본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%ED%9A%A8%EC%86%8C%EA%B3%B5%ED%95%99%EC%83%81
최신순
조회순
숨겨진 효소 쏙쏙 찾아내는 인공지능 개발
대장균은 가장 많이 연구된 생명체 중 하나에 해당되지만 아직 대장균을 구성한 단백질 30%의 기능에 대해 명확하게 밝혀지지 않았다. 이에 대해 인공지능을 활용하여 아직 명확하게 밝혀진 바 없던 단백질에서 464종의 효소를 발견하였으며, 이 중 3종의 단백질의 예측된 기능을 시험관 내 효소 분석 방법을 통해 검증하는데 성공하였다. 우리 대학 생명화학공학과 이상엽 특훈교수와 캘리포니아대학교 샌디에이고(UCSD) 생명공학과 버나드 펄슨(Bernhard Palsson) 교수 공동연구팀이 단백질 서열을 활용, 해당 단백질의 효소 기능을 예측할 수 있는 인공지능, `딥 EC 트랜스포머(DeepECtransformer)'를 개발해 빠르고 정확하게 효소 기능을 파악할 수 있는 예측 시스템을 구축했다고 24일 밝혔다. 효소는 생물학적 반응을 촉매하는 단백질로서, 생명체 내 존재하는 다양한 화학 반응과 이에 따라 결정되는 생명체의 대사 특성을 파악하기 위해서는 각 효소의 기능을 이해하는 것이 필수적이다. EC 번호(효소 고유 번호, Enzyme Commission number)는 국제생화학 및 분자 생물학연맹 (International Union of Biochemistry and Molecular Biology, IUBMB)가 고안한 효소 기능 분류 체계로서, 다양한 유기체의 대사 특성을 이해하기 위해선 게놈 서열에서 존재하는 효소의 종류와 EC 번호를 빠르게 분석할 수 있는 기술 개발이 필요하다. 단백질의 기능 및 효소 기능 예측을 위해 인공지능을 활용하는 다양한 예측 시스템 또한 보고됐지만, 인공지능의 추론 과정을 직접 확인할 수 없는 블랙박스(black box)의 특징을 가졌거나, 효소 서열 내 아미노산 잔기(최소 단위) 수준으로 해석하지 못하는 문제가 있었다. 공동연구팀은 심층학습 기법과 단백질 상동성 분석 모듈을 활용해 주어진 단백질 서열의 효소 기능을 예측하는 인공지능 딥 EC 트랜스포머(DeepECtransformer)를 개발했다. 연구팀은 이번 연구에서 더 다양한 효소 기능을 정확하게 예측할 수 있도록 단백질 서열 전체 문맥에서 효소 기능에 중요한 정보를 추출하였고, 이를 통해 효소의 EC 번호를 정확하게 예측할 수 있었다. 개발된 인공지능은 총 5,360종류의 EC 번호를 예측할 수 있었다. 공동연구팀은 나아가 딥 EC 트랜스포머의 인공신경망 내 정보 흐름을 분석하여 인공지능이 추론 과정에서 효소 기능에 중요한 활성 부위나 보조 인자 결합 부위 정보를 활용하고 있음을 밝혀냈다. 이처럼 인공지능의 블랙박스를 해석함으로써 인공지능이 학습 과정에서 스스로 효소 기능에 중요한 특징을 파악하고 있음을 연구팀은 확인했다. 이번 논문의 제1 저자인 우리 대학 김기배 박사과정생은 “이번에 개발한 예측 시스템을 활용해 아직 밝혀진 적 없던 효소의 기능을 새롭게 예측하고 실험으로 검증할 수 있었다”고 말했다. 그는 또한 “딥 EC 트랜스포머를 활용해 생명체 내 밝혀지지 않았던 효소를 파악함으로써 유용 화합물을 생합성하기 위해 필요한 효소나 플라스틱을 생분해하기 위해 필요한 효소 등 다양한 대사 과정을 새롭게 밝혀낼 수 있을 것”이라고 덧붙였다. 또한 이상엽 특훈교수는 “효소 기능을 빠르고 정확하게 예측하는 딥 EC 트랜스포머는 기능 유전체학의 핵심 기술로서 시스템 수준에서 전체 효소들의 기능들을 분석할 수 있게 한다”며 “이를 활용해 모든 효소 정보를 포함한 대사 네트워크를 기반으로 친환경 미생물 공장 개발을 수행할 수 있을 것”이라고 밝혔다. 생명화학공학과 김기배 박사과정이 참여한 이번 논문은 국제 학술지 네이처(Nature) 誌가 발행하는 `네이처 커뮤니케이션즈(Nature Communications)'에 동료 심사를 거쳐 11월 14일 字 게재됐다. ※ 논문명 : 트랜스포머 레이어와 딥러닝을 사용하여 효소 인코딩 유전자의 기능적 주석 달기 (Functional annotation of enzyme-encoding genes using deep learning with transformer layers) ※ 저자 정보 : 김기배 (한국과학기술원, 제1 저자), 김지연 (한국과학기술원, 제2 저자), 이종언 (한국과학기술원, 제3 저자), Charles J. Norsigian (UCSD, 제4 저자), Bernhard O. Palsson (UCSD, 제5 저자) 및 이상엽(한국과학기술원, 교신저자) 포함 총 6 명 한편, 이번 연구는 과기정통부가 지원하는 ‘석유대체 친환경 화학기술개발사업의 ‘바이오화학산업 선도를 위한 차세대 바이오리파이너리 원천기술 개발’ 과제(과제책임자 KAIST 이상엽 특훈교수)의 지원을 받아 수행됐다.
