KAIST

현재, 전 세계는 플라스틱 폐기물로 인한 환경 문제로 인해 큰 골머리를 앓고 있다. KAIST 연구진이 생분해성을 가지면서 기존 페트병을 대체할 미생물 기반의 플라스틱 생산에 성공해서 화제다. 우리 대학은 생명화학공학과 이상엽 특훈교수 연구팀이 시스템 대사공학을 이용해 PET(페트병) 대체 유사 방향족 폴리에스터 단량체를 고효율로 생산하는 미생물 균주 개발에 성공했다고 7일 밝혔다. 유사 방향족 다이카복실산은 고분자로 합성시 방향족 폴리에스터(PET)보다 나은 물성 및 높은 생분해성을 가지고 있어 친환경적인 고분자 단량체*로서 주목받고 있다. 화학적인 방법을 통한 유사 방향족 다이카복실산 생산은 낮은 수율과 선택성, 복잡한 반응 조건과 유해 폐기물 생성이라는 문제점을 지니고 있다. *단량체: 고분자를 만드는 재료로 단량체를 서로 연결해 고분자를 합성함 이를 해결하기 위해 이상엽 특훈교수 연구팀은 대사공학을 활용, 아미노산 생산에 주로 사용되는 세균인 코리네박테

지질 뗏목은 세포막 간 융합, 신호 전달, 바이러스 침투 등 세포 기능과 질병 발병의 핵심 과정에 중요한 역할을 한다. 한국 연구진이 지금까지 알려지지 않았던 지질 뗏목의 정렬 원인과 그 조절 메커니즘을 밝혀내어 세포막 간 상호작용을 조절하여 질병 치료에 새로운 접근법을 제공할 수 있을 것으로 기대된다. 우리 대학 바이오및뇌공학과 최명철 교수팀이 고등과학원(원장 최재경) 현창봉 교수팀, 포항가속기연구소(소장 강흥식) 이현휘 박사와 공동으로 세포막 간의 상호작용을 매개하는 지질 뗏목(Lipid Raft)의 정렬 현상의 원리를 최초로 규명했다고 5일 밝혔다. 세포 융합, 바이러스 침투, 세포 간 신호 전달 등 다양한 세포막 간의 상호작용을 조절할 수 있는 핵심 기전을 밝힌 것이다. 세포막(Cell membrane)은 세포의 내부와 외부를 구분하는 얇고 유연한 막으로, 지질 이중층(lipid bilayer)으로 구성돼 있다. 세포막에는 수많은 막단백질(membrane prote

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

구성원들 사이의 활발한 교류로 결속력이 높은 사회적 커뮤니티가 건강한 개인을 만들 듯, 유전자 커뮤니티의 결속력도 개인의 건강 상태에 영향을 미칠 수 있을까? 한국 연구진이 유전자 커뮤니티의 결속력 또한 개인의 건강 상태를 결정하고 환자 맞춤형 의료를 위해 활용될 수 있음을 보여 화제다. 우리 대학 바이오및뇌공학과 이도헌 교수 연구팀이 개인화된 유전자 네트워크에서 환자 특이적으로 결속력이 약화된 유전자 커뮤니티를 찾아내 환자 맞춤형으로 약물 표적을 예측할 수 있는 기술을 개발했다고 23일 밝혔다. 최근 고령화와 생활 습관 변화 등에 따라 암, 심혈관계 질환, 대사 질환 등 많은 복합질병의 발병률이 크게 증가하는 실정이다. 이에 전문가들은 개별 환자의 특성을 고려한 ‘환자 맞춤형 의료’를 제공해 그 치료 효과를 높임으로써 개인적, 사회적 의료비 부담을 경감해야 한다고 지적한다. 이도헌 교수 연구팀은 이러한 요구에 발맞춰 개인화된 유전자 네트워크를 정

최근 자연어나 이미지, 동영상, 음악 등 다양한 분야에서 주목받는 생성형 AI가 신약 설계 분야에서도 기존 신규성 문제를 극복하고 새로운 혁신을 일으키고 있다고 하는데 어떤 기술일까? 우리 대학 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다. 신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다. 또한 사업성이 높은 계열 내 최초(First-in-class) 타겟 단백질에 대해서는 실험 데이터가 매우 적거나 전무한데, 이 경우 기존 방식의 생성형 AI를 활용하는 것이 불가능하다. 연구팀