%EC%84%9C%EC%9A%B8%EB%8C%80%ED%95%99%EA%B5%90%EB%B3%91%EC%9B%90
-
사람 3D 폐포 배양 기술로 코로나19 감염 기전을 규명하는 데 성공
우리 대학 연구진 포함 국내 연구진이 실험실에서 3차원으로 키운 사람의 폐포(허파꽈리)에 코로나19 바이러스를 배양해 감염 기전과 치료제 개발에 적용이 가능한 기술 개발에 성공했다.
국제 통계 사이트 월드오미터에 따르면 전 세계 누적 코로나바이러스감염증-19(이하 코로나19) 확진자 수는 25일 기준 4,331만 8,941명으로 지난 18일(4,030만 1,609명) 4,000만 명을 넘어선 후 일주일 만에 4,331만을 돌파하는 2차 대유행이 점차 현실화돼 가고 있다.
우리 대학 의과학대학원 주영석 교수 연구팀은 인간의 폐포 세포를 실험실에서 구현하는 3D 미니 장기기술을 개발하고 이를 활용해 코로나19 바이러스가 인간의 폐 세포를 파괴하는 과정을 정밀하게 규명하는 데 성공했다고 26일 밝혔다.
이번 연구는 영국 케임브리지대학 이주현 박사를 비롯해 국립보건연구원 국립감염병연구소 최병선 과장·기초과학연구원(IBS) 고규영 혈관연구단장(우리 대학 의과학대학원 교수)·서울대병원 김영태 교수와 우리 대학 교원창업기업인 ㈜지놈인사이트와 공동으로 진행됐다.
공동연구팀의 이번 연구 결과는 줄기세포 분야 세계적인 학술지 `Cell Stem Cell' 10월 22일 字 온라인판에 실렸다. (논문명: Three-dimensional human alveolar stem cell culture models reveal infection response to SARS-CoV-2)
정확한 질병 기전의 이해를 기반으로 치료제를 효과적으로 개발하기 위해서는 실험실에서 사용 가능한 인체를 모사한 모델 사용이 필수적이다. 코로나19 바이러스는 생쥐 모델에 감염시키기가 어렵고, 특히 실험실에서 사용할 수 있는 폐 세포 모델은 존재하지 않기 때문에 직접적인 감염 연구의 한계가 존재해왔다.
공동연구팀은 이런 문제를 해소하기 위해 지속적으로 배양이 가능한 3차원 인간 폐포 모델을 새롭게 정립했다. 이를 이용하면 실험실에서 사람의 폐 세포를 이용해 코로나19 바이러스 등 각종 호흡기 바이러스의 질병 기전을 연구할 수 있기 때문이다. 더 나가서 3차원 인간 폐포 모델은 약물 스크리닝 등 치료법 개발에도 직접적으로 응용할 수 있다는 장점이 있다.
공동연구팀은 폐암 등 사람의 수술 검사재료에서 확보되는 사람 폐 조직을 장기간 안정적으로 3차원 배양할 수 있는 조건을 알아내는 데 성공했다. 실험 결과, 3D 폐포는 코로나19 바이러스에 노출되면 6시간 내 급속한 바이러스 증식이 일어나 세포 감염이 완료됐으나, 이를 막기 위한 폐 세포의 선천 면역 반응 활성화에는 약 3일가량의 시간이 걸렸다.
이와 함께 하나의 코로나19 바이러스 입자는 하나의 세포를 감염시키는 데 충분하다는 사실을 알아냈다. 감염 3일째 공동연구팀은 세포 가운데 일부분이 고유의 기능을 급격히 상실한다는 사실도 확인했다.
공동 교신저자인 주영석 교수는 "이번에 개발한 3차원 인체 폐 배양 모델 규모를 확대한다면 코로나19 바이러스를 포함한 다양한 호흡기 바이러스의 감염 연구에 유용하게 사용될 것ˮ이라고 말했다.
