자는 뛰어난 안정성을 갖출 뿐만 아니라, 자가 정류 특성과 높은 수율을 갖춰 대용량 어레이 형태로 집적될 수 있다. 따라서 집적도가 높고 안정적인 뉴로모픽 시스템을 구현할 때 활발히 사용될 수 있을 것으로 기대된다.
전기및전자공학부 박시온, 정학천 석박사통합과정, 박종용 석사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 6월호에 출판됐다. (논문명 : Experimental demonstration of highly reliable dynamic memristor for artificial neuron and neuromorphic computing)
인간의 뉴런은 들어오는 신호의 크기와 주파수에 따라 스파이크를 내보내거나 내보내지 않는 방식으로 정보를 처리한다. 현대의 컴퓨터가 빅데이터를 처리하는데 많은 에너지를 소모하는 것과 다르게, 사람의 뇌는 매우 적은 에너지만으로도 많은 양의 데이터를 빠르게 처리할 수 있다. 이러한 이유로, 신경의 효율적인 신호전달 시스템을 모사하여 컴퓨팅에 사용하는 `뉴로모픽' 하드웨어 기술이 활발히 연구되고 있다. 멤리스터 소자는 고집적, 고효율로 뉴로모픽 컴퓨팅 시스템을 구현할 수 있는 차세대 소자로 주목받고 있다.
그러나 현존하는 멤리스터로 실용적인 대용량 인공신경망 컴퓨팅(Large-scale Neural Computing) 시스템을 구현하기에는 단위 소자의 신뢰성 및 수율의 문제가 있다. 기존의 멤리스터는 절연체 내부에서 필라멘트가 마치 번개와 같이 무작위적으로 생성되고 사라지며 동작하기 때문에 제어하기가 힘들어 낮은 신뢰성을 보이게 되며, 이로 인해 안정적인 뉴로모픽 시스템을 구현하는 데 한계점으로 지적되어 왔다.
최신현 교수 연구팀은 이러한 무작위적인 필라멘트 문제를 해결하기 위해 필라멘트 기반 저항 변화가 아닌, 산소 이온의 점진적인 이동을 이용해 저항 변화 소자를 구현함으로써 소자의 신뢰성 확보하였다. 또한 단위 소자를 통한 어레이 제작 기술을 확보하여, 400개의 고신뢰성 인공 뉴런 소자를 100% 수율의 크로스바 어레이 형태로 집적하는 데 성공했다.
연구팀은 제작한 고신뢰성 인공 뉴런 어레이 기반 뉴로모픽 시스템을 이용해 항균성 단백질(anti-microbial peptide) 아미노산 서열을 학습하고, 이를 바탕으로 새로운 항균성 단백질을 만들어내는 뉴로모픽 시스템을 구현하였다.
제1 저자인 박시온 석박통합과정 연구원은 "이번에 개발한 고신뢰성 인공 뉴런 소자는 안정적인 특성과 높은 수율을 바탕으로 차세대 멤리스터 기반 뉴로모픽 컴퓨팅 시스템 구현에 기여할 수 있을 것으로 기대되며, 개발된 인공 뉴런 소자를 이용해 촉각 등을 감지하는 로봇의 인공 신경계, 시계열 데이터를 처리하는 축적 컴퓨팅(reservoir computing) 등 다양한 응용을 가능케 하여 미래 전자공학의 기반이 될 것으로 기대한다ˮ라고 말했다.
한편 이번 연구는 삼성미래육성사업의 지원을 받아 수행됐다.
2022.06.07
조회수 5496
-
기억 저장 세포의 뇌 지도 제작기법 최초 개발
우리 대학 연구진이 기억을 저장하는 다양한 뇌 부위 세포들의 분포를 지도로 제작하는 기법의 개발에 최초로 성공했다.
바이오및뇌공학과 박영균 교수 연구팀이 메사추세츠 공과대학(MIT) 정광훈 교수 및 스스무 도네가와(Susumu Tonegawa) 교수 공동연구팀과 함께 단일 기억을 저장하는 세포들을 생쥐의 뇌 전체에서 매핑하는 기법을 개발하고, 이를 통해 공간 공포 기억을 저장하는 새로운 뇌 부위 세포들을 발견했다고 2일 밝혔다.
