한 연구자가 Codex와 ChatGPT로 새로운 항미생물 분자를 찾는 방법

박테리아, 곰팡이, 기생충, 바이러스 등 약제 내성 미생물은 갈수록 심각해지는 전 세계적 위협입니다. 2021년 사망자 중 약 500만 명은 세균의 항미생물제 내성과 관련이 있었으며⁠(새 창에서 열기), 연간 사망자 수는 2050년까지 약 두 배로 늘어날 것으로 예상됩니다. 항미생물제가 될 가능성이 있는 분자를 찾는 데는 수년이 걸릴 수 있습니다. 연구자들은 이 초기 발굴 단계를 가속하기 위해 AI를 활용하고 있습니다.

항미생물제 후보를 탐색하는 학제 간 연구실을 이끄는 생명공학자 세사르 데 라 푸엔테⁠(새 창에서 열기)는 “항미생물제 내성은 인류가 직면한 가장 심각한 존립 위협 중 하나라고 생각합니다”라고 말했습니다. “그런데도 지난 50년 동안 새로운 계열의 항생제가 나오지 않았습니다.”

현대의 항미생물제 개발은 대부분 기존 의약품을 변형하거나 익숙한 화합물 계열을 탐색하는 데 집중합니다. 하지만 이런 접근법으로 얻을 수 있는 성과는 갈수록 줄어들고 있습니다.

데 라 푸엔테의 연구실은 훨씬 덜 탐구된 영역인 생명의 코드에서 출발합니다. 이 연구의 핵심 발상은 생물학을 하나의 정보 시스템으로 보는 것입니다. 데 라 푸엔테는 “DNA를 구성하는 뉴클레오타이드와 단백질 및 펩타이드를 구성하는 아미노산은 일종의 알파벳과 같습니다”라고 말했습니다. “생물학을 정보로 바라보자 기능성 분자를 탄생시킨 생명의 구성 원리를 해독하기 위한 방법을 개발할 수 있었습니다.”

연구실의 딥 러닝 모델은 생물학적 서열에서 패턴을 인식하도록 훈련되어, 방대한 유전체 및 단백질 데이터 세트에서 잠재적인 항미생물제를 탐색할 수 있습니다. 이 접근법은 후보 분자를 찾는 초기 탐색 기간을 수년에서 몇 시간으로 단축할 수 있습니다.

연구실은 자체 AI 모델과 더불어 ChatGPT와 Codex를 활용해 가설을 구상하고, 코드를 작성·개선하며, 데이터 세트를 처리하고, 결과를 분석하고, 여러 과학 분야의 아이디어를 연결합니다.

유전체에서 기능이 명확히 밝혀진 부분은 극히 일부이며, 감염성 미생물과 싸울 수 있는 분자를 암호화하는 부분은 그보다도 적습니다. 과제는 분자에 기능이나 생물학적 활성을 부여하는 패턴을 찾아낸 다음, 그중 어떤 것이 감염성 미생물에 맞설 잠재력이 있는지 판별하는 것입니다.

과학자들은 오랫동안 식물, 동물, 미생물, 곤충, 물, 토양에서 항미생물제를 찾아왔습니다. 이들은 샘플을 수집하고 후보 분자를 분리하거나 예측한 뒤 반복적으로 시험하는데, 이 과정에는 수년이 걸릴 수 있습니다.

이제 과학자들은 디지털 유전체 및 단백질 데이터베이스를 이용해 생명의 계통수 전반에서 새로운 화합물을 찾을 수 있으며, 탐색 가능한 데이터베이스의 범위도 크게 넓어졌습니다. 하지만 이처럼 방대한 정보에는 수없이 많은 가능성 속에서 유망한 신호를 찾아야 한다는 과제가 따릅니다.

AI는 건초 더미에서 바늘을 찾는 것과 같은 이 작업에 특히 적합합니다. AI는 방대한 데이터 세트를 살펴보고 연구자가 발견하기 어려운 패턴을 식별해, 실험할 후보를 관리 가능한 규모로 추려 우선순위를 정할 수 있습니다.

하지만 유망한 후보를 찾아냈다고 해서 반드시 효과적인 의약품이 되는 것은 아닙니다.

과학자들은 먼저 후보 분자가 표적 미생물을 죽이는지 확인하고, 효과를 내는 데 필요한 양을 파악하며, 인간 세포에 미치는 영향을 시험해야 합니다. 그런 다음 화학자들은 효과, 안전성 또는 안정성을 높이도록 후보를 최적화할 수 있습니다.

