-
전염병 확산 예측하는 더 정확한 수학 공식 나왔다
인류와 전염병의 전쟁에서 수학은 최적의 방어막 구축을 위한 과학적 근거를 제시해왔다. 우리 대학 김재경 교수 연구팀은 국가수리과학연구소 최선화 선임연구원, 고려대 최보승 교수, 경북대 이효정 교수팀과 공동으로 정확도를 획기적으로 높인 전염병 확산 예측 모델을 새롭게 제시했다.
미지의 바이러스가 나타나면 과학자들은 구조와 실체를 파악하고, 제약사는 바이러스에 대항할 백신과 치료제를 개발한다. 바이러스를 제압할 무기를 만드는 동안, 방역은 국민을 보호하고 피해를 최소화하는 방어막 역할을 한다. 피해를 정확하게 예측하고, 의료진을 배치하고, 병상을 확보하는 등 대책 수립에 수학이 쓰인다.
코로나19 팬데믹은 수리 모델 기반 전염병 확산 모델의 중요성을 재조명하게 해준 사례다. 이를 통해 추정한 감염재생산지수(R값), 잠복기, 감염기 등 변수들은 질병의 확산 양상을 이해하고, 방역 정책을 설계하는 데 중요한 요소로 작용했다.
그러나 기존 모델에는 한계가 있었다. 기존 대부분 모델은 감염자와 접촉한 시점에 상관없이 모든 접촉자가 동일 확률로 감염력이 발현된다고 가정한다. 미래 상태가 현재 상태에 의해서만 결정되고, 과거의 영향을 받지 않는다는 마르코프(Markovian) 시스템에 기반하여 미래를 추정해왔다.
하지만 실제 환경에서는 현재뿐 아니라 과거 상태도 미래에 영향을 준다(비마르코프(non-Markovian) 시스템). 감염자와 접촉 이후 잠복기를 거쳐 감염되기 때문에, 접촉 시점이 오래된 사람일수록 감염력이 발현될 확률이 높다.
최보승 교수는 “현재와 과거를 모두 고려해야 하는 비마르코프 시스템은 수학적 추정과 모델링이 복잡하고, 계산이 어려워서 기존 전염병 확산 모델은 마르코프 시스템을 가정하고 추정을 진행해왔다”며 “즉, 실제 감염병 확산 양상을 정확하게 반영하지는 못했다”고 설명했다.
공동 연구팀은 현재와 과거를 모두 고려하는 새로운 감염병 확산 모델을 개발했다. 미래의 변화를 현재의 상태만으로 설명하는 상미분방정식 대신, 미래의 변화를 현재와 과거의 상태를 모두 이용하여 설명하는 지연미분방정식을 도입해 기존 모델의 한계를 극복했다.
연구진은 2020년 1월 20일부터 11월 25일까지 서울의 누적 코로나19 확진자 정보를 활용해 새로 제시한 모델의 정확도를 평가했다. 초기 바이러스의 전파로 확진자가 급증했던 시기(2020.1.20.~3.3)의 감염재생산지수를 기존 모델은 4.9, 새 모델은 2.7로 추정했다. 확진자 전염 경로를 추적해 얻은 실제 값은 2.7이었다. 즉, 기존 모델이 감염재생산지수를 2배 가까이 과대 추정하는 상황이 생길 수 있고, 이에 따라 코로나19 감염력을 과대 예측할 수 있다는 것을 보여준다.
최선화 선임연구원은 “과대 예측 문제를 해결하기 위해 기존 모델은 감염기(감염자가 다른 사람에게 전염을 일으킬 수 있는 기간) 등 추가 역학 정보를 사용해 값을 보정해 사용해왔다”며 “새로운 모델은 추가 역학 정보 없이도 감염재생산지수를 정확히 추정할 수 있다는 장점이 있다”고 설명했다.
연구를 이끈 김재경 교수는 “우리 연구진은 새로운 모델을 바탕으로 ‘IONISE(Inference Of Non-markovIan SEir model)’라는 프로그램을 개발하여, 분야 연구자들이 활용할 수 있도록 무료로 공개했다”며 “향후 공중보건 전문가들이 전염병 확산 양상을 보다 깊이 이해하고, 효과적인 방역 전략을 수립하도록 도울 것으로 기대한다”고 말했다.
연구 결과는 10월 9일 국제학술지 ‘네이처 커뮤니케이션스(Nature Communications, IF 14.7)’에 실렸다.
※ 논문명: Overcoming Bias in Estimating Epidemiological Parameters with Realistic History-Dependent Disease Spread Dynamics(제1저자: 홍혁표, 엄은진)
2024.10.17
조회수 1752
-
인공지능 화학 학습으로 새로운 소재 개발 가능
새로운 물질을 설계하거나 물질의 물성을 예측하는 데 인공지능을 활용하기도 한다. 한미 공동 연구진이 기본 인공지능 모델보다 발전되어 화학 개념 학습을 하고 소재 예측, 새로운 물질 설계, 물질의 물성 예측에 더 높은 정확도를 제공하는 인공지능을 개발하는 데 성공했다.
우리 대학 화학과 이억균 명예교수와 김형준 교수 공동 연구팀이 창원대학교 생물학화학융합학부 김원준 교수, 미국 UC 머세드(Merced) 응용수학과의 김창호 교수 연구팀과 공동연구를 통해, 새로운 인공지능(AI) 기술인 ‘프로핏-넷(이하 PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다.
연구팀이 개발한 인공지능은 유전율, 밴드갭, 형성 에너지 등의 주요한 소재 물성 예측 정확도에 있어서 이번 기술은 기존 딥러닝 모델의 오차를 최소 10%, 최대 40% 줄일 수 있는 것으로 보여 주목받고 있다.