주 교수는 이어 "동물이나 다른 장기 유래의 세포가 아닌 호흡기 바이러스의 표적 세포인 사람의 폐 세포를 직접적으로 질병 연구에 응용함으로써 효율적이고 정확한 기전 규명은 물론 치료제 개발에도 이용할 수 있다ˮ고 강조했다.
코로나19 바이러스 대응 기술개발을 위해서는 다양한 기관의 지원과 관련 연구자들의 협력 연구가 필수적이다. 공동연구팀의 이번 연구는 한국연구재단·질병관리청·기초과학연구원(IBS)·서울대학교 의과대학·유럽연구이사회(ERC)·서경배과학재단·휴먼프론티어과학재단의 지원을 받아 수행됐다.
2020.10.26 조회수 29882 -
딥러닝 통해 MRI 다중 대조도 영상 복원 기법 개발
바이오및뇌공학과 박성홍 교수 연구팀이 자기공명영상장치(MRI)의 다중 대조도 영상을 복원하기 위한 새로운 딥러닝 네트워크를 개발했다. 이번 연구를 통해 병원에서 반복적으로 획득하는 다중 대조도 MRI 영상을 얻는 시간이 크게 줄어 편의성 증대, 촬영비용 절감 등의 효과를 볼 것으로 기대된다.
도원준 박사가 1 저자로, 서성훈 박사과정이 공동 1 저자로 참여한 이번 연구는 우수성을 인정받아 국제 학술지 ‘메디컬 피직스 (Medical Physics)’ 2020년 3월호 표지 논문으로 게재됐다.
일반적으로 임상적 환경에서 MRI 촬영은 정확한 진단을 위해 두 개 이상의 대조도로 진행돼 촬영시간이 길어진다. 이에 따라 MRI 촬영비용도 비싸지며 환자들의 불편함을 유발하고, 영상의 품질 역시 환자의 움직임 등으로 인해 낮아질 수 있다.
문제 해결을 보완하기 위해 박 교수 연구팀은 다중 대조도 획득의 특징을 활용한 새로운 딥러닝 기법을 개발해 기존 방식보다 데이터를 적게 수집하는 방식으로 MRI 영상획득 시간을 크게 단축했다. MRI 영상에서 데이터를 적게 수집하는 것은 영상의 주파수 영역에서 이뤄지며, 일반적으로 위상 인코딩의 개수를 줄이는 것으로 영상획득 시간을 감소시키는 것을 뜻한다. 영상획득 시간은 줄어든 인코딩 개수의 비율만큼 줄어들게 되며, 이번 연구에서는 촬영시간을 최대 8배까지 줄여 영상을 복원했다.
연구팀은 임상에서 정확한 진단을 위해 MRI 영상을 다중 대조도로 얻는다는 점을 활용해 복원의 효율을 높였으며, 실제로 데이터를 얻을 당시의 전략을 고려해 네트워크들을 따로 개발했다. 구체적으로 ▲다중 대조도 전체 프로토콜의 촬영시간을 모두 줄이는 네트워크(X-net)와 ▲하나의 프로토콜은 전체 인코딩 데이터를 획득하고 나머지 프로토콜들은 촬영시간을 크게 줄이는 네트워크(Y-net)를 따로 개발해 MRI 다중 대조도 영상을 촬영하는 목적에 맞춰 다르게 최적화했다.
박성홍 교수는 “병원에서 반복적으로 시행하는 다중 대조도 MRI 촬영의 특성을 잘 살려서 성능을 극대화한 딥러닝 네트워크의 개발에 의의가 있다”라며, “병원에서 환자의 MRI 촬영시간을 줄이는 데 도움을 줄 것으로 기대한다”라고 말했다.
서울대학교병원 최승홍 교수와 공동연구로 진행한 이번 연구는 한국연구재단과 한국보건산업진흥원의 지원을 받아 수행됐다.
2020.03.27 조회수 12825