[더테크 이지영 기자]  암과 같은 난치성 질환은 세포 내부에서 발생하는 미세한 변화에서 시작되는 경우가 많아, 발병 원인을 정확히 규명하는 데 한계가 존재해왔다. 특히 세포가 스트레스를 받을 때 나타나는 단백질의 미세한 변형은 질병과 밀접한 연관이 있지만, 실제 신호와 가짜 신호가 뒤섞여 있어 기존 분석 기술로는 이를 명확히 구분하기 어려웠다. 이에 따라 질병의 근본 원인을 분자 수준에서 추적할 수 있는 새로운 분석 기술의 필요성이 커지고 있다.

한국과학기술연구원(KIST) 화학생명융합연구센터 이철주 박사 연구팀은 인공지능(AI) 학습모델을 활용해 기존에는 검출이 어려웠던 희귀 단백질 변형을 정밀하게 찾아내는 기술을 개발했다고  2일 밝혔다. 이번 기술의 핵심은 세포 스트레스 반응 과정에서 극히 드물게 나타나는 단백질 변형을 가짜 신호와 구분해 정확히 검출할 수 있다는 점이다.

연구팀이 주목한 ‘아르기닐화’는 단백질에 특정 아미노산이 결합해 단백질 분해나 기능 조절을 유도하는 신호로, 이 과정에 이상이 발생할 경우 신경세포 손상이나 암 발생으로 이어질 수 있다. 그러나 아르기닐화는 생체 내 존재량이 극히 적고, 분석 과정에서 생성되는 가짜 신호와 특성이 매우 유사해 기존 질량분석 기반 기술로는 정확한 판별이 어려웠다. 연구팀은 이러한 한계를 극복하기 위해 실제 신호와 매우 유사한 가짜 신호를 AI에 먼저 학습시키는 새로운 분석 전략을 도입했다.

그 결과, 기존 분석에서 검출되던 신호의 약 90%에 해당하는 가짜 신호를 제거하고 총 134개의 실제 아르기닐화 변형 위치를 규명하는 데 성공했다. 또한 전이학습 기법을 적용해 소량의 데이터만으로도 희귀 단백질 변형을 정밀 분석할 수 있음을 입증했다. 스트레스 환경에 놓인 세포를 분석한 결과, 에너지 생산에 관여하는 일부 단백질에서 아르기닐화 변형이 확인돼 암세포 성장과 연관된 대사 조절 메커니즘을 이해할 수 있는 단서를 제시했다.

이번 기술은 단백질 변형 발굴부터 1차 검증까지를 하나의 AI 분석 체계로 통합함으로써 신약 개발과 바이오 연구 현장에서 연구 비용과 시간을 크게 절감할 수 있을 것으로 기대된다. 향후 환자 혈액이나 조직 분석에 적용될 경우, 질병 관련 단백질 변화를 보다 빠르고 정확하게 포착해 조기 진단과 정밀 의료의 핵심 기반 기술로 활용될 가능성이 크다.

이철주 박사는 “기존 연구의 한계를 돌파하기 위해 AI를 과감히 도입한 성과”라며 “순수 국내 연구 기반으로 세계 최고 수준의 AI 기반 단백체 분석 원천 기술을 확보한 만큼 관련 연구 확산에 기여하겠다”고 말했다.

이번 연구는 과학기술정보통신부 지원을 받아 수행됐으며, 연구 성과는 국제 학술지 Nature Communications에 게재됐다.