PROFiT-Net의 가장 큰 특징은 화학의 기본 개념을 학습해 예측 성능을 크게 높였다는 점이다. 최외각 전자 배치, 이온화 에너지, 전기 음성도와 같은 내용은 화학을 배울 때 가장 먼저 배우는 기본 개념 중 하나다.
기존 AI 모델과 달리, PROFiT-Net은 이러한 기본 화학적 속성과 이들 간의 상호작용을 직접적으로 학습함으로써 더욱 정밀한 예측을 할 수 있다. 이는 특히 새로운 물질을 설계하거나 물질의 물성을 예측하는 데 있어 더 높은 정확도를 제공하며, 화학 및 소재 과학 분야에서 크게 기여할 것으로 기대된다.
김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 한층 더 발전할 수 있다는 가능성을 보여주었다ˮ고 말했으며 “추후 반도체 소재나 기능성 소재 개발과 같은 다양한 응용 분야에서 AI가 중요한 도구로 자리 잡을 수 있는 발판을 마련했다ˮ고 말했다.
이번 연구는 KAIST의 김세준 박사가 제1 저자로 참여하였고, 국제 학술지 `미국화학회지(Journal of the American Chemical Society)' 에 지난 9월 25일 字 게재됐다.
(논문명: PROFiT-Net: Property-networking deep learning model for materials, PROFiT-Net 링크: https://github.com/sejunkim6370/PROFiT-Net)
한편 이번 연구는 한국연구재단(NRF)의 나노·소재 기술개발(In-memory 컴퓨팅용 강유전체 개발을 위한 전주기 AI 기술)과 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업으로 진행됐다.
2024.10.10
조회수 1768
-
암 유발 물질 컴퓨터로 예측하다
암은 정상세포와 다르게 세포 내 비정상적인 축적을 통해 유발되는 대사 반응을 하며, 암의 치료 및 진단을 목적으로 이런 암 대사반응에 대해 다방면으로 연구되고 있다. 이에 우리 대학 연구진이 컴퓨터를 통해 24개 암종에 해당하는 1,043명의 암 환자에 대한 대사 모델 구축에 성공했다.
우리 대학 생명화학공학과 김현욱 교수, 이상엽 특훈교수 연구팀이 서울대학교병원 고영일 교수, 윤홍석 교수 및 정창욱 교수 연구팀과의 공동연구를 통해, 암 체세포 유전자 돌연변이와 연관된 새로운 대사물질 및 대사경로를 예측하는 컴퓨터 방법론을 개발했다고 18일 밝혔다.
최근 암 유발 대사물질(oncometabolite)*의 발견과 이를 표적으로 하는 신약들이 미국식품의약국(FDA)의 승인을 받으며 주목받고 있는데, 이에는 급성 골수성 백혈병의 치료제로 사용되고 있는 ‘팁소보(성분명: 아이보시데닙)’ 및 약물 ‘아이드하이파(성분명: 에나시데닙)’가 포함된다.
*암 유발 대사물질 (oncometabolite): 세포 내 비정상적인 축적을 통해 암을 유발하는 대사물질. 이러한 대사물질들은 특정 유전자 돌연변이의 영향으로 대사 과정 중에 비정상적으로 높은 농도로 축적되며, 이러한 축적은 암세포의 성장과 생존을 촉진함. 기존 연구에서 확인된 주요 암 유발 대사물질로는 2-하이드록시글루타레이트(2-hydroxyglutarate), 숙시네이트(succinate), 푸마레이트(fumarate) 등이 보고됨.
하지만, 암 대사 연구와 새로운 암 유발 대사물질 발굴에는 대사체학 등의 방법론이 필요하며, 이를 대규모 환자 샘플에 적용하기 위해서는 상당한 시간과 비용이 소요된다. 이러한 이유로, 암과 관련된 많은 유전자 돌연변이들이 밝혀졌음에도, 그에 상응하는 암 유발 대사물질은 극소수만 알려져 있다.
김현욱 교수 공동연구팀은 세포 대사 정보를 예측할 수 있는 게놈 수준의 대사 모델*에 국제 암 연구 컨소시엄에서 공개하고 있는 암 환자들의 전사체 데이터를 통합해, 24개 암종에 해당하는 1,043명의 암 환자에 대한 대사 모델을 성공적으로 구축했다.
*게놈 수준의 대사모델: 세포의 전체 대사 네트워크를 다루는 컴퓨터 모델로서, 세포 내 모든 대사반응에 대한 정보가 담겨 있으며, 다양한 조건에서 세포의 대사 활성을 예측하는 것이 가능
공동연구팀은 1,043명의 암 환자 특이 대사 모델과 동일 환자들의 암 체세포 돌연변이 데이터를 활용해, 다음의 4단계로 구성된 컴퓨터 방법론을 개발했다 (그림 1). 첫 단계에서는 암 환자 특이 대사 모델을 시뮬레이션해, 환자 별로 모든 대사물질들의 활성을 예측한다. 두 번째 단계로는 특정 유전자 돌연변이가 앞서 예측된 대사물질의 활성에 유의한 차이를 일으키는 짝을 선별한다. 세 번째 단계로, 특정 유전자 돌연변이와 연결된 대사물질들을 대상으로, 이들과 유의하게 연관된 대사경로를 추가로 선별한다. 마지막 단계로서, ‘유전자-대사물질-대사경로’ 조합을 완성해, 컴퓨터 방법론 결과로써 도출하게 된다.
