초세대 협업 연구실 통해 이뤄낸 모범사례
이상엽 특훈교수, 김현욱 교수
[대전=일요신문] 육군영 기자 = KAIST 생명화학공학과 이상엽 특훈교수와 김현욱 교수의 초세대 협업연구실 공동연구팀이 딥러닝(deep learning) 기술을 이용해 효소의 기능을 신속하고 정확하게 예측할 수 있는 컴퓨터 방법론 DeepEC를 개발했다.
공동연구팀의 류재용 박사가 1저자로 참여한 이번 연구결과는 국제학술지 ‘미국 국립과학원 회보(PNAS)’ 6월 20일 자 온라인판에 논문명 ‘Deep learning enables high-quality and high-throughput prediction of enzyme commission numbers’로 게재됐다.
효소는 세포 내의 생화학반응들을 촉진하는 단백질 촉매로 질병 발생 원리 및 산업 생명공학과 밀접한 연관이 있다.
이런 효소들을 분류하는 시스템으로는 EC번호가 대표적이며 매개하는 생화학반응들의 종류에 따라 총 4개의 숫자로 구성돼 있다.
지금까지 여러 해에 걸쳐 EC 번호를 예측하는 컴퓨터 방법론이 최소 10개 이상 개발됐으나 예측 속도, 예측 정확성 및 예측 가능 범위 측면에서 문제가 있었다.
공동연구팀은 138만8606개의 단백질 서열과 이들에게 신뢰성 있게 부여된 EC 번호를 담고 있는 바이오 빅데이터에 딥러닝 기술을 적용해 EC 번호를 빠르고 정확하게 예측할 수 있는 DeepEC를 개발했다.
인공지능 기반의 DeepEC를 이용한 효소 기능 EC 번호 예측
DeepEC는 주어진 단백질 서열의 EC 번호를 예측하기 위해서 3개의 합성곱 신경망(Convolutional neural network)을 주요 예측기술로 사용하며, 합성곱 신경망으로 EC 번호를 예측하지 못했을 경우 서열정렬(sequence alignment)을 통해서 EC 번호를 예측한다.
연구팀은 더 나아가 단백질 서열의 도메인(domain)과 기질 결합 부위 잔기(binding site residue)에 변이를 인위적으로 주었을 때, DeepEC가 가장 민감하게 해당 변이의 영향을 감지하는 것을 확인했다.
김현욱 교수는 “DeepEC의 성능을 평가하기 위해서 이전에 발표된 5개의 대표적인 EC 번호 예측 방법론과 비교해보니 DeepEC가 가장 빠르고 정확하게 주어진 단백질의 EC 번호를 예측하는 것으로 나타났다”며 “효소 기능 연구에 크게 이바지할 것으로 기대한다”고 말했다.
이상엽 특훈교수는 “이번에 개발한 DeepEC를 통해서 지속해서 재생되는 게놈 및 메타 게놈에 존재하는 방대한 효소 단백질 서열의 기능을 보다 효율적이고 정확하게 알아내는 것이 가능해졌다”고 말했다.
한편 이번 연구는 KAIST 초세대 협업 연구실이 이뤄낸 성과로 향후 대표적인 모범사례가 될 것으로 보고 있으며, 과학기술정보통신부가 지원하는 기후변화대응기술개발사업의 바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제 및 바이오·의료기술 개발 Korea Bio Grand Challenge 사업의 지원을 받아 수행됐다.
ilyo08@ilyo.co.kr