-
대형언어모델로 42% 향상된 추천 기술 연구 개발
최근 소셜 미디어, 전자 상거래 플랫폼 등에서 소비자의 만족도를 높이는 다양한 추천서비스를 제공하고 있다. 그 중에서도 상품의 제목 및 설명과 같은 텍스트를 주입하여 상품 추천을 제공하는 대형언어모델(Large Language Model, LLM) 기반 기술이 각광을 받고 있다. 한국 연구진이 이런 대형언어모델 기반 추천 기술의 기존 한계를 극복하고 빠르고 최상의 추천을 해주는 시스템을 개발하여 화제다.
우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 네이버와 공동연구를 통해 협업 필터링(Collaborative filtering) 기반 추천 모델이 학습한 사용자의 선호에 대한 정보를 추출하고 이를 상품의 텍스트와 함께 대형언어모델에 주입해 상품 추천의 높은 정확도를 달성할 수 있는 새로운 대형언어모델 기반 추천시스템 기술을 개발했다고 17일 밝혔다.
이번 연구는 기존 연구에 비해 학습 속도에서 253% 향상, 추론 속도에서 171% 향상, 상품 추천에서 평균 12%의 성능 향상을 이뤄냈다. 특히, 사용자의 소비 이력이 제한된 퓨샷(Few-shot) 상품* 추천에서 평균 20%의 성능 향상, 다중-도메인(Cross-domain) 상품 추천**에서 42%의 성능 향상을 이뤄냈다.
*퓨샷 상품: 사용자의 소비 이력이 풍부하지 않은 상품.
**다중-도메인 상품 추천: 타 도메인에서 학습된 모델을 활용하여 추가학습없이 현재 도메인에서 추천을 수행. 예를 들어, 의류 도메인에 추천 모델을 학습한 뒤, 도서 도메인에서 추천을 수행하는 상황을 일컫는다.
기존 대형언어모델을 활용한 추천 기술들은 사용자가 소비한 상품 이름들을 단순히 텍스트 형태로 나열해 대형언어모델에 주입하는 방식으로 추천을 진행했다. 예를 들어 ‘사용자가 영화 극한직업, 범죄도시1, 범죄도시2를 보았을 때 다음으로 시청할 영화는 무엇인가?’라고 대형언어모델에 질문하는 방식이었다.
이에 반해, 연구팀이 착안한 점은 상품 제목 및 설명과 같은 텍스트뿐 아니라 협업 필터링 지식, 즉, 사용자와 비슷한 상품을 소비한 다른 사용자들에 대한 정보가 정확한 상품 추천에 중요한 역할을 한다는 점이었다. 하지만, 이러한 정보를 단순히 텍스트화하기에는 한계가 존재한다. 이에 따라, 연구팀은 미리 학습된 협업 필터링 기반 추천 모델로부터 사용자의 선호에 대한 정보를 추출하고 이를 대형언어모델이 이해할 수 있도록 변환하는 경량화된 신경망을 도입했다.
연구팀이 개발한 기술의 특징으로는 대형언어모델의 추가적인 학습이 필요하지 않다는 점이다. 기존 연구들은 상품 추천을 목적으로 학습되지 않은 대형언어모델이 상품 추천이 가능하게 하도록 대형언어모델을 파인튜닝(Fine-tuning)* 하는 방법을 사용했다. 하지만, 이는 학습과 추론에 드는 시간을 급격히 증가시키므로 실제 서비스에서 대형언어모델을 추천에 활용하는 것에 큰 걸림돌이 된다. 이에 반해, 연구팀은 대형언어모델의 직접적인 학습 대신 경량화된 신경망의 학습을 통해 대형언어모델이 사용자의 선호를 이해할 수 있도록 했고, 이에 따라 기존 연구보다 빠른 학습 및 추론 속도를 달성했다.
*파인튜닝: 사전 학습된 대규모 언어모델을 특정 작업이나 데이터셋에 맞게 최적화하는 과정.
연구팀을 지도한 박찬영 교수는 “제안한 기술은 대형언어모델을 추천 문제에 해결하려는 기존 연구들이 간과한 사용자-상품 상호작용 정보를 전통적인 협업 필터링 모델에서 추출해 대형언어모델에 전달하는 새로운 방법으로 이는 대화형 추천 시스템이나 개인화 상품 정보 생성 등 다양한 고도화된 추천 서비스를 등장시킬 수 있을 것이며, 추천 도메인에 국한되지 않고 이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 사용하는 진정한 멀티모달 추천 방법론으로 나아갈 수 있을 것”이라고 말했다.
