-
양용수 교수팀, 나노물질 표면과 내부 3차원 원자구조 규명
우리 대학 물리학과 양용수 교수 연구팀이 인공신경망을 이용한 주사투과전자현미경(STEM) 기반 원자분해능 전자토모그래피 기술을 개발, 이를 적용해 백금 나노입자 표면과 내부의 3차원 원자 구조를 15 pm(피코미터)의 정밀도로 규명했다. 1 pm(피코미터)는 1 미터의 1조 분의 일에 해당하는 단위로, 15 pm의 정밀도는 수소 원자 반지름의 약 1/3 정도에 해당하는 매우 높은 수준이다.
전자토모그래피는 전자현미경으로 다양한 각도에서 측정된 2차원 투영된 이미지로부터 3차원 이미지를 얻어내는 기술이다. 최근 주사투과전자현미경과 3차원 토모그래피 재구성 알고리즘의 기술 발전으로 전자토모그래피의 분해능은 단일 원자까지 구분할 수 있는 수준에 이르렀다. 이를 통해 많은 나노물질의 구조와 물성의 근본적인 이해가 가능해졌다.
그러나 일반적인 전자토모그래피 실험에서는 시편을 탑재한 홀더 또는 그리드가 전자빔을 가리게 되는 실험적 제약으로 인해 고 각도(약 75도 이상)의 이미지 측정이 불가능하다. 이로 인해 고 각도 방향의 분해능이 저하되고, 재구성된 3차원 이미지에 원치 않는 노이즈들이 생겨난다. 이러한 현상을 손실 웨지 문제(missing wedge problem)라 부르며, 이러한 문제 때문에 기존의 전자토모그래피 방법으로는 표면/계면의 3차원 원자 구조를 고분해능으로 측정하기 힘들었다.
양용수 교수 연구팀은 인공신경망을 이용해 고 각도 방향의 데이터를 복원함으로써 이러한 손실 웨지 문제(missing wedge problem)를 해결하는 데 성공했다. 이를 통해 고분해능 3차원 표면/계면 원자 구조의 결정이 가능하게 됐고, 나노물질의 표면/계면에서 나타나는 물성의 메커니즘을 단일 원자 수준에서 근본적으로 해석할 수 있게 됐다.
물리학과 이주혁 석박사통합과정 학생이 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 3월 30일 字 게재됐다. (논문명 : Single-atom level determination of 3-dimensional surface atomic structure via neural network-assisted atomic electron tomography)
연구팀은 모든 물질은 원자들로 구성돼 있다는 원자성(atomicity)에 근거해 원자 구조 토모그래피 3차원 데이터를 시뮬레이션을 통해 생성했다. 고 각도의 데이터가 손실된 불완전한 원자 구조 토모그래피 3차원 데이터와 이상적인 원자 구조 3차원 데이터 사이의 상관관계를 학습시키기 위해 인공지능 신경망(3d-unet기반 모델)을 지도학습했다. 원자성에 기반해 학습된 인공지능 신경망은 손실된 고 각도 데이터를 성공적으로 복원함으로써 손실 웨지 문제로 인한 분해능 저하 문제를 해결했다. 이는 높은 정밀도의 3차원 표면/계면 원자 구조 규명을 가능하게 한다.
연구팀은 개발된 인공신경망 기반 전자토모그래피 기술을 이용해 실제 백금 나노입자의 3차원 표면 및 내부 구조를 단일 원자 수준에서 규명할 수 있었다. 원자 구조의 정밀도는 인공신경망 적용 전 26 pm에서 적용 후 15 pm으로 큰 폭으로 향상됐다.
연구를 주도한 양용수 교수는 "인공신경망 기반 전자토모그래피는 구성 원소, 물질의 구조/형태에 의존하지 않는 매우 일반적인 방법으로서, 전자토모그래피로 얻은 원자 구조 부피데이터에는 종류에 상관없이 바로 적용할 수 있다ˮ며 "이를 통해 많은 물질의 3차원 표면/계면 원자 구조가 정밀하게 규명되고, 표면/계면에서 일어나는 물성과 이에 연관된 메커니즘의 근본적인 이해를 바탕으로 고성능 촉매 개발 등에 응용될 것ˮ이라고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단 개인기초연구지원사업 및 KAIST 글로벌 특이점 사업(M3I3)의 지원을 받아 수행됐다.
2021.04.05
조회수 82058
-
인공지능으로 3차원 고해상도 나노입자 영상화 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀이 삼성전자 종합기술원과 공동연구를 통해 나노입자의 3차원 형상과 조성 분포의 복원 성능을 획기적으로 향상한 인공지능 기술을 개발했다고 16일 밝혔다. 공동연구팀은 에너지 분산형 X선 분광법(EDX)을 주사 투과전자현미경(STEM)과 결합한 시스템을 활용했다.
이번 연구를 통해 나노입자를 형성하고 있는 물질의 형상과 조성 분포를 정확하게 재구성함으로써, 실제 상용 디스플레이를 구성하는 양자점(퀀텀닷)과 같은 반도체 입자의 정확한 분석에 도움을 줄 것으로 기대된다.
예종철 교수 연구팀의 한요섭 박사, 차은주 박사과정, 정형진 석사과정과 삼성종합기술원의 이은하 전문연구원팀의 장재덕, 이준호 전문연구원이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)' 2월 8일 字 온라인판에 게재됐다. (논문명 : Deep learning STEM-EDX tomography of nanocrystals)
에너지 분산형 X선 분광법(이하 EDX)은 나노입자의 성분 분석에 주로 이용되며, X선과 반응한 물체의 성분에 따라 고유한 방출 스펙트럼을 보인다는 점에서 화학적인 분석이 가능하다. 퀀텀닷 및 배터리 등 다양한 나노 소재의 열화 메커니즘과 결함을 해석하기 위해 형상 및 조성 분포 분석이 가능한 이 분광법의 필요성과 중요도가 급증하고 있다.
그러나 EDX 측정 신호의 해상도를 향상하기 위해, 나노 소재를 오랜 시간 전자빔에 노출하면 소재의 영구적인 피해가 발생한다. 이로 인해 나노입자의 3차원 영상화를 위한 투사(projection) 데이터 획득 시간이 제한되며, 한 각도에서의 스캔 시간을 단축하거나 측정하는 각도를 줄이는 방식이 사용된다. 기존의 방식으로 획득된 투사 데이터를 이용해 3차원 영상을 복원할 시, 미량 존재하는 원자 신호의 측정이 불가능하거나 복원 영상의 정밀도와 해상도가 매우 낮다.