이번 논문의 공동 제1 저자인 이가령 박사(現 다나파버 암센터 및 하버드 의과대학 박사후연구원)와 이상미 박사(現 하버드 의과대학 박사후연구원)는 “이번 연구에서 개발된 방법론은 암 환자 코호트의 돌연변이 및 전사체 데이터를 토대로 다른 암종에 대해서도 쉽게 적용될 수 있으며, 유전자 돌연변이가 대사경로를 통해 어떻게 세포대사에 변화를 일으키는지 체계적으로 예측할 수 있는 최초의 컴퓨터 방법론이라는 데 큰 의의가 있다” 한다고 말했다.
또한 김현욱 교수는 “이번 공동연구의 결과는 향후 암 대사 및 암 유발 대사물질 연구에서 중요한 참고 자료로 활용될 수 있을 것”이라고 강조했다.
한편 이번 논문은 바이오메드 센트럴(BioMed Central) 社가 발행하며, 생명공학 및 유전학 분야의 대표적 국제학술지인 게놈 바이올로지(Genome Biology, JCR 분야 상위 5% 이내)에 게재됐다.
※ 논문명 : Prediction of metabolites associated with somatic mutations in cancers by using genome-scale metabolic models and mutation data
※ 저자 정보 : 이가령(한국과학기술원, 공동 제1 저자), 이상미(한국과학기술원, 공동 제1 저자), 이성영(서울대학교병원, 공동저자), 정창욱(서울대학교병원, 공동저자), 송효진(서울대학교병원, 공동저자), 이상엽(한국과학기술원, 공동저자), 윤홍석(서울대학교병원, 교신저자), 고영일(서울대학교병원, 교신저자), 김현욱(한국과학기술원, 교신저자) 포함 총 9명
이번 연구는 과학기술정보통신부 한국연구재단의 지원을 받아 수행됐다.
2024.03.18
조회수 3526
-
인공지능으로 조현병 원인치료의 실마리 찾다
정신분열증으로도 알려진 조현병은 환청, 환영, 인지장애 등의 증상으로 대표되는 정신질환이다. 국내 연구진이 인공지능을 활용해 그동안 증상 억제만이 가능했던 조현병의 원인을 치료할 수 있는 실마리를 찾았다.
우리 대학 바이오및뇌공학과 이도헌 교수 및 한국한의학연구원(원장 이진용) 공동연구팀이 미국 스탠리 의과학연구소(이하 스탠리연구소) 와의 국제공동연구를 통해 인공지능으로 개인의 유전형과 조현병 사이의 선천적 병리 모델과 조현병 예측 마커를 발굴했다고 27일 밝혔다.
조현병은 2016년 강남역 살인사건, 2019년 진주 방화사건, 2023년 대전 칼부림 사건 등 일부 환자들의 강력범죄와 환자에 대한 사회적 낙인으로 인해 조현병은 심각한 사회적 문제가 되었다. 그러나 이러한 심각성에도 불구하고 조현병의 원인은 명확히 밝혀지지 않아, 리스페리돈(risperidone), 클로자핀(clozapine) 등 항정신병제에 의한 증상의 억제만이 가능한 실정이다.
이도헌 교수 연구팀은 미 스탠리연구소의 다수준 뇌 조직 데이터에 최근 주목받는 인공지능 기술인 `설명가능한 심층학습' 기술을 접목해, 선천적 유전형과 조현병 사이의 병리를 설명하는 인공신경망 모델을 구축했다. 그리고 모델을 해석하여, 선천적 유전형이 유전자·단백질 발현 조절을 통해 뇌의 전전두엽피질, 안와전두엽피질 신경세포의 발생을 변화시켜 조현병 취약성을 결정한다는 사실을 밝혀냈다. 또한, 뇌의 신경세포 밀도를 감소시키는 유전형 조합을 조현병 예측 마커로 제시해, 개인화된 조현병 예측과 세포 치료 등을 통한 조현병 원인치료의 가능성을 열었다.
이도헌 교수는 바이오의료 분야는 `속내를 알 수 없는 인공지능'보다는 `속내를 해석가능한 인공지능'이 꼭 필요한 분야라고 강조하면서, “기존의 인공지능과 비교했을 때 이번 연구에서는 인공신경망의 중간 노드에 유전자 이름, 세포의 상태와 같은 구체적인 생물학적 의미가 부여된 노드를 배치하고 그들간의 연결관계를 기계학습기법으로 분석했다”라고 말했다.
바이오및뇌공학과 이도헌 교수, 조유상 박사(現 한국한의학연구원 선임연구원), 미 스탠리연구소 김상현 박사, 마리 웹스터 박사가 공동으로 진행한 이번 연구는 영국 옥스퍼드대학교에서 발간하는 세계적 학술지인 `기능유전체학 브리핑(Briefings in Functional Genomics)'지 2023년 9월호에 게재됐다.
2023.09.27
조회수 5095
-
면역항암치료 부작용 인공지능으로 예측
면역항암치료는 환자의 면역 시스템을 활성화해 암을 치료하는 혁신적인 3세대 항암 치료 방법으로 알려져 있다. 하지만 면역항암 치료제는 면역활성화에 의해 기존 항암제와는 구분되는 자가면역질환과 유사한 부작용을 유발할 수 있다는 새로운 문제가 제기됐다. 이러한 부작용은 심각한 경우 환자를 죽음에까지 이르게 할 수 있기에 부작용에 대한 연구가 절실한 상황에 놓여있다.
우리 대학 바이오및뇌공학과 최정균 교수팀과 서울아산병원 종양내과 박숙련 교수팀은 면역항암제 치료를 받은 고형암 환자에 대한 대규모 전향적 코호트를 구축하고, 다차원적 분석을 통해 면역항암제 부작용의 위험요인을 규명했다고 22일 밝혔다. 또한 인공지능 딥러닝을 이용해 치료 전 환자에게서 부작용이 나타날지를 예측할 수 있는 모델까지도 개발했다고 알렸다.