우리 대학 산업및시스템공학과 김세인 박사과정 학생과 전산학부 강홍석 학사과정(졸) 학생이 공동 제1 저자, 네이버의 김동현 박사, 양민철 박사가 공동 저자, KAIST 산업및시스템공학과의 박찬영 교수가 교신저자로 참여한 이번 연구는 데이터마이닝 최고권위 국제학술대회인 ‘국제 데이터 마이닝 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2024)’에서 올 8월 발표할 예정이다. (논문명: Large Language Models meet Collaborative Filtering: An Efficient All-round LLM-based Recommender System).
한편 이번 연구는 네이버 및 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행됐다. (NRF-2022M3J6A1063021, RS-2024-00335098)
2024.07.17
조회수 2568
-
인공지능으로 북한 등 경제지표 추정하다
유엔기구(UN)의 지속가능발전목표(SDGs)에 따르면 하루 2달러 이하로 생활하는 절대빈곤 인구가 7억 명에 달하지만 그 빈곤의 현황을 제대로 파악하기는 쉽지 않다. 전 세계 중 53개국은 지난 15년 동안 농업 관련 현황 조사를 하지 못했으며, 17개국은 인구 센서스(인구주택 총조사)조차 진행하지 못했다. 이러한 데이터 부족을 극복하려는 시도로, 누구나 웹에서 받아볼 수 있는 인공위성 영상을 활용해 경제 지표를 추정하는 기술이 주목받고 있다.
우리 대학 차미영-김지희 교수 연구팀이 기초과학연구원, 서강대, 홍콩과기대(HKUST), 싱가포르국립대(NUS)와 국제공동연구를 통해 주간 위성영상을 활용해 경제 상황을 분석하는 새로운 인공지능(AI) 기법을 개발했다고 21일 밝혔다. 연구팀이 주목한 것은 기존 통계자료를 기반으로 학습하는 일반적인 환경이 아닌, 기초 통계도 미비한 최빈국(最貧國)까지 모니터링할 수 있는 범용적인 모델이다.
연구팀은 유럽우주국(ESA)이 운용하며 무료로 공개하는 센티넬-2(Sentinel-2) 위성영상을 활용했다. 연구팀은 먼저 위성영상을 약 6제곱킬로미터(2.5×2.5㎢)의 작은 구역으로 세밀하게 분할한 후, 각 구역의 경제 지표를 건물, 도로, 녹지 등의 시각적 정보를 기반으로 AI 기법을 통해 수치화했다.
이번 연구 모델이 이전 연구와 차별화된 점은 기초 데이터가 부족한 지역에도 적용할 수 있게끔 인간이 제시하는 정보를 인공지능의 예측에 반영하는 `인간-기계 협업 알고리즘'에 있다. 즉, 인간이 위성영상을 보고 경제 활동의 많고 적음을 비교하면, 기계는 이러한 인간이 제공한 정보를 학습하여 각각의 영상자료에 경제 점수를 부여한다. 검증 결과, 기계학습만 사용했을 때보다 인간과 협업할 경우 성능이 월등히 우수했다.
이번 연구를 통해 연구팀은 기존 통계자료가 부족한 지역까지 경제분석의 범위를 확장하고, 북한 및 아시아 5개국(네팔, 라오스, 미얀마, 방글라데시, 캄보디아)에도 같은 기술을 적용하여 세밀한 경제 지표 점수를 공개했다. (그림 1) 이 연구가 제시한 경제 지표는 기존의 인구밀도, 고용 수, 사업체 수 등의 사회경제지표와 높은 상관관계를 보였으며, 데이터가 부족한 저개발국가에 적용 가능함을 연구팀은 확인했다.
이러한 변화탐지를 북한에 적용한 결과, 대북 경제제재가 심화된 2016년과 2019년 사이에 북한 경제에서 세 가지 경향을 발견할 수 있었다. 첫째, 북한의 경제 발전은 평양과 대도시에 더욱 집중되어 도시와 농촌 간 격차가 심화됐다. 둘째, 경제제재와 달러 외환의 부족을 극복하기 위해 설치한 관광 경제개발구에서는 새로운 건물 건설 등 유의미한 변화가 위성영상 이미지와 연구의 경제 지표 점수 변화에서 드러났다. 셋째, 전통적인 공업 및 수출 경제개발구 유형에서는 반대로 변화가 미미한 것으로 확인됐다.