그러나 공동 연구팀이 자체 개발한 인공지능 기반의 커널 회귀(kernel regression)와 투사 데이터 향상(projection enhancement)은 정밀도와 해상도를 획기적으로 발전시켰다. 연구팀은 측정된 데이터의 분포를 네트워크가 스스로 학습하는 인공지능 기반의 커널 회귀를 통해 스캔 시간이 단축된 투사 데이터의 신호 대 잡음비(SNR)를 높인 데이터를 제공하는 네트워크를 개발했다. 그리고 개선된 고화질의 EDX 투사 데이터를 기반으로 기존의 방법으로는 불가능했던 적은 수의 투사 데이터로부터 더욱 정확한 3차원 복원 영상을 제공하는 데 성공했다.
연구팀이 개발한 알고리즘은 기존의 EDX 측정 신호 기반 3차원 재구성 기법과 비교해 나노입자를 형성하고 있는 원자의 형상과 경계를 뚜렷하게 구별했으며, 복원된 다양한 코어-쉘(core-shell) 구조의 퀀텀닷 3차원 영상이 샘플의 광학적 특성과 높은 상관관계를 나타내는 것이 확인됐다.
예종철 교수는 "연구에서 개발한 인공지능 기술을 통해 상용 디스플레이의 핵심 기반이 되는 퀀텀닷 및 반도체 소자의 양자 효율과 화학적 안정성을 더욱 정밀하게 분석할 수 있다ˮ고 말했다.
2021.02.16
조회수 81961
-
인공지능 이용 면역항암 세포 3차원 분석기술 개발
우리 대학 물리학과 박용근, 생명과학과 김찬혁 교수 공동연구팀이 면역항암 세포의 활동을 정밀하게 측정하고 분석할 수 있는 새로운 3차원 인공지능 분석기술을 개발했다고 28일 밝혔다.
체내에서 면역세포를 추출한 후, 외부에서 면역 능력을 강화시키고 다시 환자에게 주입해 암을 치료하는 방식을 `입양전달 면역세포 치료(adoptive immune cell therapy)'라고 부른다. 이 치료방식은 면역세포 치료법 중 가장 많은 주목을 받는 기술이다. `키메릭 항원 수용체' 또는 `CAR(Chimeric Antigen Receptor)'라고도 불리는 데 유전자 재조합기술을 이용해 T세포와 같은 면역세포를 변형해 암세포와의 반응을 유도해 사멸시키는 치료 방법이다.
특히 CAR-T세포 치료는 높은 치료 효과를 보여 차세대 암 치료제로 급부상하고 있다. 2017년 난치성 B세포 급성 림프구성 백혈병 치료제 판매 승인을 시작으로 현재 3종의 CAR-T 치료제가 판매 승인을 받았으며, 전 세계적으로 약 1,000건 이상의 임상 시험이 진행 중이다. 그러나 아직 우리나라에서는 진행 중인 임상 시험이 전무한 실정이다.
CAR-T 기술을 이용한 암 치료 방법들이 속속 개발되고 있지만, CAR-T세포에 대한 세포‧분자 생물학적 메커니즘은 아직 많은 부분이 알려지지 않았다. 특히, CAR-T세포가 표적 암세포를 인지해 결합한 후 `면역 시냅스 (immunological synapse, 이하 IS)'를 형성해 물질을 전달하고 암세포의 사멸을 유도하는데, 두 세포 간의 거리와 같은 IS의 형태 정보는 T세포 활성화 유도와 관련이 높다고 알려져 있지만 구체적인 내용을 파악하기 어렵기 때문에 이에 대한 연구가 활발히 진행 중이다.
우리 대학 물리학과 박용근, 생명과학과 김찬혁 교수 공동연구팀은 CAR-T세포의 IS를 정밀하고 체계적으로 연구할 수 있는 새로운 기술을 개발했다. 3D 홀로그래피 현미경 기술을 이용해, 염색이나 전처리 없이 살아있는 상태의 CAR-T세포와 표적 암세포 간의 상호작용을 고속으로 측정하고 기존에는 관찰하기 어려운 CAR-T와 암세포 간의 IS를 고해상도로 실시간 측정했다. 또한 이렇게 측정한 3D 세포 영상을 인공지능 신경망(Convolutional Neural Network, CNN)을 이용해 분석하고, 3차원 공간에서 정확하게 IS 정보를 정량적으로 추출할 수 있는 기술을 자체 개발했다.
공동연구팀은 또 이 기술을 활용해 빠른 CAR-T 면역 관문 형성 메커니즘을 추적할 수 있었을 뿐만 아니라, IS의 형태학적 특성이 CAR-T의 항암 효능과 연관이 있음을 확인했다. 연구팀은 3차원 IS 정보가 새로운 표적 항암 치료제의 초기 연구에 필요한 정량적 지표를 제공할 것이라고 기대하고 있다.
이번 연구에는 우리 대학 기술을 바탕으로 창업한 2개 기업이 공동으로 참여했다. 3차원 홀로그래픽 현미경을 상업화한 토모큐브 社의 현미경 장비를 이용해 면역세포를 측정하는 한편 토모큐브 社의 인공지능 연구팀이 알고리즘 개발에 참여했다. 이밖에 국내 최초 CAR-T 기반 치료제 기업인 ㈜큐로셀도 연구에 함께 참여해 이 같은 성과를 거두는 데 성공했다.
물리학과 이무성 박사과정 학생, 생명과학과 이영호 박사, 물리학과 송진엽 학부생 (現 메사추세츠 공과대학(MIT) 물리학과 박사과정)이 공동 제1 저자로 참여한 이번 연구는 국제적으로 권위를 인정받는 생물학술지인 `이라이프(eLife)' 12월 17일 字 온라인판을 통해 공개됐으며 지난 21일 字에 공식 게재됐다.
(논문명 : Deep-learning based three-dimensional label-free tracking and analysis of immunological synapses of CAR-T cells)
한편 이번 연구는 한국연구재단 리더연구사업, 바이오·의료기술개발사업, 중견연구자지원사업, KAIST Up program의 지원을 받아 수행됐다.
2021.01.29
조회수 74110
-
무선 충전 가능한 부드러운 뇌 이식 장치 개발
우리 연구진이 무선 충전 가능한 뇌 이식 장치를 개발했다. 이 장치는 이식 후 생체 내에서 장기간에 걸쳐 배터리 교체 없이 스마트폰을 이용해 빛으로 뇌의 신경회로를 정교하게 조절할 수 있다.
