〈최 광 욱 교수〉
우리 대학 생명과학과 최광욱 교수 연구팀이 돌연변이 유전자의 세포분열이 증가하고 기관이 비정상적으로 커지는 현상의 원인을 밝혔다.
연구팀은 우리 몸의 각 기관이 정상적인 크기로 자라게 하는 히포네트워크(Hippo Network) 내에서 쉽원(Schip1)이라는 새로운 단백질을 발견하고 기능 원리를 규명했다.
이번 연구는 셀(Cell) 자매지인 ‘디벨롭멘탈 셀(Developmental Cell) 7일자 온라인 판에 게재됐다. (논문명: Drospohila Schip1 links Expanded to Tao-1 to regulate Hippo signaling)
생명체에는 각 기관들이 적절한 크기가 되도록 스스로 조절하는 능력이 있다. 이것을 가능하게 만드는 각 요소들은 서로 네트워크를 이뤄 작동하고, 그 네트워크를 히포 네트워크라 부른다.
이 히포네트워크에 유전적 혹은 후천적으로 문제가 발생하면 조절능력을 상실해 기관에서 종양을 만들게 되고 생명을 위협하는 요소가 된다. 따라서 네트워크를 구성하는 요소를 밝히고 완성시키는 것은 불확실한 종양의 발생원인 규명에 필수적이다.
과학계는 지속적 연구를 통해 히포네트워크의 구성요소들과 기능 및 역할을 발견했다. 하지만 이 네트워크에서 중심적으로 작동하는 두 요소인 ‘타오 원(Tao-1)’과 ‘익스팬디드(Expanded)’ 사이의 기작은 밝혀지지 않았다.
익스팬디드와 타오원이 네트워크 내에서 관련이 있다는 점은 밝혀졌지만 어떤 방식으로 연결됐는지, 직접적인 연관은 무엇인지에 대한 부분은 밝혀내야 할 숙제로 남아 있었다.
연구팀은 문제 해결을 위해 히포 네트워크 유전자가 처음 발견된 초파리를 이용했다. 히포 네트워크는 초파리부터 인간까지 거의 동일한 유전자에 의해 조절되고 있기 때문이다.
연구팀은 초파리 히포네트워크 내 쉽원(Schip1) 요소가 익스팬디드와 타오원 사이의 매개체라는 사실을 규명했다. 쉽원은 타오원을 세포막으로 끌어들이는 역할을 하고 익스팬디드는 쉽원이 적절한 위치를 잡게 해 준다.
이 쉽원 유전자에 돌연변이가 생길 경우 세포분열이 크게 증가하고 결과적으로 기관의 크기가 비정상적으로 커지는 등 암 조직에서 나타나는 여러 형질이 발생한다.
연구팀은 쉽원 유전자가 초파리 뿐 아니라 인체에도 잘 보존돼 있기 때문에 종양의 원인 규명 및 치료법 개발에도 중요한 역할을 할 것이라고 밝혔다. 향후 고등 생명체를 이용한 추가적 연구가 진행될 것으로 기대된다.
최 교수는 “지금까지 단절됐던 상류와 하류 요소를 이어주는 중요한 고리를 찾았다”며 “이는 매우 의미있는 발견이다”고 말했다.
정형록 박사과정이 주도한 이번 연구는 교육부와 한국연구재단이 추진하는 중견연구자지원사업과 글로벌 연구실지원사업의 일환으로 수행됐다.