기존의 관련 연구들은 소규모로 진행이 되거나, 적은 수의 지표로 국한된 범위에 대해서만 행해졌다. 또한 수행된 연구들은 면역 관련 부작용을 위해 디자인된 연구 설계가 아닌, 다른 목적을 위해 모집된 환자군을 모아 수행하는 후향적 연구 설계로 진행됐다는 한계점이 있었다.
연구팀은 이러한 한계점을 극복하기 위해, 서울아산병원을 필두로 국내 9개 기관과 협력하여 면역 관련 부작용의 포괄적인 위험요인을 밝히기 위한 대규모 전향적 코호트를 구축했다. 또한 환자의 유전체, 전사체, 혈액 지표 등 폭넓은 범위에서 면역 관련 부작용에 대한 위험요인을 밝혀냄으로써, 궁극적으로는 치료 전 미리 환자가 면역항암치료에 대한 부작용을 보일지 알아낼 수 있는 딥러닝 예측 모델을 개발했다. 해당 연구 결과는 다양한 고형암 환자의 임상데이터와 혈액 유전체 데이터에 기반했기에, 향후 환자의 암종과 상관없이 폭넓게 적용될 수 있을 것으로 기대된다.
우리 대학 바이오및뇌공학과 성창환 박사(現 : 서울아산병원 핵의학과)와 안진현 박사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘네이처 캔서(Nature Cancer)’ 에 게재됐다. (논문명 : Integrative analysis of risk factors for immune-related adverse events of checkpoint blockade therapy in cancer).
이번 연구에는 고려대학교 안암병원, 인제대학교 해운대백병원, 국립암센터, 서울삼성병원, 분당서울대학교병원, 고려대학교 구로병원, 연세대학교 세브란스병원, 서울대학교병원의 연구자들도 참여했다.
최정균 교수는 “이번 연구를 통해 면역항암 치료의 아킬레스건이라고 할 수 있는 면역관련 부작용에 대한 폭넓은 분석과 예측모델의 제시를 통해 향후 전세계 연구진이 사용할 수 있는 대규모 면역관련 부작용 리소스를 제공할 수 있을 것이라 기대한다”라고 말했다.
임상연구를 총괄한 서울아산병원 박숙련 교수는 “현재 면역항암제가 임상에서 광범위하게 사용되고 있고 그 치료 영역을 완치적 세팅으로까지 확장하고 있어 치료 효과뿐 아니라 환자 안전성이 더욱 중요한데 그동안 치료 부작용을 예측할 수 있는 좋은 지표가 없던 상황에서, 이번 연구 결과는 개별 환자의 임상데이터와 유전체 데이터에 기반해 면역항암제의 부작용 발생을 예측할 수 있어 암 환자의 정밀 의료 치료를 실현할 수 있는 기반이 될 것으로 기대한다”고 전했다.
이번 연구는 과학기술정보통신부 인공지능 신약개발 플랫폼 구축 사업의 지원을 받아 수행됐다.
2023.06.22
조회수 4240
-
코로나19 해외유입 확진자 수 예측 기술 개발
최근 전 세계적으로 코로나바이러스감염증-19(COVID-19) 확진자 수가 2,000만 명을 넘어선 가운데 최근 국내에서도 코로나19 확진자 수가 급증해 2차 대유행 조짐을 보이면서 정부는 8월 23일부터 전국 대상으로 사회적 거리두기 단계를 2단계로 격상해 시행 중이다.
중앙재난안전대책본부(중대본)에 따르면 국내 코로나 누적 확진자 수는 8월 23일 오전 0시 기준으로 총 1만7,399명이다. 이 중 해외유입 감염자 수는 2,716명(8월 22일 오전 0시 기준)으로 전체 확진자의 약 16%를 차지한다. 대륙별로 보면 아시아(중국 외), 미주, 유럽, 아프리카 순이다. 지난 14일 이후 국내 지역 발생 신규확진자 수가 급증하고 있지만 향후 해외유입 확진자 수의 확산추세 또한 결코 장담할 수 없는 상황이다.
이런 가운데 우리 연구진이 해외유입 확진자 수를 예측할 수 있는 관련 기술을 개발했다. 우리 대학 산업및시스템공학과 이재길 교수 연구팀이 코로나19 해외유입 확진자 수를 예측하는 빅데이터‧인공지능(AI) 기술을 개발했다고 19일 밝혔다.
이재길 교수 연구팀이 개발한 이 기술은 해외 각국의 확진자 수와 사망자 수, 해외 각국에서의 코로나19 관련 키워드 검색빈도와 한국으로의 일일 항공편 수, 그리고 해외 각국에서 한국으로의 로밍 고객 입국자 수 등 빅 데이터에 인공지능(AI) 기술을 적용해 향후 2주간의 해외유입 확진자 수를 예측한다.
코로나19 확진자 수가 급증할수록 해외유입에 의한 지역사회 확산의 위험성도 항상 뒤따르기 마련이다. 이에 따라 이재길 교수 연구팀이 개발한 정확한 해외유입 확진자 수 예측기술은 방역 시설 및 격리 시설 확충, 고위험 국가 입국자 관리 정책 등에 폭넓게 응용 및 적용될 수 있을 것으로 기대가 크다.