연구에 참여한 우리 대학 전산학부·IBS 데이터사이언스그룹 CI 차미영 교수는 "전산학, 경제학, 지리학이 융합된 이번 연구는 범지구적 차원의 빈곤 문제를 다룬다는 점에서 중요한 의미가 있으며, 이번에 개발한 인공지능 알고리즘을 앞으로 이산화탄소 배출량, 재해재난 피해 탐지, 기후 변화로 인한 영향 등 다양한 국제사회 문제에 적용해 볼 계획이다ˮ 라고 말했다.
이 연구에는 경제학자인 우리 대학 기술경영학부 김지희 교수, 서강대 경제학과 양현주 교수, 홍콩과기대 박상윤 교수도 함께 참여하였다. 이들은 “이 모델은 저비용으로 개발도상국의 경제 상황을 상세하게 확인할 수 있어 국제개발협력(ODA) 사업에 도움을 줄 수 있을 것으로 예상된다”며 “이번 연구가 선진국과 후진국 간의 데이터 격차를 줄이고 유엔과 국제사회의 공동목표인 지속가능한 발전을 달성하는 데 기여할 수 있기를 바란다ˮ고 밝혔다.
위성영상과 인공지능을 활용한 SDGs 지표의 개발과 이의 정책적 활용은 국제적인 주목을 받고 있는 기술 분야 중 하나이며 한국이 앞으로 주도권을 가지고 이끌 수 있는 연구 분야이다. 이에 연구팀은 개발한 모델 코드를 무료로 공개하며, 측정한 지표가 여러 국가의 정책 설계 및 평가에 유용하게 사용될 수 있도록 앞으로도 기술을 개선하고 매해 새롭게 업데이트되는 인공위성 영상에 적용하여 공개할 계획이다.
한편 이번 연구 결과는 전산학부 안동현 박사과정, 싱가포르 국립대 양재석 박사과정이 공동 1저자로 국제 학술지 네이처 출판 그룹의 `네이처 커뮤니케이션즈(Nature Communications)'에 지난 10월 26일 자 게재됐다. (논문명: A human-machine collaborative approach measures economic development using satellite imagery, 인간-기계 협업과 위성영상 분석에 기반한 경제 발전 측정).
논문링크: https://www.nature.com/articles/s41467-023-42122-8
2023.11.21
조회수 4778
-
성형진 교수 연구팀, 랩온어칩(Lab on a Chip)지 표지논문 게재
우리 대학 기계공학과 성형진 교수 연구팀(초세대협업연구실)이 고주파수 표면탄성파 기반 마이크로스케일 음향흐름유동을 이용해 나노리터급 액적 내 화학적 농도 제어 기술을 개발했다.
동전 크기의 초소형 미세유체칩 내에 서로 섞이지 않는 두 유체로 조성된 마이크로스케일 액적을 기반으로 하는 액적 기반 미세유체역학 분야에서 개별 액적 내 화학적 농도를 제어하기 위해 그동안 많은 노력이 기울여져 왔다. 하지만 지금까지 개발된 액적 내 화학적 농도 제어 기술은 복잡한 미세유로 혹은 별도의 외부 구동시스템이 필요하거나, 만들어진 액적의 병합 혹은 희석을 통해 액적 내 화학적 농도를 제어하기 때문에 동적 제어가 불가능하고 액적 간 화학적 농도 구배를 형성하기 어렵다는 한계를 지니고 있었다.
이번 연구에서 성형진 교수 연구팀은 고주파수 표면탄성파를 미세유체칩 내 유동에 집속하여 음향흐름유동을 발생시켜 농도 제어가 필요한 액상 화학 시료와 완충용액을 혼합한 후, 혼합된 액상 시료를 분산상으로 하는 나노리터급 액적을 생성함으로써 액적 내 화학적 농도의 정밀 제어할 수 있음을 보였다. 개발된 기술을 활용하여 미세유체칩 내 고속으로 생성되는 개별 액적의 화학적 농도를 동적으로 제어할 수 있으며, 더 나아가 액적라이브러리 내 액적 간 화학적 농도 구배를 자유롭게 형성할 수 있는 최초의 기술이라는 점에서 기존 기술보다 진일보한 기술이라는 평가를 받았다.