기억은 주로 몇몇 뇌 부위에 국한해 연구돼왔다. 예를 들어 공포 기억은 편도체, 공간 기억은 해마의 세포들에 저장된다고 생각돼왔으며, 해당 뇌 부위들이 주로 연구됐다. 하지만 단일 기억이 다양한 뇌 부위에 나누어 저장될 것이라는 가설도 제시돼왔는데, 이러한 가설은 기억을 저장하는 세포들의 분포를 뇌 전체에서 확인(매핑)함으로써 확실한 검증이 가능하나, 이는 기술적 한계로 이뤄지지 못했다.
공동연구팀은 기존 팀이 개발한 전뇌 투명화 기술(SHIELD) 및 초고속 전뇌 면역염색 기술(eFLASH)을 통해, 공간 공포 기억을 학습한 생쥐에서 기억의 학습과 회상 시 모두 활성화된 세포들을 뇌 전체에서 매핑했다. 이를 통해 공간 공포 기억을 저장하고 있을 확률이 높은 뇌 부위의 세포들을 생쥐 뇌 전체에서 찾아낼 수 있었다. 이후 해당 세포들을 광유전학적 방법으로 조절해 해당 세포들에 공간 공포 기억이 저장됐음을 확인함으로써, 공간 공포 기억을 저장하는 7개의 새로운 뇌 부위와 세포들을 연구팀은 찾아낼 수 있었다.
그렇다면 기억에 다양한 뇌 부위의 기억저장 세포들이 모두 필요한 것일까? 연구팀은 이를 확인하기 위해, 화학유전학 기법을 통해 다양한 뇌 부위의 기억저장 세포들을 한꺼번에 자극해 보았으며, 그 결과 뇌의 한 부위의 기억저장 세포를 자극했을 때와는 다르게, 자연적인 기억 회상에 가까운 기억의 완전한 회상이 유도됨을 확인했다. 이는 다양한 뇌 부위의 기억저장 세포들의 활성이 기억에 모두 필요함을 의미한다.
박영균 교수는 "이번 연구는 연구팀이 기존에 개발한 기술들에 힘입어 기억저장 세포의 매핑을 최초로 실현하고, 이를 통해 단일 기억이 다양한 뇌 부위 세포들에 흩어져 저장됨을 증명한 데 의의가 있다ˮ며, "이번 연구에서 밝혀진 기억저장 세포의 뇌 지도는, 각 뇌 부위의 세포 및 세포 간 상호작용이 기억에 있어 각각 어떠한 세부적인 기능을 하는지에 관한 연구를 촉진함으로써, 기억의 메커니즘에 대한 완전한 이해를 도울 수 있다ˮ고 말했다.
이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)'에 지난 4월 4일 자로 게재됐다(논문명: Brain-wide mapping reveals that engrams for a single memory are distributed across multiple brain regions)
2022.06.02
조회수 4363
-
마찰전기의 발생 원리를 세계 최초로 규명
우리 대학 물리학과 김용현 교수 연구팀이 수천 년 동안 해결되지 않은 난제 중의 난제로 알려진 마찰전기 발생 원리를 세계 최초로 규명했다고 26일 밝혔다.
김 교수 연구팀은 두 물질을 마찰시킬 때 경계면에서 발생하는 열에 의해 전하가 이동할 수 있다는 아이디어를 바탕으로 `제1 원리 전자구조 계산'과 `열전달 방정식'을 풀어 마찰전기의 미시적 작동원리를 찾아냈고, 기존에 알려진 실험적 사실을 정성적으로 기술할 수 있었을 뿐만 아니라 정량적으로도 이동 전하량을 설명해 낼 수 있었다. 기존에는 정량적으로 마찰전기를 설명할 수 있는 이론은 없었다.