우리 대학 지식서비스공학대학원에 재학 중인 김민석 박사과정 학생이 제1 저자로, 강준혁, 김도영, 송환준, 민향숙, 남영은, 박동민 학생이 제2~제7 저자로 각각 참여한 이번 연구는 최고권위 국제 학술대회 'ACM KDD 2020'의 'AI for COVID-19' 세션에서 오는 24일 발표된다. (논문명 : Hi-COVIDNet: Deep Learning Approach to Predict Inbound COVID-19 Patients and Case Study in South Korea)
해외유입 확진자 수는 다양한 요인에 의해서 영향을 받는다. 일반적으로 해외 각국에서의 코로나19 위험도와 비례하며, 해외 각국에서 한국으로의 입국자 수와도 비례한다. 그러나 코로나19 위험도와 입국자 수를 실시간으로 알아내기에는 많은 제약이 따르므로 연구진은 쉽게 구할 수 있는 종류의 빅데이터를 기반으로 하는 인공지능(AI) 모델을 구축하는 데 성공했다.
연구진은 기본적으로 해외 각국의 코로나19 위험도를 산출할 때, 보고된 확진자 수와 사망자 수를 활용했다. 그러나 이러한 수치는 진단검사 수에 좌우되기 때문에 코로나19 관련 키워드 검색빈도를 같이 입력 데이터로 활용해 해당 국가의 코로나19 위험도를 실시간으로 산출했다.
이와 함께 실시간 입국자 수는 기밀정보로서 외부에 공개되지 않기 때문에 매일 제공되는 한국에 도착하는 항공편수와 로밍 고객 입국자 수를 통해 이를 유추해냈다. 로밍 고객 입국자 수 데이터는 KT로부터 제공 받았지만 KT 고객 입국자만을 포함한다는 한계를 일일 항공편수를 함께 고려함으로써 이 문제를 해소했다.
이밖에 해외유입 확진자 수 예측을 위해서는 국가 간의 지리적 연관성도 매우 중요하게 고려해야 한다. 어느 특정 국가의 코로나19 발병이 이웃 국가로 더 쉽게 전파되며, 국가 간의 교류도 거리에 따라 영향을 받기 때문이다. 연구팀은 이러한 문제해결을 위해 지리적 연관성을 학습하도록 국가-대륙으로 구성되는 지리적 계층구조에 따라 우선 각 대륙으로부터의 해외유입 확진자 수를 정확히 예측함으로써 궁극적으로 전체 해외유입 확진자 수를 정확히 예측하도록 하는 인공지능(AI) 모델을 설계했다. 연구팀은 이 인공지능 모델을 'Hi-COVIDNet'라고 이름 붙였다.
이후 연구팀은 약 한 달 반에 걸친 단기간의 훈련 데이터만으로 생성된 `Hi-COVIDNet'을 통해 향후 2주 동안의 해외유입 확진자 수를 예측한 결과, 이 모델이 기존의 시계열 데이터기반의 예측 기계학습이나 딥러닝 기반의 모델과 비교했을 때 최대 35% 더 높은 정확성을 지니고 있음을 확인했다.
제1 저자인 김민석 박사과정 학생은 "이번 연구는 최신 AI 기술을 코로나19 방역에 적용할 수 있음을 보여준 사례ˮ 라면서 "K-방역의 위상을 높이는데 기여할 것으로 기대한다ˮ 고 밝혔다.
이번 연구는 KAIST 글로벌전략연구소(소장 김정호)의 코로나19 AI 태스크포스팀의 지원을 받았고, KT(담당 변형균 상무)와 과학기술정보통신부(담당 김수정 서기관)의 '코로나19 확산예측 연구 얼라이언스'를 통해 로밍 데이터 세트를 지원받아 이뤄졌다.
2020.08.23
조회수 34977
-
오차율 10% 이내 정확도의 소재 설계 기술 개발
우리 대학 화학과 김형준 교수 연구팀이 소재 물성의 예측 오차율을 기존 기술보다 30% 이상 줄여 정확도를 한층 높인 소재 시뮬레이션 설계 기술을 개발했다.
이번 기술 개발을 통해 기존 40%에 달했던 소재 물성 예측 오차율을 10% 내로 줄임으로써 소재 개발에 걸리는 시간과 비용을 크게 절약할 수 있을 것으로 기대된다.
김민호 박사와 창원대 김원준 교수가 공동 1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘미국 화학회지(Journal of the American Chemical Societry)’ 1월 10일 자 온라인판에 게재됐다. (논문명 : uMBD: A Materials-Ready Dispersion Correction that Uniformly Treats Metallic, Ionic, and van der Waals Bonding)
새로운 기능성 소재 개발의 중요성이 커지면서 컴퓨터 시뮬레이션을 이용해 소재 물성을 정확히 예측해 새로운 소재를 설계하는 기술이 주목받고 있다.
소재 시뮬레이션 기술은 실제로 소재를 합성하고 평가하기 전에 가상 실험으로 다양한 소재 물성을 예측 및 설계하는 기술로, 주로 밀도범함수 이론(Density functional theory)이라는 양자 이론에 바탕을 두고 있다.
기존의 밀도범함수 이론은 소재 계면에서 반데르발스 힘을 정확하게 설명하지 못한다는 문제가 있었다. 반데르발스 힘은 전하의 일시적 쏠림으로 인해 분자가 순간적으로 극성을 띠면서 나타나는 당기는 힘을 뜻하는데, 이를 정확히 기술하지 못하기 때문에 소재 물성 예측 정확도가 떨어진다는 한계가 있다.
연구팀은 반데르발스 힘을 정확하고 효과적으로 기술할 수 있는 새로운 이론을 개발하고, 이를 밀도범함수 이론에 접목해 소재 시뮬레이션 기술의 정확도를 한층 높이는 데 성공했다.
연구팀은 100여 종의 다양한 소재를 테스트한 결과 40% 정도에 달했던 기존의 소재 물성 예측 오차율이 새 기술을 통해 10% 이내로 줄어듦을 확인했다.
