KAIST

오가노이드*는 인체 조직을 높은 정확도로 모사하기 때문에 질병 모델 개발이나 약물 스크리닝뿐만 아니라 개인 맞춤형 의학에도 활용이 가능하다. 하지만 매우 작은 크기의 전기 신호가 발생하는 심장과 뇌 오가노이드는 전기생리신호를 측정하는 것이 매우 어려웠다. 한국 연구진이 다양한 오가노이드에 손쉽게 적용가능한 전기생리신호 모니터링 시스템을 개발하는 데 성공했다. *오가노이드 : 인간유래 줄기세포를 기반으로 제작되는 3차원 형태의 세포 집합체로, 동물 실험 모델과 2차원 세포 배양 모델을 대체할 실험 모델로 큰 주목을 받고 있다. 우리 대학 전기및전자공학부 이현주 교수 연구팀이 한국생명공학연구원(원장 김장성, KRIBB) 국가아젠다연구부 손미영 부장 연구팀 및 줄기세포융합연구센터 이미옥 박사 연구팀과 공동 연구를 통해 오가노이드의 비침습적 전기생리신호 측정을 위한 고신축성 돌출형 미세전극 어레이 플랫폼을 개발했다고 14일 밝혔다. 기존의 오가노이드 관련 연구는 유전자 분석을

지금까지 다양한 항암 치료 기술이 개발됐음에도 현재 시행되고 있는 모든 항암치료의 공통점은 암세포를 사멸시켜서 치료하는 것을 목표로 하고 있다. 이로 인해 암세포가 내성을 획득해 재발하거나 정상세포까지 사멸시켜 큰 부작용을 유발하는 등 근본적인 한계를 지니고 있다. 우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 대장암세포를 죽이지 않고 그 상태만을 변환시켜 정상 대장세포와 유사한 상태로 되돌림으로써 부작용 없이 치료할 수 있는 대장암 가역 치료를 위한 원천기술을 개발하였다고 22일 밝혔다. 연구팀은 정상세포의 암화 과정에서 정상적인 세포분화 궤적을 역행한다는 관찰 결과에 주목하고, 이를 기반으로 정상세포의 분화궤적에 대한 유전자네트워크의 디지털트윈을 제작하는 기술을 개발했다. 그리고 이를 시뮬레이션 분석해 정상세포 분화를 유도하는 마스터 분자스위치를 체계적으로 탐색해 발굴한 뒤 대장암세포에 적용했을 때 대장암세포의 상태가 정상화된다는 것을 분자세포 실험과 동물실험

첨단 바이오/의학 분야에서 살아있는 세포와 조직 뿐만 아니라 오가노이드의 3차원 영상을 측정하고 정밀하게 분석하는 기술에 대한 중요도가 커지고 있다. 홀로토모그래피기술은 세포와 조직의 내부를 고해상도로 관찰할 수 있게 하여 재생의료, 맞춤형 의료, 난임 치료 등 연구에서 잠재력이 높게 평가되고 있다. 한국연구진이 광학 전문가가 아닌 의생명과학 연구자들을 대상으로 홀로토모그래피 장점과 넓은 응용 가능성을 알리는 논문을 발표해서 화제다. 우리 대학 물리학과 박용근 교수 연구팀이 기초과학연구원(IBS, 원장 노도영), 한국기초과학지원연구원(KBSI, 원장 양성광)과 공동 집필하여 홀로토모그래피의 원리와 응용 현황, 한계점 및 향후 방향성을 망라한 논문을 국제학술지에 게재했다고 30일 밝혔다. 홀로토모그래피는 엑스레이(X-ray) CT와 물리적인 원리는 동일하나 X선을 이용해 사람 몸속을 보는 CT와는 달리, 빛을 이용하여 세포와 조직의 내부를 고해상도로 관찰할 수 있게 한다.

세포들이 뭉쳐 생성된 구형 집합체인 스페로이드(spheroid)의 제작 기술은 현재 단일 조건의 스페로이드를 대규모로 생성하는 것까지는 가능하나, 체내 조직의 기능을 모사할 수 있는 최적의 크기 및 세포 조성 범위의 탐색이 어렵고, 다중 약물 스크리닝에 적합하지 않다는 문제가 있었다. 우리 연구진이 단 3번의 세포 주입으로 10가지 세포 조성을 갖는 100개의 스페로이드를 제작하고, 25가지 약물 조합을 동시에 처리할 수 있는 플랫폼을 구축하는 데 성공했다. 우리 대학 바이오및뇌공학과 박제균 교수 연구팀이 다양한 스페로이드 어레이(배열)를 맞춤형으로 손쉽게 제작하고 이를 구획화해 다중 시약 처리를 수행할 수 있는 조립형 마이크로어레이 플랫폼을 개발했다고 27일 밝혔다. 기존 단일 조건의 스페로이드를 대규모로 제작하는 방법은 다중 약물 스크리닝이 어렵고, 다중 약물 스크리닝이 가능한 방법은 대규모 제작이 어려워, 두 가지 장점을 동시에 만족하는 플랫폼이 개발되지 않은 실정이

지난 수십 년간 많은 의생명과학자의 집중적인 연구에도 불구하고 여전히 국내 사망원인 1위는 암이다. 이처럼 암 치료가 난해한 이유는 환자마다 암 발생의 원인이 되는 유전자 돌연변이와 그로 인한 유전자 네트워크 변형이 서로 달라서 전통적인 실험생물학 접근만으로 표적치료를 적용하는 데에는 본질적인 한계가 있기 때문이다. 한편 딥러닝과 같은 소위 블랙박스(black-box) 방식의 인공지능 기술을 활용해 실험을 대체하고 데이터 학습을 통해 약물 반응을 예측할 수 있으나 이에 대한 생물학적 근거를 설명할 수 없어 결과를 신뢰하기 어려웠다. 우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 인공지능과 시스템생물학을 융합해 암세포의 약물 반응 예측 및 메커니즘 분석을 동시에 이룰 수 있는 새로운 개념의 ‘그레이박스’ 기술을 개발했다고 3일 밝혔다. 조광현 교수 연구팀은 높은 예측 성능을 보이지만 그 근거를 알 수 없어 블랙박스로 불리는 딥러닝과 복잡한 대규모 모델