우리 대학 전기및전자공학부 정재웅 교수 연구팀이 연세대 의대 김정훈 교수팀과 공동 연구를 통해 뇌 완전 이식형 무선 광유전학 기기를 개발했다고 26일 밝혔다.
이번 개발 기술은 장기간에 걸친 동물 실험이 필요한 뇌 기능 연구뿐 아니라 향후 인체에 적용돼 중독과 같은 정신질환 및 파킨슨병과 같은 퇴행성 뇌 질환 치료에도 적용될 수 있을 것으로 기대된다.
우리 대학 전기및전자공학부 김충연 박사과정, 연세대 의대 구민정 박사과정 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 1월 22일 字에 게재됐다. (논문명 : Soft subdermal implant capable of wireless battery charging and programmable controls for applications in optogenetics)
광유전학은 빛을 이용해 목표로 하는 특정 신경세포만을 선택적으로 정교하게 제어할 수 있다는 점에서, 뇌 기능을 밝히고 각종 뇌 질환을 치료할 해결책으로 뇌과학 및 신경과학 분야에서 주목받고 있다.
기존의 광유전학은 외부기기와 연결된 광섬유를 통해 신경세포에 빛을 전달하는 방법을 사용하고 있는데, 이러한 유선 방식은 동물의 자유로운 움직임을 크게 제한한다는 점에서 복잡한 동물 실험을 구현하는데 제약이 있다. 반면 최근에 개발된 무선 임플란트 기기들은 동물의 행동을 제약하지는 않지만, 주기적인 배터리의 교체가 필요하거나 외부 장비로부터 무선으로 전력을 공급받아야 하므로 독립적이지 못하고 동작이 안정적이지 못하다는 한계가 있다.
연구팀은 배터리의 무선 충전과 디바이스의 무선 제어를 가능하게 만드는 무선 회로를 개발해 마이크로 LED 기반의 탐침과 결합했다. 이를 통해 동물이 자유롭게 움직이는 상태에서도 배터리의 무선 충전이 가능하고, 스마트폰 앱을 통해 광자극을 무선으로 제어할 수 있는 무게 1.4그램(g)의 뇌 완전이식형 기기를 구현했다. 나아가 생체 이식 후 기기에 의해 주변의 조직이 손상되는 것을 방지하고자, 기기를 매우 부드러운 생체적합성 소재로 감싸 생체조직과 같이 부드러운 형태가 되도록 개발했다.
이번 연구를 주도한 정재웅 교수는 "개발된 장치는 체내 이식 상태에서 무선 충전이 가능하므로 배터리 교체를 위한 추가적인 수술 필요 없이 장기간 사용이 가능하다ˮ며 "이 기술은 뇌 이식용 기기뿐 아니라 인공 심박동기, 위 자극기 등 다양한 생체 이식용 기기에 범용적으로 적용될 수 있을 것이다ˮ고 말했다.
연구팀은 이 기기를 LED 탐침이 쥐의 뇌에 삽입된 상태에서 두피 안으로 완전히 이식하고 쥐가 자유롭게 움직이는 상태에서 배터리가 자동으로 무선 충전될 수 있음을 확인했다. 또한 연구팀은 중독성 약물인 코카인에 반복적으로 노출된 쥐의 특정 뇌 부위에 무선으로 빛을 전달해 코카인으로 인한 행동 민감화 발현을 억제함으로써 광유전학이 코카인에 의한 중독 행동 제어에 적용될 수 있음을 보였다.
아울러 공동연구자 연세대 의대 김정훈 교수는 "자유롭게 움직이는 동물을 바라보며, 단지 스마트폰 앱을 구동해 뇌에 빛을 전달하고, 그로 인해 동물의 특정 행동을 제어할 수 있다는 사실이 매우 흥미롭고, 많은 상상력을 자극한다ˮ라고 말했다.
연구팀은 이 기술을 궁극적으로 인체에 적용할 수 있도록 기기를 더욱 소형화하고 MRI 친화적인 디자인으로 발전시키는 확장 연구를 계획하고 있다.
한편 이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 기초연구실 지원사업과 신진연구자지원사업, KAIST 글로벌 특이점 연구사업의 지원을 받아 수행됐다.
2021.01.26
조회수 75581
-
초고감도 생체 분자 검출용 디지털 라만 분광 기술 개발
우리 대학 바이오및뇌공학과 정기훈 교수 연구팀이 생체 분자의 광학 검출의 기술적 장벽인 신호대잡음비를 1,000배 이상, 검출한계를 기존 대비 10억 배인 아토몰(10-18 mole) 단위까지 향상시키는 디지털 코드 *라만 분광 기술을 세계 최초로 개발했다고 15일 밝혔다.
☞ 라만 분광법(Raman spectroscopy): 특정 분자에 레이저를 쏘았을 때, 그 분자 전자의 에너지준위 차이만큼 에너지를 흡수하는 현상을 통해 분자의 종류를 알아내는 방법이다.
연구진은 통신 분야에서 잘 알려진 대역 확산기술(CDMA)을 생분자화합물의 라만 분광 검출법에 세계 최초로 적용했다. 디지털 코드화된 레이저광원을 이용해 모든 잡음신호를 제거하고, 생화합물의 고순도 라만 분광 신호를 복원함으로써, 극저농도의 생분자화합물을 형광 표지 없이 정확하게 분석했다. 이러한 디지털 코드 라만 분광 기술은 다양한 분자진단, 약물 및 암 치료 모니터링뿐 아니라 현장 진단용 광학 진단기기나 모바일 헬스케어 기기에도 활용이 가능할 것으로 크게 기대된다.
우리 대학 바이오및뇌공학과 이원경 박사과정이 제 1저자로 참여한 이번 연구는 세계적 권위의 과학전문지 `네이처(nature)'의 자매지인 `네이처 커뮤니케이션스(Nature Communications)'에 1월 8일 字 온라인판에 발표됐다. (논문명: Spread Spectrum SERS allows label-free detection of attomolar neurotransmitters)
알츠하이머병, 파킨슨병, 우울증 등의 뇌세포와 관련된 신경 질환은 뇌세포에서 만들어지는 신경전달물질이 적절히 분비되지 않거나 불균형으로 분비돼 발생하는 질병으로, 최근에는 발병과 직간접적인 사망자가 급증하고 있으나 치료가 쉽지 않다. 신경전달물질은 뉴런의 축색 돌기 말단에서 분비돼 시냅스 갭을 통과한 후 다른 뉴런에 신호를 전달하는 물질로, 결합하는 수용체의 화학적 성질에 따라 기능이 다르고, 발생하는 질병도 다양하다.