특히 반데르발스 힘은 분자 소재부터 금속 및 반도체 소재에 이르기까지 거의 모든 재료 내에서 소재 물성을 결정하는 데 중요한 역할을 해, 연구팀의 새로운 이론은 다양한 차세대 기능성 소재 설계 연구에 적용 가능할 것으로 기대된다.
실제로 연구팀의 새 시뮬레이션 방법을 통해 리튬 이온 배터리 물질의 전압이나 2차원 소재의 박리 에너지를 예측하는 과정에서 높은 정확도를 보인 것으로 확인됐다.
김형준 교수는 “소재 개발 연구에 있어 경쟁력 강화를 위해서 기초 연구의 중요성이 점차 커지고 있다”라며 “새로 개발한 소재 시뮬레이션 기술을 배터리 소재, 에너지 전환 촉매 소재, 2차원 나노 소재 등 다양한 기능성 소재 설계 연구에 적용할 수 있을 것이다”라고 말했다.
이번 연구는 한국연구재단의 미래소재디스커버리 사업과 선도연구센터 지원 사업 (SRC)의 지원을 통해 수행됐다.
□ 그림 설명
그림1. 새롭게 개발한 이론 (uMBD)을 이용한 소재 시뮬레이션 기술과 기능성 소재 설계
2020.01.29
조회수 11308
-
이상완 교수, 신경과학-인공지능 융합으로 공학적 난제 해결
〈 (왼쪽부터) 안수진 박사과정, 이지항 박사, 이상완 교수 〉
우리 대학 바이오및뇌공학과 이상완 교수 연구팀이 영국 케임브리지 대학, 구글 딥마인드와의 공동 연구를 통해 차세대 뇌 기반 인공지능 시스템 설계의 방향을 제시했다.
이번 연구는 인간의 두뇌가 기존의 인공지능 알고리즘이 해결하지 못하는 부분을 해결할 수 있다는 사실에 기반한 신경과학-인공지능 융합 연구이다.
성능, 효율, 속도의 균형적 설계와 같은 다양한 공학적 난제를 해결할 수 있는 신경과학 기반 강화학습 이론을 제안한 것으로 새로운 인공지능 알고리즘 설계에 긍정적인 영향을 줄 것으로 기대된다.
이상완 교수와 함께 이지항 박사, 안수진 박사과정이 주도한 이번 연구는 국제 학술지 사이언스의 자매지 ‘사이언스 로보틱스(Science Robotics)’ 1월 16일 자 온라인판에 포커스 형식으로 게재됐다.
최적제어 이론에서 출발한 강화학습은 기계 학습의 한 영역으로 지난 20여 년 동안 꾸준히 연구된 분야이다. 특히 지난 5년 동안은 딥러닝 기술을 발전과 맞물려 급격한 성장을 이뤘다.
딥러닝 기반 강화학습 알고리즘은 최근 알파고와 같은 전략 탐색 문제, 로봇 제어, 응급실 비상 대응 시스템과 같은 의료 진단 등 다양한 분야에 적용되고 있다. 그러나 주어진 문제에 맞게 시스템을 설계해야 하는 점, 불확실성이 높은 환경에서는 성능이 보장되지 않는 점 등이 근본적인 해결책으로 남아있다.
강화학습은 의사 결정 및 계산신경과학 분야에서도 지난 20년간 꾸준히 연구되고 있다. 이상완 교수는 2014년 인간의 전두엽-기저핵 뇌 회로에서 이종 강화학습을 제어한다는 신경과학적 증거를 학계에 발표한 바 있다. 2015년에는 같은 뇌 회로에서 고속 추론 과정을 제어한다는 연구를 발표했다.
연구팀은 이번 연구에서 강화학습 등의 개별 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌가 이미 해결하고 있다는 사실에 기반한 ‘전두엽 메타 제어’ 이론을 제안했다.
중뇌 도파민-복외측전전두피질 네트워크에서 외부 환경에 대한 학습의 신뢰도를 스스로 평가할 수 있는 보상 예측 신호나 상태 예측 신호와 같은 정보를 처리하며, 인간의 두뇌는 이 정보들을 경쟁적-협력적으로 통합하는 프로세스를 통해 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 것이 이론의 핵심이다.
이러한 원리를 단일 인공지능 알고리즘이나 로봇설계에 적용하면 외부 상황변화에 강인하게 성능, 효율, 속도 세 조건(performance-efficiency-speed tradeoff) 사이의 균형점을 유지하는 최적의 제어 시스템을 설계할 수 있다. 더 나아가 다수의 인공지능 개체가 협력하는 상황에서는 서로의 전략을 이용함으로 협력-경쟁 사이의 균형점을 유지할 수 있다.
1 저자인 이지항 박사는 “현대 인공지능의 우수한 성능은 사람의 행동 수준 관찰뿐 아니라 두뇌의 저수준 신경 시스템을 알고리즘으로 구현해 적극적으로 발전시킨 결과라고 보고 있다”라며 “이번 연구는 계산신경과학에 기반한 결과로 현대 딥러닝과 강화학습에서 겪는 성능, 효율, 속도 사이의 난제를 해결하는 실마리가 될 수 있고, 새로운 인공지능 알고리즘 설계에 많은 영감을 줄 것이다”라고 말했다.
이상완 교수는 “연구를 하다 보면 우리의 두뇌는 공학적 난제를 의외로 쉽게 해결하고 있음을 알 수 있다. 이 원리를 인공지능 알고리즘 설계에 적용하는 뇌 기반 인공지능 연구는 구글 딥마인드, MIT, 캘리포니아 공과대학, UCL 등 해외 유수 기관에서도 관심을 두는 신경과학-인공지능 융합 연구 분야이다”라며 “장기적으로는 차세대 인공지능 핵심 연구 분야 중의 하나로 자리를 잡을 것으로 기대한다”라고 말했다.
