세포 반응 '레고 블록'처럼 조립…KAIST, 신약 예측 생성형AI 개발

조가현 기자
입력
수정 2025.10.16. 오전 11:40
기사원문
본문 요약봇
성별
말하기 속도

이동 통신망을 이용하여 음성을 재생하면 별도의 데이터 통화료가 부과될 수 있습니다.

(좌측부터) 한영현 박사, 이춘경 박사(중앙 위), 조광현 교수(중앙 아래), 김현진 박사과정. KAIST 연구팀은 세포와 약물의 반응을 ‘레고 블록’처럼 조립해 예측하는 AI 기술을 개발했다. KAIST 제공
세포를 레고 블록처럼 분해하고 다시 조립하듯 원하는 모습으로 바꾸는 인공지능(AI) 기술이 개발됐다. 실제 실험 없이도 특정 약물이 세포를 어떻게 변화시키는지 계산해, 새로운 치료 표적을 찾을 수 있다.

KAIST는 조광현 바이오및뇌공학과 교수팀이 생성형 AI를 활용해 세포 상태를 원하는 방향으로 유도할 수 있는 약물과 유전자 표적을 탐색하는 기술을 개발했다고 16일 밝혔다. 연구 결과는 국제학술지 ‘셀 시스템(Cell Systems)’에 15일 공개됐다.
연구 결과를 설명하는 모식도. 연구팀은 이미지 생성 분야에서 잠재공간의 방향 벡터가 의미 있는 변화를 설명할 수 있다는 점에 주목하고 세포 상태 간의 전이를 유사한 방식으로 모델링했다. 현재의 세포 상태에서 원하는 목표 상태로 향하는 방향을 정의하고 해당 방향으로 유도할 수 있는 약물이나 유전자 타겟을 예측하는 새로운 AI 프레임워크를 개발했다. KAIST 제공
연구팀은 이미지 생성형 AI의 핵심 원리인 ‘잠재공간(latent space)’ 개념을 생명과학에 적용했다. 잠재공간은 AI가 이미지나 데이터의 특징을 수학적으로 정리해 압축한 ‘보이지 않는 지도’ 같은 공간이다.

연구팀은 이 공간에서 세포의 상태와 약물의 효과를 각각 분리하고 이를 다시 조합하는 수학적 모델링 방식을 통해 실험하지 않은 세포-약물 조합의 반응을 예측했다. 이렇게 하면 세포가 특정 약물에 노출됐을 때 어떤 분자 변화를 일으키는지, 나아가 어떤 유전자를 조절해야 원하는 방향으로 바뀌는지를 계산할 수 있다.

연구팀은 실제 대장암 세포 데이터를 활용해 기술을 검증했다. 그 결과 AI가 암세포를 정상 세포와 유사한 상태로 되돌릴 수 있는 유전자 표적을 찾아냈다. 실험에서도 해당 유전자를 억제하자 암세포의 증식이 줄고 정상 대장세포의 유전자 발현 패턴이 회복됐다.

조광현 KAIST 교수는 이번 기술에 대해 “특정 약물이나 유전자가 세포에 미치는 효과를 정량적으로 분석하고 아직 알려지지 않은 반응까지 예측할 수 있는 범용 AI 방식이라는 점에서 의미가 크다”고 말했다.

이번 연구는 세포 상태를 조절하기 위한 새로운 인공지능 기반 접근법을 제시했다는 점에서 의미가 크다. 연구팀은 이 기술이 암 치료뿐 아니라 손상된 세포를 복원하거나 새로운 약물 후보를 설계하는 데에도 폭넓게 활용될 수 있을 것으로 내다봤다.

<참고자료>
-doi.org/10.1016/j.cels.2025.101405
이 기사는 언론사에서 IT 섹션으로 분류했습니다.
기사 섹션 분류 안내

기사의 섹션 정보는 해당 언론사의 분류를 따르고 있습니다. 언론사는 개별 기사를 2개 이상 섹션으로 중복 분류할 수 있습니다.

닫기
이 기사를 추천합니다
3