암 치료가 어려운 근본적 이유는 발생원인 유전자의 돌연변이가 각각 다르기 때문이다.

2만 개에 달하는 유전자 간에는 무수한 상호작용이 일어나는데, 유전자 돌연변이가 발생하면 이는 유전자 네트워크에 큰 변화를 가져오기 때문에 약물에 대한 반응도 달라지는 결과를 초래한다.

복잡한 암 메커니즘 추적하는 그레이박스

KAIST 바이오및뇌공학과 조광현 교수 연구팀이 인공지능(AI)과 시스템생물학을 융합해 암세포의 약물반응 예측과 메커니즘 분석을 동시에 할 수 있는 신개념 ‘그레이박스’ 기술을 개발했다.

시스템생물학은 여러 구성인자의 상호작용으로 발생하는 복잡한 생명현상을 수학모델링, 컴퓨터시뮬레이션, 분자세포생물학 등을 융합해 시스템 차원의 근본적 메카니즘을 규명하는 디지털바이오 융합연구 패러다임이다.

연구팀은 다양한 암의 돌연변이와 표적항암제 타겟 유전자정보를 집대성, 분자조절 네트워크 모델을 구축하고 항암제 약물반응 예측에 활용될 수 있는 범용 골격모델을 정립했다. 

아울러 다양한 암에서 돌연변이가 빈번한 유전자를 중심으로 전암(pan-cancer) 유전자 네트워크를 제작하고, 표적항암제별 약물반응 관련 돌연변이 및 연관 유전자로 구성된 부분네트워크를 추출해 약물반응 예측을 위한 시스템생물학 모델을 제작했다. 

연구팀은 제작한 모델의 매개변수를 딥러닝 블랙박스 최적화기로 결정하는 방식으로 트라메티닙, 아파티닙, 팔보시클립 등 세 개 표적항암제와  대장암, 유방암, 위암 등 세 개 암에 대한 그레이박스 모델을 구축했다. 

이어 완성된 모델의 약물반응 시뮬레이션 결과 각 암별 약물반응 민감도 차이를 보이는 세포주 실험으로 비교 검증됐다.

이를 통해 연구팀은 미국국립암연구소의 돌연변이 정보에 따라 동일한 반응을 보일 것으로 예상된 암세포주가 실제 서로 다른 약물반응을 보일 수 있다는 것을 정확히 예측했다.

또 약물반응의 차이가 발생하는 원인도 세포주별 분자네트워크 동역학 차이로 상세히 설명했다.

이번 연구성과는 학습에 의한 시뮬레이션 모델 최적화로 블랙박스 모델인 인공지능 기술의 높은 예측력과 화이트박스 모델인 시스템생물학 기술의 해석력을 동시에 달성, 새로운 약물반응 예측기술을 개발한 것이다.

특히 암처럼 발생 원인이 이질적이고 복잡한 네트워크 질환에 폭넓게 활용할 수 있는 약물반응 예측의 원천기술로, 향후 기술 고도화를 통해 다양한 종류의 암환자 맞춤형 치료에 활용될 전망이다.

조 교수는 "AI의 높은 예측력과 시스템생물학의 우수한 해석력을 동시에 갖춘 새로운 융합 원천기술로, 향후 고도화를 거쳐 신약개발에 활용될 것으로 기대된다“고 밝혔다.

한편 이번 연구는 KAIST 바이오및뇌공학과 김윤성 박사, 한영현 박사가 참여했고, 연구결과는 국제저널 `셀 리포트 메소드‘ 5월 20일자 표지논문으로 게재됐다.

대덕특구=이재형 기자 jh@kukinews.com