이번 연구는 과학기술정보통신부 및 정보통신기술진흥센터 연구개발 사업, 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 외부 환경에 따라 성능-효율-속도 문제 균형점을 찾는 뇌기반 강화학습 이론 (좌), 이를 최적 제어하는 ‘전두엽 메타 제어’(중) 및 로보틱스 분야 문제 해결 적용 사례 (우)
2019.01.24
조회수 10206
-
이해신 교수, 와인성분 통해 심장에 정맥주사로 약물 전달 기술 개발
〈 이 해 신 교수 〉
우리 대학 화학과 이해신 교수 연구팀이 와인의 떫은맛을 내는 성분인 탄닌산(tannic acid)을 이용해 간단한 정맥주사만으로도 약물을 심장 조직에 전달할 수 있는 기술을 개발했다.
연구팀은 탄닌산을 단백질, 펩타이드 등의 약물과 혼합시켜 입자화 하는 방법을 통해 심장조직을 표적할 수 있음을 규명했다. 연구팀의 심장 질환의 효율적 치료를 위한 표적화 약물전달 기술은 단백질 기반의 다양한 신약에 적용 가능할 것으로 기대된다.
안전성평가연구소의 예측모델 연구센터 김기석 박사 연구팀과 공동으로 수행된 이번 연구는 네이처 자매지 ‘네이처 바이오메디컬 엔지니어링(Nature Biomedical Engineering)’ 4월 30일자 온라인 판에 게재됐다.
심장은 인체 내 가장 중요한 기관으로 분당 60~100회의 박동을 하는 동안 약 5리터의 혈액을 뇌를 포함한 전신에 공급하는 역할을 한다. 심장은 심근이라는 근육을 이용해 끊임없이 박동하는 운동성이 높은 기관이다.
심장 및 관련 혈관 질병을 심혈관계-순환계 질환이라고 하는데 이는 우리나라 사망 원인 2위를 차지한다. 고혈압, 당뇨, 고지혈증, 흡연, 비만 등 현대인의 불규칙한 식습관 및 생활습관으로 인해 나타날 수 있다. 대표적으로 심장으로 가는 관상동맥이나 미세한 혈류들이 좁아져 산소 및 영양분 공급이 원활하지 못해 발생하는 심근경색이 있다.
많은 연구자들이 심혈관계 질환 극복을 위한 화학약물요법이나 치료용 단백질 등을 개발하고 있다. 그러나 여전히 직접적인 수술, 카테터 및 스텐트 삽입 등에 의존하고 있으며 일반 정맥주사로 개발된 약물을 심장에 효율적으로 전달하는 기술은 개발되지 않았다.
심장의 강한 운동성으로 인해 정맥으로 주사된 약물이 순환하는 동안 심장으로의 전달 효율이 급격하게 저하되기 때문이다.
문제 해결을 위해 연구팀은 과일 껍질, 견과류, 카카오, 와인 등에 다량으로 존재하는 탄닌산이라는 물질을 이용했다. 탄닌산은 와인의 떫은맛을 내는 폴리페놀 분자의 일종으로 혀에 존재하는 점막 단백질과 결합해 떫은맛을 낸다고 알려져 있다.
연구팀은 탄닌산과 단백질 사이의 강한 분자 간 결합력을 이용해 치료용 단백질, 유전자 전달체인 바이러스 또는 기능성 펩타이드 약물 등을 간단하게 섞어주는 방법으로 입자화에 성공했다. 그리고 이를 주사했을 때 심장을 표적화할 수 있다는 사실을 발견했다.
탄닌산을 이용한 단백질 입자화 기술의 원리는 일종의 ‘분자 수준에서의 코팅’ 기술이다. 입자화된 단백질 복합체 표면에 코팅된 탄닌산이 심장의 기능을 유지하기 위해 밀집돼 있는 엘라스틴 및 콜라겐 단백질과 부가적으로 강한 상호작용을 하며 심장 조직에 부착된 상태로 오랜 시간 머무는 심장 표적화 기술이다.
이러한 탄닌산-단백질 복합체는 단백질만을 주사했을 때와 비교하면 5일 이상 장기적으로 혈관 내에서 순환됨을 확인했다.
이 교수 연구팀은 예전부터 탄닌산을 비롯한 접착성, 코팅성을 갖는 다양한 폴리페놀 재료를 응용해 의료용 생체 재료를 개발해 왔다. 실제로 심근경색 동물 모델에 탄닌산과 섬유아세포 증식인자를 섞어서 만든 약품을 주입하고 4주가 지난 뒤 심근경색이 일어난 크기가 감소했을 뿐 아니라 좌심실 압력 및 심박출량 등이 정상에 가깝게 호전되는 것을 확인했다.
이해신 교수는 “지금까지 심장질환 관련한 많은 약물들이 개발됐음에도 불구하고 상대적으로 약물을 심장에 효율적으로 전달하는 방법은 개발되지 않았다”며 “이번 기술은 기존 약물들을 새롭게 공식화해 개량신약으로 만들 수 있는 원천기술이다”고 말했다.