아울러 평면파 각스펙트럼 이론과 등가 구경 이론을 이용해 원형 빗살무늬전극에서 생성되는 집속 표면탄성파의 집속점 위치가 기하학적 중심이 아니라는 점을 밝혔다. 또한 MHz 대역의 초음파 대역의 압전기판 위 표면탄성파 및 유체 내 종파의 감쇄에 의해 생성되는 마이크로스케일 음향흐름유동 및 와류를 전산유체역학적으로 가시화하여 인가되는 표면탄성파의 진폭과 생성되는 음향흐름유동장 사이의 관계를 규명해 효율적인 마이크로스케일 유동 혼합을 위한 조건을 제시했다.
이번 연구는 영국왕립화학회(Royal Society of Chemistry)에서 발간하는 미세유체역학 및 마이크로타스(microTAS) 분야의 세계적 권위 국제학술지인 랩온어칩(Lab on a Chip)지 2020년 21호의 표지논문으로 선정됐다 (논문명: Acoustofluidic generation of droplets with tunable chemical concentrations). 이는 성형진 교수의 Lab on a Chip 학술지 2016년 4호, 17호, 2017년 6호, 2018년 3호, 19호에 이은 여섯 번째 표지논문으로 미세유체역학 분야의 선도적 연구 성과다.
성형진 교수 연구팀은 그동안 미세유체역학, 난류, 고체-유체 상호작용 연구 분야에서 탁월한 연구 성과를 내 SCI급 국제학술지에 380여편의 논문을 게재했으며, 이번 연구는 과학기술정보통신부의 재원으로 한국연구재단의 중견연구와 초세대협업연구실의 지원으로 수행됐다.
박진수 박사 (현 전남대 교수)와 성형진 교수는 “이번 연구에서 개발된 음향미세유체역학 기술을 통해 마이크로스케일 액적 내 화학적 농도를 칩 내에서 정밀·동적 제어하고 액적 간 농도 구배를 형성할 수 있는 최초의 기술로서, 개발된 기술이 약물스크리닝, 단일 세포 및 입자 기반 분석, 기능성 마이크로캡슐 합성 등 액적 기반 미세유체역학 시스템이 사용되는 다양한 분야에서 핵심 원천기술로 널리 활용될 수 있을 것으로 기대된다”라며 연구 의의를 밝혔다.
2020.11.10
조회수 31074
-
이병주 교수, 영화 속 남녀 캐릭터 묘사 편향성 분석
<이병주 교수>
KAIST(총장 신성철) 문화기술대학원 이병주 교수 연구팀이 컴퓨터 비전 기술을 통해 상업 영화에서 남성과 여성 성별 간 캐릭터 묘사의 편향성을 정량적으로 분석하는 데 성공했다.
장지윤, 이상윤 석사과정이 주도한 이번 연구 결과는 소셜 컴퓨팅 분야 최고 권위 학회인 ‘컴퓨터 기반 협업 및 소셜 컴퓨팅 학회(CSCW, Computer-Supported Cooperative Work and Social Computing)’ 11월 11일 자로 발표될 예정이다. (논문명: Quantification of Gender Representation Bias in Commercial Films based on Image Analysis)
최근 영화가 다루는 소재와 연출 방식이 사람들의 성 의식에 어떤 영향을 미치는지에 대한 논의가 활발하게 진행되고 있다. 할리우드 역시 영화의 묘사가 관객에게 미치는 영향에 관한 연구를 진행해 적극적으로 제작에 반영하고 있다. 근래 개봉한 할리우드 영화에서도 다양한 젠더와 인종의 등장을 쉽게 발견할 수 있지만 우리나라는 관련 연구가 부족한 상황이다.
일반적으로 영화에서는 여성 캐릭터의 성별 묘사 편향성을 벡델 테스트(Bechdel Test)를 통해 평가하고 있다. 벡델 테스트는 미국의 여성 만화가 앨리슨 벡델(Alison Bechdel)이 고안한 개념으로 균형적인 성별 묘사를 위한 최소한의 요소가 영화에 반영돼 있는지를 판단하는 지표이다. 벡델 테스트에 통과하기 위해서는 ▲영화에 이름을 가진 여성 캐릭터가 두 명 이상 등장하며 ▲그 여성들이 서로 대화를 나누고 ▲여성 캐릭터들의 대화 주제가 남성 캐릭터와 관련이 없어야 한다는 조건을 갖춰야 한다.