알츠하이머병 환자들은 신경전달물질 가운데 아세틸콜린이 부족하거나 글루탐산염이 높은 특징이 있고, 도파민이 부족하면 몸이 굳어지며 떨리는 파킨슨병에 걸리기 쉽고 조현병이나 주의력 결핍 과잉 행동장애와 같은 정신질환의 원인이 된다. 신경전달물질과 관련된 신경 질환은 특정 수용체 작용제나 수용체 길항체로 치료를 하는데, 효과는 그다지 성공적이지 않다. 따라서 알츠하이머병이나 파킨슨병과 같은 신경 질환의 조기 진단을 위해서 적절한 신경전달물질의 적절한 분비를 위한 지속적인 신경전달물질 농도 변화를 모니터링하는 것이 매우 중요하다.
극저농도의 신경전달물질을 간편하면서도 정확하게 측정할 수 있다면 신경계 질환의 조기 진단율을 크게 높일 수 있고 신경 질환 환자의 치료 추적 관리에 큰 도움을 줄 수 있다. 하지만 신경전달물질 기반의 기존 신경 질환 진단기술은 양전자 방출 단층촬영(PET), 표면증강라만분광(SERS), 고성능 액체 크로마토그래피(HPLC), 형광 표지 기반 센서로 측정해 분석하는 방식이다. 이러한 기존 신경 질환 진단기술은 검출한계가 나노몰(10-9 mole) 이상에 그치며, 시료 전처리 단계가 복잡하고 측정 시간이 오래 걸리는 한계가 있다.
연구팀은 문제 해결을 위해 대역확산 통신기술의 뛰어난 잡음 제거 기술을 생체 분자 검출에 적용해 레이저 출력 변동, 수신기 자체 잡음 등의 시스템 잡음과 표적 분자 이외의 분자 신호를 효율적으로 제거하고 표적 생체 분자 신호만 선택적으로 복원했다. 그 결과 생체 분자 신호의 신호대잡음비를 증가시켜 더욱 정밀한 검출한계를 달성했다.
대역확산 기반 디지털 코드 분광 기술은 직교성을 가지는 확산 코드로 암호화된 빛으로 생체 분자를 높은 에너지로 이동시켜 생체 분자에서 산란돼 나오는 빛을 다시 확산 코드로 복호화한다. 이러한 과정을 거쳐 표적 생체 분자의 산란 신호를 복원해 질병 및 건강 진단 지표, 유전 물질 검출 등에 응용할 수 있다.
또한 직교성을 가지는 확산 코드는 기존의 다른 신호처리 기술보다 잡음을 제거하는 성능이 우수해 신호대잡음비와 검출한계, 시간해상도를 최고 수준으로 끌어올릴 수 있다.
연구팀이 개발한 대역확산 라만 분광 기술은 물질의 고유진동 지문을 측정하는 성분 분석과 전처리가 필요하지 않다는 라만 분광 기술의 장점을 그대로 유지하면서 기존의 기술적 한계인 낮은 신호대잡음비와 검출한계를 극복하는 기술로, 바이오 이미징, 현미경, 바이오 마커 센서, 약물 모니터링, 암 조직 검사 등의 다양한 분야에 활용될 수 있다.
연구팀은 대역확산 분광 기술과 표면증강 라만 분광법(Surface-enhanced Raman spectroscopy)을 접목시켜 별도의 표지 없이도 5종의 신경전달물질을 아토 몰 농도에서 검출해 기존 검출한계를 10억(109)배 향상시켰으며, 신호대잡음비가 1,000배 이상 증가함을 확인했다.
제1 저자인 이원경 박사과정은 "고감도 분자 진단을 위해 통신 분야의 최첨단 기술인 대역확산 기술을 접목한 차세대 디지털 코드 라만 분광 기술을 최초로 제안했으며, 이 방법으로 기존 생체 분자 검출 기술의 장벽을 해결하고 기존 기술의 신경전달물질 검출한계를 획기적으로 향상시켰다ˮ며 "고감도 소형 분광기로 신속하고 간단하게 현장 진단이 가능하고 다양한 분야에 활용될 수 있어 파급효과가 크다ˮ고 말했다.
정기훈 교수는 "이번 결과를 바탕으로 향후 휴대용으로 소형화를 진행하면 낮은 비용으로 무표지 초고감도 생체 분자 분석 및 신속한 현장 진단이 가능해질 것이다ˮ며 "또한 신경전달물질뿐 아니라 다양한 생화합물 검출, 바이러스 검출, 신약평가분야에 크게 활용될수 있을 것이다ˮ고 말했다.
한편, 이번 연구는 한국연구재단 바이오기술개발사업, KAIST 코로나대응 과학기술뉴딜사업단과 범부처 전주기 의료기기 사업, 과학기술정보통신부 ETRI 연구개발지원사업의 지원을 받아 수행됐다.
2021.01.18
조회수 75407
-
신경 네트워크의 연결을 실시간으로 조절 가능한 신경 칩 플랫폼 개발
우리 대학 바이오및뇌공학과 남윤기 교수 연구팀이 나노입자 기술을 기반으로 시험관 조건에서 배양한 신경 네트워크의 연결을 실시간으로 조절할 수 있는 신경칩 플랫폼을 개발했다고 7일 밝혔다.
이번 연구는 신경 네트워크의 구조를 조절하기 위한 기존의 많은 세포 형태화 기술이 세포 배양 이전 단계에만 적용 가능한 데 반해, 네트워크의 발달 및 성숙 단계에서도 도입할 수 있다는 점에서 큰 의미가 있다.
바이오및뇌공학과 홍나리 박사과정(지도교수:남윤기)이 주도한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 12월 9일 字에 게재됐다. (논문명: Thermoplasmonic neural chip platform for in situ manipulation of neuronal connections in vitro)
우리 뇌의 복잡한 구조를 모방하는 신경 네트워크 모델을 체외 조건에서 구현하기 위해서는 신경세포의 위치와 연결을 원하는 구조에 맞춰 정렬하는 기술이 필요하며, 이를 위해 다양한 방식의 미세공정 기법을 통한 신경세포 형태화 기술이 개발돼왔다.
그러나 이러한 기술들은 세포를 배양하기 전에 배양기판의 표면을 개질하는 방법을 기반으로 하고 있어 배양 초기 단계에서 원하는 네트워크의 구조를 통제하는 것은 가능하나, 이후 수일 또는 수 주에 걸친 세포 간 네트워크 형성 과정 중에 네트워크 연결을 조절하는 것이 매우 어렵다는 단점이 있었다.