이번 연구는 연구재단 중견연구자 도약연구, 보건복지부 암정복프로그램, 산업통상자원부의 바이오산업핵심기술개발사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 탄닌산으로 제조한 단백질 복합체가 심장 조직에 전달되는 모식도
그림2. 바이러스 유전자 발현 효율 및 치료기능성을 보여주는 연구결과
2018.05.16
조회수 16619
-
이상엽, 김현욱 교수, 약물 상호작용 예측기술 DeepDDI 개발
우리 대학 생명화학공학과 이상엽 특훈교수와 김현욱 교수 공동 연구팀이 약물-약물 및 약물-음식 간 상호작용을 정확하게 예측하기 위해 딥 러닝(deep learning)을 이용해 약물 상호작용 예측 방법론인 딥디디아이 (DeepDDI)를 개발했다.
김현욱 교수, 류재용 연구원이 공동 1저자로 참여한 이번 연구는 국제학술지 ‘미국 국립과학원 회보(PNAS)’ 4월 16일자 온라인판에 게재됐다.
기존의 약물 상호작용 예측 방법론은 약물-약물 간의 상호작용 가능성만을 예측할 뿐, 두 약물 간의 구체적인 약리작용에 대한 정보는 제공하지 못했다. 이러한 이유로 맞춤형 약물 처방, 식이요법 등 응용 연구에서 체계적인 근거를 제시하거나 가설을 세우는 데에 한계가 있었다.
연구팀은 딥 러닝(deep learning) 기술을 적용해 19만 2천 284개의 약물-약물 상호작용을 아우르는 86가지의 약물 상호작용을 92.4%의 정확도로 예측하는 시스템 딥디디아이 (DeepDDI)를 개발했다.
딥디디아이는 두 약물 A, B 간의 상호작용에 대한 예측 결과를 다음과 같이 사람이 읽을 수 있는 영문 문장으로 출력한다 : “The metabolism of Drug B can be decreased when combined with Drug A (약물 A를 약물 B와 함께 복용 시 약물 B의 약물 대사가 감소 될 수 있다)”
연구팀은 딥디디아이를 이용해 두 약물 복용 시 일어날 수 있는 유해반응의 원인, 보고된 인체 부작용을 최소화시킬 수 있는 대체 약물, 특정 약물의 약효를 떨어뜨릴 수 있는 음식 및 음식 성분, 지금껏 알려지지 않은 음식 성분의 활성 등을 예측했다.
이번 연구성과로 약물-약물 및 약물-음식 상호작용을 정확하게 예측할 수 있는 시스템을 활용하는 것이 가능해졌으며 이는 신약개발, 복합적 약의 처방, 투약시의 음식조절 등을 포함해 헬스케어, 정밀의료 산업 및 제약 산업에 중요한 역할을 할 것으로 기대된다.
이상엽 특훈교수는 “이번 연구결과는 4차 산업혁명 시대의 정밀의료를 선도할 수 있는 기반 기술을 개발한 것이다”며, “복합 투여되는 약물들의 부작용을 낮추고 환자 맞춤형 약물 처방과 식이요법 제안을 통한 효과적인 약물치료 전략을 수립할 수 있다. 특히 고령화 사회에서 건강한 삶을 유지하는데 필요한 약-음식 궁합에 대한 제안을 해 줄 수 있는 시스템으로 발전해 나갈 것이다”고 말했다.
이 연구성과는 과학기술정보통신부의 바이오리파이너리를 위한 시스템대사공학 연구사업, KAIST의 4차 산업혁명 인공지능 플래그십 이니셔티브 연구사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 딥디디아이 (DeepDDI)의 모식도 및 예측된다양한 약물-음식성분의 상호작용들의 시각화
2018.04.18
조회수 16219
-
난소암환자의 보다 정확한 생존기간 예측 가능해져
- “개인 맞춤형 의약품 개발에 핵심 기술이 될 것” -
난소암환자의 생존기간 예측이 한층 더 정확해진다!
우리 학교 바이오 및 뇌공학과 이도헌 교수 연구팀이 난소암환자의 선천적 유전특징과 후천적 유전자 발현특성이 복합적으로 영향을 미친다는 결과를 이용해 암환자의 생존기간을 보다 정확하게 예측하는 기술을 개발했다.
이번 연구 결과는 개인맞춤형 의약품개발에 핵심기술이 될 전망이다.
기존의 난소암환자 생존기간 예측을 위해 특이 유전자형과 유전자 발현 특성을 각각 찾는 데 초점을 맞추고 있었다. 그러나 암과 같이 개인의 유전적 특성과 후천적 요인에 따른 유전자 발현 패턴이 복합적으로 작용하는 복합질환의 치료효과와 생존기간을 예측하기에는 역부족이었다.
연구팀은 생물정보학(Bioinformatics) 기술 중 하나인 상호연관 네트워크 모델링을 이용해 개인별 유전자의 특징과 발현특성을 분석했다. 이를 생존기간의 인자로 사용해 난소암환자 생존기간 예측의 정확도를 13% 이상 높일 수 있었다.
또한, 항암치료 후 결과의 개인차를 유발하는 유전적 특성과 유전자 발현패턴의 상호작용모델을 제시함으로써 개인차에 의한 항암 치료 생존기간의 예측이 가능해졌다.
이도헌 교수는 “최근 전 세계적으로 차세대 유전자 연구와 개인 맞춤형 치료제 개발이 본격화되고 있는 시기”라며 “이번 연구 결과는 난소암 환자의 생존기간 예측 및 개인별 특성에 따른 맞춤형 치료의 기반이 될 것이다”라고 말했다.
KAIST 바이오 및 뇌공학과 이도헌 교수, 백효정 박사과정 학생, 김준호 박사과정 학생, 하버드대 이은정 박사, 삼성SDS 박인호 박사가 공동으로 실시한 이번 연구는 세계적 학술지인 ‘지노믹스(Genomics)’지 6월호 표지 논문으로 선정됐다.
2011.06.28
조회수 16234