마찰전기에 대한 새로운 이론은 최근 주목받고 있는 에너지 수확 기술 중의 하나인 마찰전기 나노 발전기(triboelectric nanogenerator, TENG) 효율의 혁신적 증대에 이바지할 것이며, 여러 실생활 및 반도체 산업에서 원하지 않는 문제를 일으키거나 터치스크린처럼 긍정적으로 사용되고 있는 정전기의 미시적 제어를 가능하게 할 것으로 기대된다.
물리학과 신의철 박사과정이 제1 저자로 참여하고 한국표준과학연구원 여호기 박사가 공동연구로 참여한 이번 연구는 1년여의 동료심사를 거쳐 미국물리학회 오픈엑세스 국제 학술지 `피지컬 리뷰 리서치 (Physical Review Research)' 5월 4권 2호에 지난 17일 출판됐다. (논문명 : Derivation of a governing rule in triboelectric charging and series from thermoelectricity).
마찰전기는 2,600년 전 인류가 처음 `전기'를 인식하게 된 계기로 알려질 만큼 인류와 함께한 역사가 굉장히 오래된 현상이다. 최근에는 에너지 수확 기술 중 하나로 중요하게 여겨지고 있을 뿐만 아니라 코로나19의 감염을 막기 위한 마스크 그리고 공기 정화 기술로 광범위하게 사용되고 있다.
실생활에서도 번개나 정전기 등으로 매우 친숙한 자연현상이지만 지금까지 마찰전기의 발생을 정량적으로 설명할 수 있는 양자역학 이론이나 나노기술 이론은 없었다.
김용현 교수와 여호기 박사는 2014년 열전 영상 측정 기술을 개발하며 두 물질 간의 계면에 급격한 온도변화가 발생할 수 있다는 사실에 주목했다. 계면에 마찰에 의한 열이 발생하면 열전효과에 의해 전하가 이동할 수 있고, 마찰전기의 원리를 규명할 수 있는 실마리를 찾은 것으로 기대했다. 하지만 당시 2~3명의 박사과정 학생이 달려들어도 문제는 쉽게 해결되지 않았고, 7년여 만인 지금 대부분 난관을 해결하고 마침내 마찰전기의 비밀을 인류 최초로 맛볼 수 있었다.
연구팀은 마찰전기의 전하 이동 방향을 예측할 수 있는 `마찰전기 팩터(triboelectric factor)' 공식을 유도했으며 이를 이용해서 세계 최초의 이론 마찰 대전열을 구성했다. 마찰전기 팩터는 제벡 계수(단위 온도차에서 유도되는 전압), 밀도, 비열, 열전도도 등 물질 특성으로 구성돼 있다. 또한 마찰전기로 발생시킬 수 있는 전압강하의 크기를 예측하는 `마찰전기 파워(triboelectric power)'라는 물리량 K도 연구팀이 최초로 제안했다.
마찰 대전열은 중학교 2학년 교과서에서 다루는 내용이었지만 2015년 개정 교육과정 교과서에서는 더이상 다루고 있지 않다. 기존의 경험적 방법으로 결정되는 마찰 대전열이 연구자마다 다른 결과를 보고하고 있어 부정확하다는 인식이 확산됐기 때문이다. 그러나 우리 연구팀이 미시적, 양자역학적으로 정의된 마찰전기 팩터를 이용해 정량적인 대전열을 최초로 구성했기 때문에 다시 교과서에 마찰 대전열이 실릴 수 있는 계기가 마련됐다.
김용현 교수는 "미시세계에서의 열전현상을 양자역학적으로 연구하고 있었기 때문에 인류의 난제인 마찰전기 문제를 해결할 수 있는 행운이 따랐고, 오랫동안 포기하지 않고 매달려 준 학생들과 동료들에게 감사하다ˮ 라며 "마찰전기에 대한 미시적 이해를 통해, 보다 고효율 마찰전기 나노 발전기를 물질 수준에서 설계할 수 있게 됐으며, 실생활이나 산업에서 정전기를 제어하는 데 널리 이용되기를 바란다ˮ 라고 말했다.