연구진은 세포 배양 중에도 신경 네트워크의 구조와 기능을 실시간으로 조절할 수 있는 기술을 개발하기 위해, `아가로즈 하이드로겔 (agarose hydrogel), 금 나노막대, 미세 전극 칩' 기반의 신경 칩 플랫폼을 제작했다. 해초로부터 추출한 물질로 조직공학 분야에서 활용되고 있는 아가로즈 하이드로겔은 신경세포의 흡착을 방해하는 세포 반발성을 가지고 있어, 배양기판 상에 다양한 형태의 패턴을 제작해 이 물질이 없는 영역에만 한정적으로 신경 네트워크를 형성시킬 수 있다.
또한 아가로즈 하이드로겔은 열에 의해 녹는 특성이 있어, 국소적인 열을 통해 특정한 위치의 하이드로겔을 제거할 수 있다. 연구진은 원하는 영역에만 국소적 열을 발생시키기 위한 매개체로 금 나노막대를 사용했다. 금 나노막대는 근적외선을 선택적으로 흡수해 열을 발생시킬 수 있는 광열 특성이 있다. 마지막으로 미세 전극 칩은 신경세포의 전기적 신호를 비침습적으로 장기간 측정한다.
연구진은 배양기판인 미세 전극 칩 위에 금 나노막대 층을 형성하고, 그 위에 미세 패턴을 지닌 아가로즈 하이드로겔 층을 제작함으로써, 각 미세 패턴 안에 독립된 신경 네트워크들을 구축했다. 다음으로 개발된 플랫폼을 통해 세 가지의 다른 조작 방식으로 신경 네트워크의 구조와 기능을 조절할 수 있음을 실험적으로 확인했다.
첫 번째로는, 금 나노막대 층에서 발생하는 열을 통해 네트워크 사이에 하이드로겔을 국소적으로 제거했으며, 제거된 영역을 따라 신경돌기(축삭)가 생장해 새로운 신경 연결이 생성됨을 확인했다. 두 번째로는, 네트워크를 연결하고 있는 신경돌기에 직접 열을 가함으로써 원하는 신경 연결을 선택적으로 제거할 수 있음을 관찰했다. 이러한 신경 연결의 생성과 제거 기술을 미세 전극 칩 상에서 실행함으로써, 연구팀은 네트워크의 구조적 변화에 의한 기능적 연결성을 분석할 수 있었다. 세 번째로는, 광열 자극을 이용한 신경 활성 억제 현상을 이용해 개별 네트워크의 활성 변화를 조절하면서 서로 연결된 네트워크 간의 기능적 연결성을 대응시킬 수 있음을 확인했다.
이번 연구의 교신저자인 남윤기 교수는 "이번 연구에서 개발된 신경 세포 칩 플랫폼은 신경회로의 구조와 기능을 세포 발달과정 중에 조절할 수 있다ˮ며, "앞으로 뇌신경과학 연구를 위한 다양하고 복잡한 형태의 체외 신경 모델을 구현하는 데 활용될 것으로 기대된다ˮ고 말했다.
한편 이번 연구는 과학기술정보통신부 중견연구자지원사업(도약연구)와 글로벌박사양성사업 지원을 받아 수행됐다.
2021.01.06
조회수 55776
-
효율적 정보 처리를 위한 뇌신경망의 최적화 구조 형성 원리 규명
우리 대학 바이오및뇌공학과 백세범 교수 연구팀이 대뇌 시각 피질 회로가 정보처리에 가장 최적화된 구조를 자발적으로 형성하는 원리를 밝혔다.
이번 연구 결과는 수 십년간의 뇌신경과학 연구에서 그 원리를 명확히 밝혀내지 못했던 시각 피질 기능성 지도들의 복합 구조 형성의 기작을 규명한 것으로, 수학적 모델의 도입을 통해 복잡한 생물학적 신경망 구조의 기원을 찾아낸 성공적인 연구로 평가된다.
연구팀은 망막 신경세포들이 초기 발생 단계에서 일정한 물리적 공간 분포 패턴을 형성하는 과정에서 다양한 종류의 정보 처리 회로가 자발적으로 생성될 뿐만 아니라, 이 패턴으로부터 시각 피질의 기능성 뇌지도들의 규칙적이고 효율적인 복합적 구조가 형성됨을 밝혀냈다.
바이오및뇌공학과 송민 박사과정과 장재선 박사가 공동 1저자로 참여한 이번 연구는 국제 학술지 ‘셀(cell)’의 온라인 자매지 ‘셀 리포츠(Cell Reports)’ 1월 5일 자에 게재됐다. (논문명: Projection of orthogonal tiling from the retina to the visual cortex).
포유류의 일차시각피질 신경세포들은 눈으로부터 입력된 시각 정보의 색, 물체의 형태를 이루는 선분의 각도, 폭 등의 기본적인 시각 정보를 구별하여 전기적 신호로 부호화 한다. 예를 들어 시각 자극의 방향에 따라 반응의 정도가 달라지는 성질인 방향 선택성(orientation selectivity)을 가지는 세포들은 물체의 형태를 구별하기위해 필요한 윤곽선에 대한 정보를 선택적으로 처리한다.
이러한 시각 피질 세포들의 방향 선택성, 공간 주기성등의 성질은 시각 피질 상에서 연속적, 주기적인 형태로 변하는 기능성 지도 (functional map) 구조를 형성하는데, 이 지도들의 구조는 서로 독립적으로 형성되는 것이 아니라 서로 수평, 또는 수직 관계를 이루며 매우 효율적인 짜임새 구조(efficient tiling)를 이룬다. 이를 통해 시각 피질의 모든 국소 영역에서 정보 요소들을 손실없이 효율적으로 부호화할 수 있도록 만드는 대주(hypercolumn) 구조를 형성하는데, 시각 정보처리의 핵심이 되는 이러한 기능성 구조가 어떻게 발생하는지에 대해서는 밝혀진 바가 없었다.
연구팀은 수학적 모델에 기반한 컴퓨터 시뮬레이션을 통하여 포유류의 망막에서 발견되는 신경절 세포들이 단순한 물리적 상호작용을 통해 시각 정보의 입력이 없는 상태에서도 놀라울 정도로 효율적인 공간적 배치를 자발적으로 형성할 수 있음을 확인하였다.