추가 시험에서는 후보가 독성을 띠기 시작하는 용량, 미생물이 해당 분자에 내성을 갖게 되는 속도, 후보 물질이 체내에서 이동하는 방식을 평가합니다. 연구팀은 해당 분자를 신뢰할 수 있는 방식으로 제조할 방법도 마련합니다. 이러한 관문을 통과한 후보도 승인된 항미생물제로 환자에게 제공되려면 규제 심사와 임상 시험을 거쳐야 합니다.

데 라 푸엔테가 AI와 실험실 생물학이 함께 발전해야 한다고 보는 이유도 여기에 있습니다. 그는 “AI의 예측을 검증하려면 실제 실험이 반드시 필요합니다”라고 말했습니다. “세상에서 가장 복잡한 생명 현상에 대한 이해를 계속 조금씩 넓혀 나가려면, 앞으로 생명과학에서 이러한 검증이 매우 중요해질 것입니다.”

그의 연구실은 현생 생물과 멸종 생물의 유전체에서 후보 분자를 탐색합니다. 이러한 유전체를 탐색하고, 유전체에 암호화된 단백질이 어떻게 형성되어 기능하는지 이해하며, 해당 분자의 역할을 밝히려면 여러 분야를 아우르는 전문성이 필요합니다.

데 라 푸엔테는 “우리는 여러 학문 분야를 긴밀하게 아우르는 연구팀이라 생물학, 화학, 컴퓨터 과학, 공학 등 다양한 분야의 사람들이 함께합니다”라고 말했습니다. 연구실에는 프로그래밍에는 능숙하지만 생물학이나 화학 지식은 상대적으로 부족한 구성원도 있고, 그 반대인 구성원도 있습니다. Codex와 ChatGPT는 이러한 간극을 메워 생물학자가 프로그램을 만들고 프로그래머가 생물학 문제를 다룰 수 있게 해 줍니다. 그런 의미에서 AI는 과학 분야 사이의 장벽을 낮춥니다.

이를 통해 연구실 구성원들은 학제 간 연구에 필요한 낯선 주제를 검토하고, 용어를 명확히 이해하며, 분야별 방법론을 비교하고, 신약 개발 아이디어를 체계화할 수 있습니다. 또 다른 구성원들은 AI를 활용해 대규모 유전체 데이터 세트를 다운로드하고 정리해 전처리합니다. 또한 ChatGPT 덕분에 연구실 구성원들은 모국어로 작업할 수 있어 장벽을 낮추고 업무 속도를 높일 수 있습니다.

데 라 푸엔테는 ChatGPT를 브레인스토밍 파트너로 활용합니다. 그는 동료들과 계속 아이디어를 발전시키면서도, 가설을 구체화하는 데 도움을 주는 AI의 역량을 높이 평가합니다. 버튼을 한 번 클릭하면 전 세계의 정보에 접근할 수 있다는 점도 마음에 들어 합니다.

데 라 푸엔테는 “우리의 ChatGPT 워크스페이스에는 우리가 해결하려는 문제를 저마다 다른 관점에서 바라보는 다양한 사람들의 의견이 모입니다”라고 말했습니다. 연구실 구성원들은 좋은 아이디어든 나쁜 아이디어든 이곳에 공유하며, 이를 일종의 공동 아이디어 검토 창구로 활용합니다.

하지만 그는 AI에만 의존해서는 안 된다고 경고합니다. 데 라 푸엔테는 “물론 정확한지 항상 재확인해야 합니다”라고 말했습니다.

그럼에도 그는 연구자들이 과학 분야 간 경계를 탐구하도록 돕는 AI의 역량을 높이 평가합니다. “바로 그곳에 아직 발견되지 않은 획기적인 성과가 기다리고 있습니다. 그런 획기적인 성과는 아직 연구하는 사람이 거의 없는 서로 다른 학문이 만나는 영역에서 발견됩니다."

그는 이 연구를 훨씬 오래된 과학적 전통의 일부로 봅니다. 데 라 푸엔테는 “우리는 주변 세계를 이해하기 위해 언제나 도구와 기계에 의존해 왔습니다”라고 말했습니다. “망원경은 우주를 밝혔고, 현미경은 보이지 않는 세계를 드러냈습니다.” 이제 기계는 연구자들이 생물학을 이해하고 예측하며 설계하도록 돕습니다. 그는 “그것이 바로 우리 연구의 핵심입니다”라고 말했습니다.