그러나 벡델 테스트는 여성 캐릭터의 대사만으로 판별하기 때문에 캐릭터의 시각적인 묘사를 고려할 수 없으며 여성 캐릭터 혼자 극을 이끄는 영화들에 적용이 어렵다.
또한, 여성 캐릭터만을 평가하기 때문에 상대적으로 남성 캐릭터와 어느 정도 차이가 있는지를 알 수 없으며, 테스트에 통과하거나 하지 못하는 이분법적 잣대만을 제공하기 때문에 성별 묘사가 가질 수 있는 다양한 스펙트럼을 충분히 대변하기 어렵다. 그리고 평가자가 영화를 보고 주관적으로 판단하기 때문에 오류 발생 가능성이 있다.
이병주 교수 연구팀은 영화의 시간적, 시각적 특성을 반영해 성별 묘사 편향성을 측정하기 위해 이미지 분석 시스템을 도입했다. 효과적 분석을 위해 24프레임(fps) 영화를 3프레임으로 다운 샘플링한 뒤, 마이크로소프트(Microsoft)의 얼굴 감지 기술(Face API)로 영화 캐릭터의 젠더, 감정, 나이, 크기, 위치 등을 확인했다. 그리고 사물 감지 기술(YOLO 9000)로 영화 캐릭터와 함께 등장한 사물의 종류와 위치를 확인했다.
연구팀은 2017년과 2018년 개봉한 할리우드 영화와 우리나라 영화 40편을 대상으로 이미지 분석 시스템을 통해 여덟 가지 새로운 지표들을 제시하고 분석해 상업 영화 내에서의 성별 묘사의 편향성을 밝혀냈다.
여기서 여덟 가지 지표란 과거 다양한 매체들을 대상으로 이뤄진 성별 묘사 편향성에 관한 연구 결과에 기반해 영화 내 편향성을 판별할 수 있는 정량적 지표로 ▲감정적 다양성(Emotional Diversity) ▲공간적 역동성(Spatial Staticity) ▲공간적 점유도(Spatial Occupancy) ▲시간적 점유도(Temporal Occupancy) ▲평균 연령(Mean Age) ▲지적 이미지(Intellectual Image) ▲외양 강조도(Emphasis on Appearance) ▲주변 물체의 빈도와 종류(Type and Frequency of Surrounding Objects)를 연구팀은 제시했다.
연구팀은 벡델 테스트(Bechdel Test) 통과 여부를 막론하고 여덟 가지 지표를 통해 영화 대부분이 여성을 편향적으로 묘사하고 있음을 정량적으로 밝혀냈다.
감정적 다양성(Emotional Diversity) 지표에 따르면 여성 캐릭터는 남성 캐릭터에 비해 더 획일화된 감정표현을 보였다. 특히 여성 캐릭터는 슬픔, 공포, 놀람 등의 수동적인 감정을 더 표현하는 반면, 남성 캐릭터는 분노, 싫음 등의 능동적인 감정을 더 표현했다.
주변 물체의 빈도와 종류(Type and Frequency of Surrounding Objects) 지표에 따르면 여성 캐릭터가 자동차와 함께 나오는 비율은 남성 캐릭터 대비 55.7%밖에 되지 않았던 반면, 가구와 함께 나오는 비율은 123.9%를 보였다.
여성 캐릭터의 시간적 점유도(Temporal Occupancy)는 남성 캐릭터 대비 56% 정도로 낮았으며, 평균 연령(Mean Age)은 79.1% 정도로 어리게 나왔다. 특히 앞서 언급한 두 지표는 우리나라 영화에서 두드러지게 관찰됐다.
이병주 교수는 “우리나라에선 1인당 연간 평균 영화관람 횟수가 4.25회에 이를 정도로 많은 사람이 영화를 즐겨보는데, 이는 영화라는 매체가 우리나라 대중들의 잠재의식에 큰 영향력을 행사할 수 있음을 뜻한다”라며 “따라서 영화 내 묘사가 관객들의 생각에 미치는 영향에 관한 연구가 보다 활발하게 진행돼야 하며, 이를 바탕으로 영화는 더욱 신중하게 제작돼야 한다”라고 말했다.