한편 이번 연구는 한국연구재단의 자율운영 중점연구소 지원사업, SRC 이공분야기초연구사업, 미래소재디스커버리사업, 그리고 KAIST의 최장 30년까지 지원하는 그랜드 챌린지 30 사업의 지원을 받아 수행됐고, 관련 기술은 국내 특허출원이 완료됐다.
2022.05.26
조회수 9655
-
안정적인 형태의 액체금속 프린팅 기술 개발
우리 대학 신소재공학과 스티브 박, 전기및전자공학부 정재웅 교수 공동 연구팀이 안정적인 형태의 액체금속을 고해상도로 프린팅할 수 있는 기술을 개발했다고 25일 밝혔다.
액체금속은 높은 전기전도성과 액체와 같은 변형성으로 인해 유연 및 신축성 전자소자에 다양하게 적용돼왔다. 하지만 액체 상태가 갖는 불안정성과 높은 표면장력으로 인해 직접적인 접촉을 요구하는 전극이나 고해상도를 요구하는 전자소자의 배선으로 사용하는 것에는 한계가 있었다.
이를 극복하기 위해 액체금속을 6~10㎛ (마이크로미터) 크기의 입자 형태로 분쇄해 안정적인 형태로 만들어 전자소자에 적용하는 연구가 진행돼왔지만, 이 경우에는 표면에 일어난 산화로 인해 기존의 높은 전기전도성을 상실한다는 단점이 존재했다. 이러한 액체금속 입자를 전기소자에 사용되기 위해서는 기계적, 화학적 변성을 통해 표면에 존재하는 산화막을 제거해 전기전도성을 다시 확보하는 과정이 필요했다.
이 문제를 해결하기 위해 연구팀은 프린팅 과정에서 노즐과 기판 사이에서 유도된 반월판(meniscus)에서 촉진된 증발로 현탁액(suspension)의 조성을 바꾸면서 화학적 변성을 유도할 수 있는 시스템을 개발했다. 먼저 프린팅에 사용되는 현탁액을 물과 물보다 끓는점이 높은 약산(아세트산)을 이용해 증발함에 따라 점점 강한 산성을 보이게 만들었다. 추가로 연구팀은 기판에 약 60℃의 열을 가해, 잉크의 증발과 산의 활성 및 화학적 변성을 촉진했다. 이를 통해 프린팅된 액체금속 입자 배선의 경우에는 별도의 전기적 활성 과정 없이 금속과 비슷한 수준의 높은 전기전도도(1.5x10^6 S/m)를 보이는 것을 확인했다.
연구팀은 액체금속 입자의 표면에 전해질을 붙여 기계적, 화학적 안정성을 향상해 프린팅 과정에서 발생할 수 있는 막힘(clogging) 현상을 방지하고, 액체금속 입자 간에 연결(bridging)을 통한 신축성을 부여했다. 프린팅된 액체금속 입자 기반 배선은 약 500%까지 늘려도 저항이 크게 변하지 않아 다양한 신축성 소자에 사용될 수 있는 것으로 기대된다.
프린팅을 통해 다양한 기판에 여러 형태로 빠르게 증착할 수 있어 여러 맞춤형 소자에 적용될 수 있다. 특히 프린팅된 액체금속 입자의 기계적, 화학적 안정성으로 인해 기존 액체금속으로는 불가능했던 전극으로서의 사용이 가능함을 보였다.
또 전해질이 부착된 액체금속은 생체 친화성이 우수해, 피부와 직접 닿을 수 있는 생체전극으로도 사용될 수 있다. 연구팀은 액체금속을 상용화된 의료용 테이프 위에 증착해, 사용자의 신체에 맞춰 최적화된 EMG 센서(근육 움직임으로 인한 미세한 전기신호를 감지하는 센서)를 제작했다. 나아가서 생분해성 기판 위에 액체금속 전극을 증착해 사용 이후에 의료용 폐기물이 나오지 않는 ECG 센서(심전도 센서)로의 응용 가능성도 제시했다.