연구팀은 이러한 구조가 시각 피질로 투영되어 시각 피질의 다양한 기능성 뇌지도들을 형성됨과 동시에, 그 지도들 간의 상호 짜임새를 정보처리에 가장 최적화된 형태로 구성할 수 있음을 보였다. 뇌의 주요 정보 처리 회로에 대한 설계도가 이미 망막 단계의 신경망이 형성되는 과정에서 자발적으로 발생함을 증명한 것이다.
백세범 교수는 “시각 정보처리의 핵심 구조인 시각 피질의 기능성 지도가 어떻게 자발적으로 발생하는지 규명하였을 뿐 아니라, 다양한 정보를 처리하는 각각의 뇌신경망 회로 구조가 단순한 물리적 상호작용에 의해 가장 효율적인 형태의 복합 구조를 형성할 수 있음을 처음으로 증명한 연구다" 라고 언급했다.
이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업의 지원을 받아 수행됐다.
2021.01.06
조회수 53162
-
백세범 교수팀, 고등 인지 기능의 자발적 발생 원리 규명
우리 대학 바이오및뇌공학과 백세범 교수 연구팀이 학습 과정을 전혀 거치지 않은 신경망에서 고등 시각 인지 기능이 자발적으로 발생할 수 있음을 보였다고 4일 밝혔다.
이번 연구 결과는 신경망에서 상위 인지 기능을 발생시키기 위해서는 반드시 충분한 데이터 학습이 필요하다는 기존의 상식과 완전히 상반되는 것으로, 현재 통용되고 있는 인공지능의 구현 방식에 대한 근본적인 의문을 던진다.
또한 연구팀의 결과는 다양한 생물 종의 뇌에서 관측되는 선천적인 인지 기능의 발생에 대한 설명 가능한 이론을 제시할 뿐만 아니라, 뇌신경과학 연구의 가장 근본적인 질문 중 하나인 `인지 지능의 발생 및 진화'의 원리에 대한 기존과는 전혀 다른 새로운 시각을 제시한다.
연구팀은 뇌의 시각 신경망을 모사한 인공신경망 시뮬레이션을 통해, 모든 연결 가중치가 무작위로 정해지도록 초기화된 신경망이 전혀 학습을 거치지 않은 상태에서도 특정 숫자에 선택적으로 반응하는 `수량 선택성'을 자발적으로 생성함을 발견했다. 또한 이렇게 자발적으로 발생한 수량 선택적 유닛은 실제 동물의 뇌에서 발견되는 수량 선택적 뉴런들이 보이는 *`베버-페히너 법칙' 등의 주요 특성을 동일하게 따름을 확인했다.
☞ 베버-페히너 법칙(Webber-Fechner law): 자극과 감각 사이의 상대적 관계를 나타내는 심리물리학적 법칙. 인지 가능한 자극 강도 변화량은 현재 강도에 지수적으로 비례한다는 것으로 이는 인지생물학에서 기본적인 원리로 알려져 있다.
우리 대학 물리학과 김광수 석박사통합과정, 바이오및뇌공학과 장재선 박사가 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스(Science)'의 온라인 자매지 `사이언스 어드밴시스(Science Advances)' 1월 1일 字에 게재됐다. (논문명 : Visual number sense in untrained deep neural networks)
신경망에서 인지 지능의 발생에 관한 연구는 뇌인지과학과 인공지능 분야 모두에서 핵심적인 연구 주제 중 하나다. 흥미롭게도 인지 기능을 발생시키기 위해서 일반적으로 많은 양의 데이터 입력을 통한 학습 과정을 거쳐야 하는 인공신경망과 달리 동물의 뇌는 태어난 직후부터 다양한 인지 기능을 수행하는 `선천적' 인지 지능을 가지고 있는 것이 관찰돼왔다.
이러한 차이점은 생물학적 지능의 발생과 진화의 원리를 이해하는 데 결정적인 역할을 하고, 현재 개발된 인공지능과의 차이점을 보여주는 핵심적인 단서를 제공할 것으로 기대되고 있으나 이러한 인지 기능이 어떻게 자발적으로 발생하는지는 아직 명확하게 알려진 바가 없었다.
이에 연구팀은 학습을 거치지 않은 신경망의 초기 상태에서 나타나는 단순한 물리적 구조 특성이 다양한 인지 기능을 발생시킬 수 있을 것이라 예상했다. 이를 확인하기 위해 수행한 심층신경망 시뮬레이션 연구를 통해 모든 연결 가중치가 무작위로 초기화된 신경망에서도 `계층 구조'와 무작위적 피드 포워드 연결만 형성된다면 특정 수량에 선택적으로 강한 반응을 보이는 신경망 유닛들이 자발적으로 생성됨을 확인했다.
이러한 신경망 유닛들은 실제 뇌에서 발견되는 수량 선택적 신경세포의 주요한 성질들과 유사한 특성을 보였다. 이 결과는 생물학적 뇌에서 생애 초기에 발견되는 선천적인 숫자 선택성 역시 동일한 원리에 의해 발생할 가능성을 시사한다.
이러한 결과는 기초적인 인지 기능이 신경망의 초기 구조가 갖춰진 시점에 이미 존재하고 이후 다양한 학습을 통해 조절될 수 있음을 보여주며, 뇌신경과학의 중요한 화두 중 하나인 `지능의 선천적 혹은 후천적(nature vs. nurture) 형성'에 관해 매우 중요한 단서를 제공하는 발견으로 평가된다.
연구팀의 결과는 학습과 훈련에 의존해 대부분의 뇌 기능이 발생한다는 기존의 시각을 탈피해, 선천적이고 자발적으로 발생하는 뇌 기능에 대한 보다 심도 있는 연구가 필요하다는 사실을 시사한다. 한편으로 현재의 인공지능 구현 기법들과 완전히 다른 인공지능 구현 원리를 제시할 수 있는 생물학적 뇌 기반 이론을 제시한다.
백세범 교수는 "뇌 신경망 연구를 통해 얻은 아이디어를 인공신경망 연구에 적용하고, 그 결과를 다시 뇌과학적 원리를 발견하는 데 사용해 중요한 통찰을 가능하게 한 의미있는 연구ˮ라며 "뇌신경과학과 뇌공학 분야 모두에서 가장 중요한 질문 중 하나라고 할 수 있는 인지 지능의 기원에 대한 이해의 전환점을 가져올 것으로 기대된다ˮ라고 언급했다.
한편 이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업의 지원을 받아 수행됐다.
