%EC%B4%88%EC%84%B8%EB%8C%80+%ED%98%91%EC%97%85%EC%97%B0%EA%B5%AC%EC%8B%A4
-
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 19104 -
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 13736