신소재공학과 이건희(스티브 박, 정재웅 교수 공동 지도), 이예림 박사과정 학생이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 온라인 버전에 5월 12일 字 출판됐다. (논문명 : Rapid meniscus-guided printing of stable semi-solid-state liquid metal microgranular-particle for soft electronics)
스티브 박 교수는 "최근 주목받고 있는 액체금속 입자 기반 현탁액의 새로운 적용 가능성을 보여준 의미 있는 결과ˮ라고 말했다. 정재웅 교수는 "헬스케어를 위한 웨어러블, 임플란터블 모니터링 전자소자를 포함한 다양한 유연 및 신축성 전자소자에 핵심 기술로 활용될 수 있을 것으로 기대된다ˮ 라고 말했다.
2022.05.26
조회수 4705
-
암, 뇌졸중, 치매 등 각종 난치병 진단하는 멀티 바이오마커를 동시에 탐지하는 고성능 기술 개발
우리 대학 신소재공학과 장재범 교수, 전기및전자공학부 윤영규 교수 연구팀이 기존 기술 대비 5배 이상 더 많은 단백질 바이오마커를 동시에 탐지할 수 있는 멀티 마커 동시 탐지 기술 개발을 했다고 23일 밝혔다.
바이오마커란, 단백질이나 DNA, RNA, 대사 물질 등의 생체 분자로써 이를 통해 몸 안의 변화를 알아낼 수 있어 암을 비롯해 뇌졸중, 치매 등 각종 난치병을 정밀하게 진단하는 표지자로 각광받고 있다.
최근 환자별로 암 조직 내부에 발현되는 단백질 마커가 서로 다르다는 사실이 밝혀지고 있으며, 이러한 차이에 따라서 암의 예후 및 항암제 반응성 등이 결정된다는 연구 결과가 발표되고 있다. 이에 따라서 암 조직에서 여러 단백질 마커를 동시에 탐지하는 기술이 반드시 요구된다.
이에 장 교수 연구팀은 기존 기술 대비 5배 이상 더 많은 수의 단백질 마커를 동시에 관찰할 수 있는 기술을 개발했다. 이 기술은 특수한 시약이나 고가의 장비가 필요하지 않아 암의 정확한 진단 및 항암제 개발, 새로운 단백질 마커 발굴 등에 폭넓게 활용될 수 있을 것으로 기대된다.
우리 대학 신소재공학과 서준영, 심연보, 김지원 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스(Nature communications)' 5월 13권에 출판됐다. (논문명 : PICASSO allows ultra-multiplexed fluorescence imaging of spatially overlapping proteins without reference spectra measurements).
그동안 정밀 암 연구는 암 환자 조직 내부의 유전자를 분석하는 유전체 연구를 중심으로 진행돼왔다. 하지만 유전자 분석으로는 실제로 이 유전자로부터 단백질 마커가 얼마나 많이 발현되는지 혹은 어떤 공간적 분포로 발현되는지는 알 수 없다는 한계가 있다. 이에 따라서 최근 연구는 유전체 및 단백체를 동시에 분석하는 방향으로 나아가고 있다.
실제로 기존의 유전체 분석으로 유방암으로 진단받은 수백 명의 유방암 환자의 암 조직 내부 단백질 마커를 분석한 결과, 환자들을 생존율 및 약물 반응성이 서로 다른 여러 서브 타입으로 나눌 수 있다는 연구 결과가 발표된 바 있다. 또한, 최근 암을 정복할 신약으로 주목받고 있는 3세대 항암제인 면역항암제의 경우, 암 조직 내부의 면역세포를 활성화해 암을 치료한다.
이때, 암 조직 내부에 어떤 면역 단백질 마커가 발현되어 있는지에 따라서 그 약물 반응성에 큰 차이가 나타난다고 보고된 바 있다. 이처럼 암 조직 내부에서 여러 단백질 마커를 동시에 탐지하는 기술은 새로운 암 서브 타입의 발굴, 각 서브 타입을 표적으로 하는 신약 개발, 적합한 항암제 추천 등을 위해 필수적으로 요구된다.
