생명공학연구원, 기존 바이오센서보다 75배 성능 향상
이 AI 바이오센서는 11개의 유해물을 최대 약 95.3%의 정확도로 식별할 수 있다. 연구진은 기존 바이오센서보다 유해물 검출한계가 약 75배 이상 향상됐다고 설명했다.
변이 단백질들을 여러 개로 만들고 여기에서 얻어지는 다양한 신호들을 모아 빅데이터를 생성, AI 모형을 적용한 것이다.
김하성 박사는 "이번 연구성과는 미생물 바이오센서에 AI 기술을 접목하여 센서 성능을 향상시킨 최초의 연구이며, 그동안 축적된 바이오센서 기술이 AI 기술과 결합해 한 단계 더 정밀한 진단, 감지 기술로 발전되는 계기가 될 것"이라고 말했다. 김 박사는 이어 "향후 토양, 물, 농산물 등 환경 시료의 유해물 감시 및 식별이나 생체내 유해물질의 모니터링에도 활용이 가능할 것"이라고고 전망했다.
이 AI 바이오센서를 만들기 위해 인공적인 단백질 변이를 유발해 고활성 전사인자 6종을 개량했다. 기존의 센서를 만드는 방법에서 벗어나 선별된 변이 모두를 사용해 바이오센서 집합체를 만든 것이다.
이는 개별적인 전사인자의 부족한 부분을 다른 종류 전사인자가 채워주는 식이다. 이들이 만들어내는 패턴을 학습해 기존 바이오센서에서는 불가능 했던 감지물 식별 기능을 만들어냈다.
AI 기술을 활용하기 위해서는 빅데이터가 필수다. 연구진은 미리 선정한 유해 화학물질의 농도를 일정하게 시료를 만들어 센서의 반응 데이터를 수집했다. 즉, 화학물질의 종류와 농도를 미리 알고 센서에 반응시키는 것이다. 이 데이터 학습은 총 6912개의 다른 조건에서 데이터를 훈련셋과 테스트셋으로 나눠 모형을 만들었다.
그 결과 단일 센서를 사용할 경우 45% 미만의 식별 성능을 보였으나 센서 집합체를 사용할 경우 평균 약 85%, 최대 95.3%의 성능 향상을 보였다. 즉, 실험에 수행한 11종의 유해물 중 어떤 유해물에 의해서 센서가 작동했는지를 판별할 수 있는 결과다.
또한 해당 물질의 농도가 얼마인지도 예측하고 그 결과 센서 집합체의 검출한계나 기저잡음, 신호범위 등의 지표가 단일 센서에 비해서 5~10배 향상되는 결과를 얻었다.
이승구 박사는 "인공 유전자회로 연구는 다른 공학분야에서처럼 논리적 구동이 가능한 생물학, 즉 합성생물학으로 발전하는 통로가 될 것이다. 이번 연구는 머신러닝을 통하여 이를 가속시킬 수 있음을 보여준다"고 말했다.
이번 연구결과는 생물공학 분야의 저명 저널인 '바이오센서스엔바이오일렉트로닉스' 9월 30일자 온라인 판에 게재됐다.
monarch@fnnews.com 김만기 기자
※ 저작권자 ⓒ 파이낸셜뉴스, 무단전재-재배포 금지