2021.01.04
조회수 60096
-
인공지능 기술을 이용한 유전자 전사인자 예측 시스템 개발
우리 대학 생명화학공학과 이상엽 특훈교수와 미국 캘리포니아대학교 샌디에이고캠퍼스(UCSD) 생명공학과 버나드 팔슨(Bernhard Palsson) 교수 공동연구팀이 인공지능을 이용해 단백질 서열로부터 *전사인자를 예측하는 시스템인 '딥티팩터(DeepTFactor)'를 개발했다고 29일 밝혔다. 이번 연구는 국제학술지인 '미국국립과학원회보(PNAS)'에 12월 28일 字 게재됐다. (논문명: DeepTFactor: A deep learning-based tool for the prediction of transcription factors)
※ 전사인자 (transcription factor) : 유전자의 전사(유전 정보를 복사하는 과정)를 조절하는 단백질. 특정 DNA 서열에 특이적으로 결합해 유전자의 전사를 조절한다.
※ 저자 정보 : 김기배(한국과학기술원, 제1 저자), 예 가오(Ye Gao) (UCSD, 제2 저자), 버나드 팔슨(Bernhard Palsson) (UCSD, 제3 저자), 이상엽(교신저자) 포함 총 4명
전사인자는 특정한 DNA 서열에 특이적으로 결합해 유전자의 전사(유전 정보를 복사하는 과정)를 조절하는 단백질이다. 전사인자로 인한 유전자 전사를 분석함으로써 유기체가 유전적 또는 환경적 변화에 어떻게 반응해 유전자의 발현을 제어하는지 이해할 수 있다. 이러한 점에서 유기체의 전사인자를 찾는 것은 유기체의 전사 조절 시스템 분석을 위한 첫 단계라고 할 수 있다.
지금까지 새로운 전사인자를 찾기 위해서는 이미 알려진 전사인자와의 상동성(유사한 성질)을 분석하거나, 기계학습(머신러닝)과 같은 데이터 기반의 접근 방식을 이용했다. 기존의 기계학습 모델을 이용하기 위해서는 분자의 물리 화학적 특성을 계산하거나, 생물학적 서열의 상동성을 분석하는 등, 해결하고자 하는 문제에 대한 전문 지식에 의존해 모델의 입력값으로 사용할 특징을 찾아내는 과정이 필요하다.
한편, 심층 학습(딥러닝)은 문제 해결을 위한 잠재적인 특징을 내재적으로 학습할 수 있기에 최근 다양한 생물학 분야에서 활용되고 있다. 하지만, 심층 학습을 이용한 예측 시스템의 경우 시스템 내부의 복잡한 연산 때문에 추론 과정을 직접 확인할 수 없는 `블랙박스(black box)'라는 특징을 가지고 있다.
공동연구팀은 심층 학습 기법을 이용해 주어진 단백질 서열이 전사인자인지 예측할 수 있는 시스템인 딥티팩터(DeepTFactor)를 개발했다. 딥티팩터는 단백질 서열로부터 전사인자를 예측하기 위해 세 개의 병렬적인 합성곱 신경망(convolutional neural network)을 이용한다. 공동연구팀은 딥티팩터를 이용해 대장균(Escherichia coli K-12 MG1655)의 전사인자 332개를 예측했으며, 그중 3개의 전사인자의 게놈 전체 결합 위치(genome-wide binding site)를 실험으로 확인함으로써 딥티팩터의 성능을 검증했다.
공동연구팀은 나아가 딥티팩터의 추론 과정을 이해하기 위해 특징 지도 (saliency map) 기반의 심층 학습 모델 해석 방법론을 사용했다. 이를 통해 딥티팩터의 학습 과정에서 전사인자의 DNA의 결합 영역에 대한 정보가 명시적으로 주어지지 않았지만, 내재적으로 이를 학습해 예측에 활용한다는 사실을 확인했다.
연구팀 관계자에 따르면, 특정 생물군의 단백질 서열만을 위해 개발됐던 이전 예측 방법론들과 달리, 딥티팩터는 모든 생물군의 단백질 서열에서 우수한 성능을 보여 다양한 유기체의 전사 시스템 분석에 활용 가능할 것으로 기대된다.
이상엽 특훈교수는 “이번 연구에서 개발한 딥티팩터를 이용해서 새롭게 발견되는 단백질 서열과 아직 특성화되지 않은 수많은 단백질 서열을 높은 처리 능력으로 분석할 수 있게 됐다”며 “이는 유기체의 전자 조절 네트워크 분석을 위한 기초 기술로써 활용 가능할 것”이라고 밝혔다.
한편, 이번 연구는 과기정통부가 지원하는 기후변화대응기술개발사업의 바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제 지원을 받아 수행됐다.
2020.12.30
조회수 54443
-
딥러닝으로 소재 합성 가능성 예측 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 딥러닝을 활용해 소재의 합성 가능성을 높은 정확도로 예측하는 기술을 개발했다고 22일 밝혔다.
신소재 설계의 궁극적인 목표는 소재를 설계하고 그것을 실험적으로 합성하는 것이지만 현실적으로는 새롭게 설계된 대부분의 소재가 실제 합성 단계에서 성공하지 못하고 버려지는 경우가 많다. 이는 불필요한 시간과 자원의 낭비를 초래한다. 소재의 합성 여부는 반응 조건, 열역학, 반응 속도, 소재 구조 등 다양한 요인에 의해서 결정되기 때문에, 소재의 합성 가능성을 예측하는 것은 매우 도전적인 과제로 여겨져 왔다.
이런 문제 해결을 위한 방안으로 간단한 열역학적 안정성만을 고려해 고체 소재의 합성 가능성을 추정하지만 정확도는 매우 떨어지는 편이다. 일례로 에너지적으로 안정된 물질이라 하더라도 합성이 안 되는 경우가 아주 빈번하고, 또 반대로 *준안정 상태의 물질들도 합성되는 경우가 많기 때문이다. 따라서, 합성 가능성에 대한 예측 정확도를 획기적으로 높일 수 있는 방법론의 개발이 시급한 과제로 여겨져 왔다.
☞ 준안정(metastable) 상태 : 어떤 물질이 열역학적으로 안정된 ‘바닥 상태’가 아닌 상태
정유성 교수 연구팀이 개발한 소재 합성 가능성 예측기술은, 기존 합성이 보고된 고체 소재들의 구조적 유사성을 그래프 합성 곱 신경망(GCN, Graph Convolutional Neural Network)으로 학습해 새로운 소재의 합성 가능성을 예측할 수 있다. 특히, 현재까지 합성이 안 된 물질이라 하더라도 합성이 성공할 가능성은 여전히 존재하기 때문에 참값(레이블)을 이미 알고 학습을 진행하는 일반적인 지도학습과는 달리 양의 레이블(+)을 가진 데이터와 레이블이 없는 데이터(Positive-Unlabeled, P-U)를 이용한 분류 모델 기반의 준 지도학습을 사용했다.