그동안 암 조직 내부에서 여러 단백질 마커를 동시에 탐지하기 위해서 질량 분석 이미지 처리법 혹은 형광염색법이 사용돼왔다. 질량 분석 이미지 처리법은 하나의 조직에서 다수의 단백질 마커를 동시에 탐지할 수 있다는 장점이 있으나, 고가의 특수 장비가 필요하고, 분석 과정에서 조직이 파괴되며, 전체 과정이 오래 걸린다는 단점이 있다. 형광염색법은 이와 같은 단점은 없으나, 한 번에 3개의 단백질 마커만 관찰할 수 있다는 단점이 있다.
장 교수 연구팀은 이러한 형광염색법의 한계를 해결하기 위해 한 번에 15개 이상, 최대 20개까지의 단백질 마커를 동시에 탐지할 수 있는 기술인 `피카소(PICASSO)' 기술을 개발했다. `PICASSO는 “Process of ultra-multiplexed Imaging of biomoleCules viA the unmixing of the Signals of Spectrally Overlapping fluorophores'의 약자로, 기술을 통해 다양한 생체분자들의 이미지를 형형색색으로 얻어낼 수 있기에 일반인들에게 가장 친숙한 화가 피카소의 이름을 기술명으로 정했다. 연구팀은 이를 위해 발광 스펙트럼이 유사한 형광 분자들을 동시에 사용하고, 이러한 형광 분자들의 신호를 정확하게 분리할 수 있는 기술을 개발했다. 연구팀은 이 기술을 이용해 하나의 조직에서 15개의 단백질 마커를 탐지하는 과정을 세 번 반복해 총 45개의 단백질 마커를 탐지하는 데 성공했다.
장 교수 연구팀이 개발한 `피카소(PICASSO)' 기술은 기존 멀티 마커 동시 탐지 기술 중 가장 낮은 비용으로, 가장 많은 수의 단백질 마커를, 가장 빠르게 탐지할 수 있는 기술로, 향후 암 진단 및 제약 등에 활용될 가능성이 매우 크다. 연구팀은 이 기술 개발 과정에서 4건의 국내 특허, 3건의 미국 특허, 2건의 EPO(유럽 특허) 및 PCT(국제 특허)를 출원해 이번 기술의 지적 재산권을 확보했다고 밝혔다.
제1 저자인 서준영 연구원은 "`피카소(PICASSO)' 기술을 통해 그동안 관찰하기 어려웠던 조직 내 수많은 단백질 마커의 발현 정도 및 분포 관찰에 성공했다ˮ며, "특수한 시약이나 고가의 장비 없이 연구자들에게 친숙한 형광현미경만을 사용해 기술 구현이 가능하므로 접근성이 매우 높은 유용한 기술이 될 것이고, 새로운 생명현상 규명, 암 바이오마커 발굴, 정밀진단 및 치료제 개발 등에 활발히 사용될 수 있을 것이다ˮ 라고 말했다.
한편 이번 연구는 삼성미래기술육성사업의 지원을 받아 수행됐다.
2022.05.23
조회수 6037
-
실제 약물로 개발되는 단백질-리간드 상호작용 예측 인공지능 모델 개발
우리 대학 연구진이 물리화학적 아이디어를 인공지능 딥러닝에 접목해 기존의 방법보다 일반화 성능이 높은 단백질-리간드 상호작용 예측 모델을 개발했다. 리간드란 수용체와 같은 큰 생체 분자에 특이적으로 결합하는 물질을 말하며, 생체 내의 중요한 요소이자 의약품의 개발 등에 큰 역할을 한다.
화학과 김우연 교수 연구팀이 교원창업 인공지능 신약 개발 스타트업 HITS 연구진과 함께 물리 기반 삼차원 그래프 심층 신경망을 이용해 일반화 성능을 높인 단백질-리간드 상호작용 예측 모델을 개발했다고 17일 밝혔다.
