윤성로(왼쪽)·김형범 교수 공동연구팀이 AI로 유전자가위 효율을 예측하는 기술을 개발했다. / 사진=서울대 제공
윤성로(왼쪽)·김형범 교수 공동연구팀이 AI로 유전자가위 효율을 예측하는 기술을 개발했다. / 사진=서울대 제공
국내 연구진이 세계 최초로 유전자가위 기술에 인공지능(AI)을 접목시켜 주목된다. AI 딥러닝(심층학습) 모델을 적용해 유전자가위 효율 예측의 정확도를 높인 게 핵심이다.

서울대는 이 대학 전기정보공학부 윤성로 교수와 연세대 의과대학 김형범 교수 공동연구팀이 AI를 활용한 유전자가위 효율 예측기술을 개발했다고 30일 밝혔다.

유전자가위 ‘크리스퍼(CRISPR-Cpf1)’는 유전자의 특정 부위를 잘라내 유전자를 원하는 형태로 교정하는 인공 효소다. 난치성 질환 치료 등에 활용된다.

유전자가위의 절단 효율은 유전자의 어떤 부위를 표적으로 하는지에 따라 크게 달라진다. 즉 절단 효율이 높은 표적 부위를 선정하는 것이 중요한데 이게 생각처럼 쉽지 않다. 실제로는 유전자가위의 효율 예측기술 정확도가 떨어지는 것이다. 때문에 실험을 통해 수많은 유전자가위를 제작해 각각 효율을 측정하는 데 많은 시간과 비용이 드는 한계점이 있었다.
유전자가위의 효율 예측 알고리즘(Deep Cpf1) 도식화. / 출처=서울대 제공
유전자가위의 효율 예측 알고리즘(Deep Cpf1) 도식화. / 출처=서울대 제공
연구팀은 이를 감안해 유전자가위 효율 예측 AI를 구축하는 데 주안점을 뒀다. 유전자가위 효율 측정 데이터를 대량 수집한 뒤 딥러닝 모델을 적용했다. 딥러닝은 인간의 신경망 구조를 모방한 학습법. 주어진 목표가 아니라 스스로 방대한 경우의 수를 탐색하고 걸러내는 과정에서 가장 관련성이 높은 것을 찾아낸다. 연구팀이 딥러닝을 통해 표적 부위 염기서열뿐 아니라 유전자가위가 표적 부위에 구조적으로 접근 가능한지도 고려할 수 있었던 배경이다.

연구팀이 제작한 알고리즘(Deep Cpf1)을 이용한 실험에서는 유전자가위 활성의 예측가능성을 상당히 높였다는 결과가 나왔다. “알고리즘에 의한 예측치를 x축, 실험을 통해 얻은 측정치를 y축으로 뒀을 때 강한 양(+)의 상관관계를 보였다”고 연구진은 설명했다.
연구진 제작 알고리즘(Deep Cpf1)의 유전자가위 활성 예측 성능평가. 알고리즘 예측치(x축)와 실험 측정치(y축)가 양의 상관관계를 보였다. / 출처=서울대 제공
연구진 제작 알고리즘(Deep Cpf1)의 유전자가위 활성 예측 성능평가. 알고리즘 예측치(x축)와 실험 측정치(y축)가 양의 상관관계를 보였다. / 출처=서울대 제공
이 연구는 저명 국제학술지 《네이처 바이오테크놀로지》 온라인판에 30일자로 게재됐다.

미래 유전자치료 전망을 밝힌 ‘마중물 기술’로 평가된다. 윤성로 교수는 “이번 연구는 유전자가위 제작 비용과 노동력을 획기적으로 줄이고 유전체 교정연구 속도를 비약적으로 높여 차세대산업 핵심기술로 활용될 수 있을 것”이라고 의미 부여했다.

김봉구 한경닷컴 기자 kbk9@hankyung.com
기사제보 및 보도자료 open@hankyung.com