이 연구는 KAIST 인문사회융합과학대학에서 추진한 석박사모험연구과제의 지원을 받아 수행됐다.
□ 그림 설명
그림 1. 이미지 분석 시스템
그림 2. 연구진이 분석 영화 40편
그림 3. 캐릭터 성별에 따른 안경 착용률 및 연관 물체의 종류
2019.10.14
조회수 13520
-
이상엽 특훈교수, 김현욱 교수, 인공지능 이용한 효소기능 예측 기술 개발
우리 대학 생명화학공학과 이상엽 특훈교수와 김현욱 교수의 초세대 협업연구실 공동연구팀이 딥러닝(deep learning) 기술을 이용해 효소의 기능을 신속하고 정확하게 예측할 수 있는 컴퓨터 방법론 DeepEC를 개발했다.
공동연구팀의 류재용 박사가 1 저자로 참여한 이번 연구결과는 국제학술지 ‘미국 국립과학원 회보(PNAS)’ 6월 20일 자 온라인판에 게재됐다. (논문명 : Deep learning enables high-quality and high-throughput prediction of enzyme commission numbers)
효소는 세포 내의 생화학반응들을 촉진하는 단백질 촉매로 이들의 기능을 정확히 이해하는 것은 세포의 대사(metabolism) 과정을 이해하는 데에 매우 중요하다.
특히 효소들은 다양한 질병 발생 원리 및 산업 생명공학과 밀접한 연관이 있어 방대한 게놈 정보에서 효소들의 기능을 빠르고 정확하게 예측하는 기술은 응용기술 측면에서도 중요하다.
효소의 기능을 표기하는 시스템 중 대표적인 것이 EC 번호(enzyme commission number)이다. EC 번호는 ‘EC 3.4.11.4’처럼 효소가 매개하는 생화학반응들의 종류에 따라 총 4개의 숫자로 구성돼 있다.
중요한 것은 특정 효소에 주어진 EC 번호를 통해서 해당 효소가 어떠한 종류의 생화학반응을 매개하는지 알 수 있다는 것이다. 따라서 게놈으로부터 얻을 수 있는 효소 단백질 서열의 EC 번호를 빠르고 정확하게 예측할 수 있는 기술은 효소 및 대사 관련 문제를 해결하는 데 중요한 역할을 한다.
작년까지 여러 해에 걸쳐 EC 번호를 예측해주는 컴퓨터 방법론들이 최소 10개 이상 개발됐다. 그러나 이들 모두 예측 속도, 예측 정확성 및 예측 가능 범위 측면에서 발전 필요성이 있었다. 특히 현대 생명과학 및 생명공학에서 이뤄지는 연구의 속도와 규모를 고려했을 때 이러한 방법론의 성능은 충분하지 않았다.
공동연구팀은 1,388,606개의 단백질 서열과 이들에게 신뢰성 있게 부여된 EC 번호를 담고 있는 바이오 빅데이터에 딥러닝 기술을 적용해 EC 번호를 빠르고 정확하게 예측할 수 있는 DeepEC를 개발했다.
DeepEC는 주어진 단백질 서열의 EC 번호를 예측하기 위해서 3개의 합성곱 신경망(Convolutional neural network)을 주요 예측기술로 사용하며, 합성곱 신경망으로 EC 번호를 예측하지 못했을 경우 서열정렬(sequence alignment)을 통해서 EC 번호를 예측한다.
연구팀은 더 나아가 단백질 서열의 도메인(domain)과 기질 결합 부위 잔기(binding site residue)에 변이를 인위적으로 주었을 때, DeepEC가 가장 민감하게 해당 변이의 영향을 감지하는 것을 확인했다.
김현욱 교수는 “DeepEC의 성능을 평가하기 위해서 이전에 발표된 5개의 대표적인 EC 번호 예측 방법론과 비교해보니 DeepEC가 가장 빠르고 정확하게 주어진 단백질의 EC 번호를 예측하는 것으로 나타났다”라며 “효소 기능 연구에 크게 이바지할 것으로 기대한다”라고 말했다.
이상엽 특훈교수는 “이번에 개발한 DeepEC를 통해서 지속해서 재생되는 게놈 및 메타 게놈에 존재하는 방대한 효소 단백질 서열의 기능을 보다 효율적이고 정확하게 알아내는 것이 가능해졌다”라고 말했다.