약물 후보 분자를 발굴하기 위해서 타깃 단백질과 강하게 결합하는 리간드를 찾는 것이 중요하다. 하지만 유효 물질을 찾기 위해 수백만에서 수천만 개의 무작위 리간드 라이브러리를 대상으로 실험 전수 조사를 수행하는 것은 천문학적인 시간과 비용이 필요하다. 이러한 시간과 비용을 절감하기 위해 최근 단백질-리간드 상호작용 예측에 기반한 가상탐색(virtual screening) 기술이 주목받고 있다.
기존의 상호작용 예측 인공지능 모델들은 학습에 사용한 구조에 대해서는 높은 예측 성능을 보여주지만, 새로운 단백질 구조에 대해서는 낮은 성능을 보이는 과적합(over-fitting)이 문제가 됐다. 과적합 문제는 일반적으로 모델의 복잡도에 비해 데이터가 적을 때 발생한다. 이번 연구는 이러한 과적합 문제를 해결함으로써 다양한 단백질에 대해 고른 성능을 보여주는 예측 모델을 개발하는데 주안점을 뒀다.
연구진은 물리화학적 아이디어들을 딥러닝 모델에 적용해 모델의 복잡도를 줄임과 동시에 물리 시뮬레이션을 통해 부족한 데이터를 보강함으로써 과적합 문제를 해결하고자 하였다. 단백질 원자와 리간드 원자 사이의 거리에 따른 반데르발스 힘, 수소 결합력 등을 물리화학적 방정식으로 모델링하고, 매개변수를 딥러닝으로 예측함으로써 물리 법칙을 만족하는 예측을 가능하게 했다.
또한, 학습에 사용한 단백질-리간드 결정 구조가 실험적으로 판명된 가장 안정한 구조임에 착안했다. 부족한 실험 데이터를 보강하기 위해 불안정한 단백질-리간드 구조로 이루어진 수십만 개의 인공 데이터를 생성해 학습에 활용했고, 그 결과 생성된 구조에 비해 실제 구조를 안정하게 예측하도록 모델을 학습할 수 있었다.
연구진은 개발된 모델의 성능을 검증하기 위해 대조군으로 `CASF-2016 벤치마크'를 활용했다. 이 벤치마크는 다양한 단백질-리간드 구조들 사이에서 실험적으로 판명된 결정 구조에 근접한 구조를 찾는 도킹과 상대적으로 결합력이 큰 단백질-리간드 쌍을 찾는 스크리닝 등 실제 약물을 개발하는 과정에 필수적인 과제를 포함하고 있다. 검증 테스트 결과 기존에 보고된 기술에 비해 높은 도킹 및 스크리닝 성공률을 보여줬으며, 특히 스크리닝 성능은 기존에 보고된 최고 성능 대비 약 두 배 높은 수치를 보였다.
연구진이 개발한 물리 기반 딥러닝 방법론의 또 다른 장점은 예측의 결과를 물리적으로 해석 가능하다는 것이다. 이는 딥러닝으로 최적화된 물리화학 식을 통해 최종 상호작용 값을 예측하기 때문이다. 리간드 분자 내 원자별 상호작용 에너지의 기여도를 분석함으로써 어떤 작용기가 단백질-리간드 결합에 있어서 중요한 역할을 했는지 파악할 수 있으며, 이와 같은 정보는 추후 약물 설계를 통해 성능을 높이는 데 직접 활용할 수 있다.
공동 제1 저자로 참여한 화학과 문석현, 정원호, 양수정(현재 MIT 박사과정) 박사과정 학생들은 "데이터가 적은 화학 및 바이오 분야에서 일반화 문제는 항상 중요한 문제로 강조돼왔다ˮ며 "이번 연구에서 사용한 물리 기반 딥러닝 방법론은 단백질-리간드 간 상호작용 예측 뿐 아니라 다양한 물리 문제에 적용될 수 있을 것ˮ이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 `Chemical Science(IF=9.825)' 2022년 4월 13호에 표지 논문 및 `금주의 논문(Pick of the Week)'으로 선정됐다. (논문명 : PIGNet: a physics-informed deep learning model toward generalized drug–target interaction predictions, 논문 링크 : https://doi.org/10.1039/D1SC06946B)
2022.05.17
조회수 5720