□ 그림 설명
그림1. 쉽원이 없을 때 초파리 눈 크기 변화
그림2. 이전의 완성되지 않았던 히포네트워크와 현재 본 논문을 통해 완성된 히포 네트워크
그림3. 쉽원 돌연변이에서 히포의 양이 급격하게 늘어나는 모습
-
연구 미토콘드리아로 퇴행성 질환까지 제어 가능하다
우리 대학 생명화학공학과 김유식 교수 연구팀이 비정상적 면역 활성을 유발해 염증반응이 동반된 세포 사멸을 일으키는 미토콘드리아 이중나선 RNA의 새로운 조절 기전을 찾아냈다고 22일 밝혔다. 최근 미토콘드리아 이중나선 RNA가 스트레스 환경에서 세포질로 빠져나가 비정상적 면역 활성 및 세포 사멸을 유발한다는 것이 밝혀졌다. 또한 이러한 미토콘드리아 이중나선 RNA로 촉발되는 면역 활성은 관절염 및 헌팅턴 무도병을 비롯한 염증반응이 동반된 퇴행성 질환과 자가면역질환 중 하나인 쇼그렌 증후군의 발병 및 진행에 핵심적인 역할을 한다는 것이 보고됐다. 아직 미토콘드리아 이중나선 RNA의 분자적 조절 기전에 대해서는 보고된 바 없다는 점을 착안해서 연구팀은 미토콘드리아 내에 존재하며 RNA와 결합할 수 있는 단백질에 대해 유전자 가위를 이용해 각 단백질의 발현을 억제한 후 미토콘드리아 이중나선 RNA의 발현량을 조사했다. 이 과정에서 RNA의 구성 물질 중 하나인 시토신의 화학
2024-07-22 -
연구 암세포 약물반응 예측 ‘그레이박스’ 개발
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
2024-06-03 -
연구 방사선 유발 DNA 돌연변이 첫 규명
암은 세계적으로 큰 건강 문제로 인식되고 있으며, 암 치료에 대한 지속적인 연구와 기술 발전이 이루어지고 있다. 암치료의 중요한 방법 중 하나인 방사선 치료는 암 조직을 효과적으로 파괴하거나 성장을 억제하는 데 중요한 역할을 하고 있으나 방사선이 실제로 우리의 세포에 유발하는 돌연변이의 종류와 양에 대한 이해는 아직 미흡한 상태였다. 한국의 의과학자들이 이러한 공백을 메울 수 있는 연구 결과를 발표하였다. 우리 대학 의과학대학원 주영석 교수 연구팀이 동남권원자력의학원 손태건 박사, 서울대학교 의과대학 방사선종양학과 김경수, 장지현 교수팀과의 공동 연구로 방사선이 인간 및 생쥐의 정상 세포에서 만들어내는 DNA 돌연변이의 특성을 명확히 규명해 냈다고 15일 밝혔다. 이번 연구는 방사선 연구 분야에서의 중요한 전환점으로 평가되고 있다. 연구진은 실험실에서 방사선을 조사하여 세포에 돌연변이를 유도한 후, 방사선이 만들어낸 돌연변이를 유전체 서열분석 기술을 통해 규명하는 방식으
2024-02-15 -
연구 암, 루게릭병 등 난치성 질환 발병 기전 밝혀
단백질 정보를 가진 mRNA 유전자 조절 기전에서 알루 요소(Alu)의 중요성을 제시하고, 나아가 종양 형성, 퇴행성 뇌질환 등 mRNA가 변화하는 다양한 질환에서 역방향 알루 반복구조(IRAlus)라는 새로운 발병 원인을 최초로 제시함으로써 질병 치료에 획기적인 방안을 제시하였다. 우리 대학 생명화학공학과 김유식 교수와 바이오및뇌공학과 이영석 교수 공동 연구팀이 종양 형성과 퇴행성 뇌질환을 유발하는 새로운 유전자 조절 기전을 찾아냈다고 6일 밝혔다. 인간 유전체의 약 10%를 차지하는 반복서열인 알루 요소(Alu element, Alu)는 단백질 정보를 가지는 전령 RNA(messenger RNA, mRNA)의 단백질 생산 효율을 조절할 수 있다. 특히, mRNA가 2개의 알루 요소로 형성된 역방향 알루 반복 구조(Inverted Alu repeats, IRAlus)를 가지게 되면 mRNA의 세포 내 이동이 방해되어 단백질 생산이 감소한다. 연구팀은 질환 특이적으로
2024-02-06 -
연구 인공지능으로 인간 추론 능력 극대화시키다
최근 인공지능 기술이 인식, 생성, 제어, 대화와 같은 실제 문제를 빠르게 해결해 나감에 따라 인간의 역할과 일자리 생태계가 변화하고 있다. 인공지능의 발전 속도를 본다면 가까운 미래에는 인공지능이 인간보다 똑똑해질 수도 있다. 이와 반대로 인공지능을 이용해 인간의 사고력 자체를 향상시킬 순 없을까? 우리 대학 뇌인지과학과 이상완 교수(신경과학-인공지능 융합연구센터장) 연구팀이 인간의 빠른 추론 능력을 유도해 인과관계의 학습 효율을 향상할 수 있는 뇌 기반 인공지능 기술 개발에 성공했다고 31일 밝혔다. 우리는 일상생활에서 다양한 사건을 경험하며 세상의 다양한 요소에 대한 인과관계를 학습해 나가고, 공부할 때는 지식 조각들을 조합하며 통합적인 지식을 습득한다. 이러한 과정은 점진적으로 추론하는 베이시안 모델 또는 특정한 상황에서 한 번의 경험으로부터 빠르게 결론을 도출하는 고속추론 또는 원샷 추론이 있다. 연구팀은 이전 연구에서 인간의 원샷 추론 과정을 모델링하고 전두
2024-01-31