이번 연구는 과학기술정보통신부가 지원하는 기후변화대응기술개발사업의 바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제 및 바이오·의료기술 개발 Korea Bio Grand Challenge 사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 인공지능 기반의 DeepEC를 이용한 효소 기능 EC 번호 예측
2019.07.03
조회수 19164
-
성형진 교수, 마이크로스케일 액적 내 입자의 세정 및 집속기술 개발
우리 대학 기계공학과 성형진 석좌교수 연구팀(유동제어연구실)이 고주파수 표면탄성파 기반 음향방사현상을 이용해 마이크로스케일 액적 내 입자의 세정 및 집속 기술을 개발했다.
박진수 박사과정이 제 1저자로 참여한 이번 연구는 영국왕립화학회에서 발간하는 미세유체역학 및 마이크로타스 분야의 국제학술지 랩온어칩(Lab on a Chip)지 2018년 19호의 표지논문으로 선정됐다 (논문명: In-droplet microparticle washing and enrichment using surface acoustic wave-driven acoustic radiation force).
이는 같은 학술지 2016년 4호, 17호, 2017년 6호, 2018년 3호에 이은 다섯 번째 표지논문으로 미세유체역학 분야의 선도적 연구 성과이다.
동전 크기의 초소형 미세유체칩 내에 서로 섞이지 않는 두 유체로 조성된 마이크로스케일 액적을 기반으로 하는 액적 기반 미세유체역학 분야에서 액적 내 입자, 세포, 생체분자 등의 샘플을 제어하기 위해 많은 노력이 기울여져 왔다.
하지만 지금까지 개발된 액적 내 샘플 세정 및 집속 기술은 복잡한 시스템이 요구되고 자성 혹은 극성을 띈 샘플만 제어할 수 있다는 한계를 지니고 있었다.
이번 연구에서 성 석좌교수 연구팀은 고주파수 표면탄성파를 이용해 마이크로스케일 액적과 액적 내 입자에 음향방사력을 인가해 입자의 위치를 음향장 내에 고정시켰다.
그리고 액적을 포획, 분할, 병합, 방출함으로써 액적 내 입자의 매개 용액을 교체하고 더 나아가 입자의 개체수를 원하는 수준까지 농축할 수 있음을 증명했다.
개발된 기술은 액적 내 입자를 비접촉·비표지 방식으로 세정할 수 있으며 액적 내 샘플의 개체수를 증가시킬 수 있는 기술이라는 점에서 기존보다 진일보했다는 평을 받았다.
아울러 음파와 탄성 고체 입자의 상호작용 이론을 바탕으로 표면탄성파의 주파수와 액적 내 입자 크기 사이의 관계를 규명해 효율적인 음향영동 현상 유발을 위한 조건을 제시했다.
박진수 박사과정은 “개발된 음향미세유체역학 기술을 통해 마이크로스케일 액적 내 샘플의 매개용액을 자유롭게 교체할 수 있음은 물론 액적 내 샘플을 원하는 수준으로 농축할 수 있다”고 말했다.
성형진 석좌교수는 “이 기술이 다양한 액적 기반 미세유체역학 시스템에서 액적 내 입자, 세포, 생체분자 등 다양한 샘플의 전처리를 위한 핵심 기술로 널리 활용될 수 있을 것으로 기대된다”고 말했다.
성형진 석좌교수 연구팀은 그동안 광력과 음향력 기반의 미세유체역학, 난류, 고체-유체 상호작용 연구 분야에서 탁월한 연구 성과를 내 SCI급 국제학술지에 320여편의 논문을 게재한 바 있다.
특히 이번 연구는 올해 우리 대학에서 국내 최초로 시행된 초세대 협업연구실(헬스케어 음향미세유체 연구실)의 공동 연구 성과로, 헬스케어 음향미세유체 연구실은 기계공학과 성형진 석좌교수가 책임을 맡고 같은 학과 조연우 교수, 김형수 교수가 참여하고 있다.
이번 연구는 KAIST-KUSTAR, 한국연구재단의 창의연구지원사업과 글로벌박사펠로우십, 극지연구소, KAIST 초세대 협엽연구실(헬스케어 음향미세유체 연구실)의 지원으로 수행됐다.
□ 그림 설명
그림1. 논문 대표 이미지
그림2. 표지논문 이미지
2018.10.05
조회수 13772