2023.11.24
조회수 1929
김학성 명예교수, 2023 효소공학상 수상
우리 대학 생명과학과 김학성 명예교수가 2023년 효소 공학상(Enzyme Engineering Award) 수상자로 선정됐다고 24일 밝혔다. 본 상은 효소공학(Enzyme Engineering) 분야 최고 권위 국제학회 상으로 2년마다 개최되는 국제 효소공학 학회(Enzyme Engineering Conference)에서 수여된다. 시상식은 오는 10월 1일부터 6일까지 싱가포르에서 개최되는 제27차 학회에서 수상 강연과 함께 진행된다. 효소(Enzyme)는 반응 특이성과 효율이 매우 높은 단백질의 일종으로 생체 내에서 생명 현상을 유지하는 데 가장 중요한 역할을 수행하는데, 예를 들면 유전자 복제, 신호전달, 대사, 단백질 합성 등 다양한 과정에 필수적으로 작용한다. 산업적으로 효소는 의약품 및 정밀/범용 화학제품 생산에 사용되고 있으며 최근에는 환경오염과 지구 온난화를 해결하고자 효소 기반 공정 개발 연구가 전 세계적으로 진행되고 있다. 그러나, 자연계에 존재하는 수많은 종류의 효소는 생체 내 반응에 적합하도록 진화되었기 때문에 이를 실제 산업적으로 사용하는 데 많은 제약이 있다. 이를 해결하고자 생명공학, 화학기업, 대학과 연구소에서 응용 목적에 맞는 효소 개발에 집중하고 있다. 김학성 교수는 지난 30여 년 동안 구조 기반 설계, 방향적 진화 및 컴퓨터 기반 설계를 통해 목적에 맞는 기능을 갖는 효소를 효율적으로 창출할 수 있는 기반 기술을 성공적으로 개발했다. 김 교수팀이 개발한 기반 기술은 산업용 효소, 단백질 신약, 합성 생물학, 바이오 화학, 생유기 합성 분야에서 광범위하게 활용될 수 있는 원천 기반 기술이다. 김 교수는 일련의 연구를 세계 최고 학술지인 ‘사이언스(Science)’를 비롯한 ‘네이쳐 케미컬 바이올로지(Nature Chemical Biology)’, ‘네이쳐 커뮤니케이션즈(Nature Communications)’, ‘앙게반테 케미(Angewandte Chemi.)’, ‘어드밴스드 사이언스(Advanced Science)’ 등의 저명 학술지에 발표하였고 60편의 특허를 등록하는 등 국제적으로 괄목할 업적을 이뤘다. 또한, 효소를 이용한 정밀화학 및 의약품 생산 기술을 산업체에 기술 이전 하여 관련 산업 발전에 크게 기여했다. 김학성 교수는 이러한 공로를 인정받아 관련분야의 최고 권위 국제 학회상인 ‘효소 공학상(Enzyme Engineering Award)’ 수상자로 선정됐다. 상을 수상한 김학성 교수는 “연구실 실적이 국제적으로 인정받아 권위 있는 상을 받게 되어 매우 영광이고, 연구실 졸업생들과 재정적 지원을 해주신 기관에 감사를 드린다. 앞으로 다양한 분야에서 효소의 산업적 응용을 확대시키는데 노력을 할 것이다”라고 수상 소감을 밝혔다.
2023.08.24
조회수 2267
<<
첫번째페이지
<
이전 페이지
1
>
다음 페이지
>>
마지막 페이지 1