정 교수팀은 5만여 종에 달하는 이미 합성이 보고된 물질과 8만여 종의 *가상 물질로 이뤄진 `머터리얼스 프로젝트(Materials Project, MP)'라는 소재 관련 데이터베이스를 이용해 모델을 구축했다. 연구팀 관계자는 이 신기술을 활용한 결과, 소재들의 합성 가능성을 약 87% 정확하게 예측할 수 있다고 설명했다. 정 교수팀은 또 이미 합성된 소재들의 열역학적 특성을 분석한 결과, 열역학적 안정성만으로는 실제 소재의 합성 가능성을 예측할 수 없다는 사실도 알아냈다.
☞ 가상 물질(hypothetical materials) : 기존에 합성되어 보고된 물질들을 원소 치환해서 얻어지는 가상의 물질들로 아직 실험적으로 합성 보고가 이루어지지 않은 물질
이와 함께 머터리얼스 프로젝트(MP) 데이터베이스 내에 합성 가능성 점수가 가장 높은 100개의 가상 물질에 대해 문헌조사를 실시한 결과, 이들 중 머터리얼스 프로젝트(MP) 데이터베이스에는 합성 여부가 아직 알려지지 않았지만 실제로 합성돼 논문에 보고된 소재만도 71개에 달하는 것을 확인했고 이를 통해 모델의 높은 정확도를 추가로 입증했다.
정유성 교수는 "빠른 신소재 발견을 위해 다양한 소재 설계 프레임워크가 존재하지만 정작 설계된 소재의 합성 가능성에 관한 판단은 전문가 직관의 영역으로 남아 있다ˮ면서 "이번에 개발한 합성 가능성 예측 모델은 새로운 소재를 설계할 때 실제로 합성 가능성을 실험 전에 미리 판단할 수 있어 새로운 소재의 개발시간을 단축하는 데 큰 도움이 될 것ˮ이라고 말했다.
생명화학공학과 장지돈 박사과정과 구근호 박사후연구원이 공동 제1 저자로 참여한 이번 연구결과는 미국화학회가 발행하는 국제학술지 미국화학회지(Journal of the American Chemical Society) 온라인 10월 26일 자에 실렸다. (논문명: Structure-Based Synthesizability Prediction of Crystals Using Partially Supervised Learing)
한편 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구)과 미래소재 디스커버리 사업 지원을 받아 수행됐고, 연구에 KISTI의 슈퍼컴퓨터를 활용했다.
2020.12.22
조회수 51062
-
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다.
소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.
☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말
정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법
이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다.
우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction)
한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28
조회수 27460
-
알츠하이머병을 유발하는 새로운 유전인자 발견
우리 대학 바이오및뇌공학과 정용 교수 연구팀이 알츠하이머병을 유발하는 새로운 유전인자를 발견했다고 28일 밝혔다.
정 교수 연구팀은 환자의 뇌 영상·유전자와 함께 뇌척수액 데이터를 이용해 알츠하이머병의 새로운 유전인자를 발견했다. 연구팀은 새로 발견한 이 유전인자가 알츠하이머병의 원인 단백질로 알려진 아밀로이드 및 타우 단백질과는 별도로 환자의 인지 저하를 발생하는 사실과 함께 이 유전자가 항산화 효소 대사와 관련됐음을 입증했다. 이번 연구를 계기로 전 세계 약 1억5000만 명에 달하는 알츠하이머병 환자의 병태생리학적 규명은 물론 새로운 치료제 개발에 기여할 것으로 큰 기대를 모으고 있다.
우리 대학 의과학대학원김항래 박사가 제1 저자로 참여한 이번 연구 논문은 9월 16일 字 신경학 분야 저명 학술지인 '신경학(Neurology)'에 게재됐다. (논문명 : Genetic variants beyond amyloid and tau associated with cognitive decline: A cohort study)
알츠하이머병은 치매의 가장 흔한 원인인데 고령화에 따라 전 세계적으로 환자 수가 급속히 늘고 있다. 알츠하이머병을 유발하는 주요 원인 단백질로는 아밀로이드 및 타우 단백질이 알려져 있다. 따라서 이러한 주원인 단백질을 대상으로 하는 치료제가 많이 개발되는 추세다. 그러나 연이은 신약 개발의 실패로 인해 알츠하이머병에 대한 새로운 병태생리와 치료 대상에 관한 연구에 관심이 증가하고 있다.
정 교수 연구팀은 이번 연구를 위해 미국과 캐나다에 소재한 63개 지역 연구기관으로부터 얻은 정상인, 경도인지장애 관련 자료를 그리고 알츠하이머치매 환자로부터 얻은 뇌 영상·유전자·뇌척수액 데이터를 활용했다.(Alzheimer's Disease Neuroimaging Initiative, ADNI, http://adni.loni.usc.edu)
연구팀은 이와 함께 총 414명의 알츠하이머병 스펙트럼 환자(아밀로이드 단백질 양성 환자)를 대상으로 약 620만 개의 단일염기 다형성(Single Nucleotide Polymorphism, SNP)을 확인하는 과정에서 아밀로이드 및 타우 단백질과 별도로 환자의 인지기능에 영향을 주는 새로운 유전인자를 찾아냈다.
연구팀은 특히 독립된 데이터에서도 해당 유전자분석 결과의 재현에도 성공해 생물 정보학 분석을 통해서도 해당 유전인자가 항산화 효소 대사와 관련된 유전인자임을 입증했다. 연구팀은 실험을 통해 뇌 자기공명영상(Magnetic Resonance Imaging, MRI)으로 계산한 대뇌피질위축 데이터와 구조방정식 모델을 통해 해당 유전자가 뇌의 두정엽과 후두엽의 뇌 위축을 유발한다는 사실을 확인한 것이다. 이 패턴은 아밀로이드 및 타우 단백질에 의한 기존의 뇌 위축 패턴 현상과는 다른 것으로 나타났다.
제1 저자인 김항래 박사는 "이번 연구결과를 바탕으로 해당 유전인자가 있는 환자를 대상으로 항산화 치료의 효율성을 검증하는 추가 연구를 진행할 계획ˮ 이라고 밝혔다. 한편 이번 연구는 보건복지부 치매극복사업과 과학기술정보통신부 뇌과학원천기술사업의 지원을 받아 수행됐다.
2020.09.28
조회수 24026