AI 접목한 미생물 바이오센서로 유해물질 탐지
AI 접목한 미생물 바이오센서로 유해물질 탐지
  • 함예솔
  • 승인 2020.12.28 18:35
  • 조회수 875
  • 댓글 0
이 기사를 공유합니다

국내 연구진이 AI와 인공미생물을 결합해 유해물질을 식별하는 신기술을 개발했습니다. 향후 생물공학, 합성생물학, 환경모니터링 분야에서 인공지능 기술의 활용성을 높여가는 계기가 될 것으로 기대됩니다. 한국생명공학연구원 합성생물학전문연구단 김하성 박사팀이 수행한 이번 연구는 'Biosensors and Bioelectronics'에 게재됐습니다.

AI를 도입한 미생물 바이오센서로 환경 유해물질 탐지한다. 출처: AdobeStock
AI를 도입한 미생물 바이오센서로 환경 유해물질 탐지한다. 출처: AdobeStock

바이오센서로 유해물질 탐지

 

유해 화합물질(방향족 물질)은 산업폐기물, 잔류농약 등에서 다양하게 발생합니다. 이는 인체 및 동물 내에서 환경호르몬 등 여러 부작용의 원인이 됩니다. 미생물에는 유해 물질을 감지하는 다양한 유전자들이 분포하며 이를 조합한 유전자회로를 구성해 새로운 바이오센서를 개발하는 연구가 합성생물학의 한 분야로 활발히 연구되고 있습니다.

 

그러나 바이오센서의 부품 단백질의 오작동이 바이오센서 연구의 정확성과 실용성을 저하시키는 요인 중 하나입니다. 전자공학 분야에서 이러한 문제는 다양한 종류의 센서를 동시에 사용하고 기계학습 기술을 활용하면 극복할 수 있지만 바이오센서의 경우 활용할 수 있는 센서의 수가 한정적인 문제로 인공지능 기술의 접목이 어려웠습니다.

AI 기반 미생물 바이오센서 집합체 개념도. 환경이나 인체로부터 채취한 시료를 유전자회로 탑재 미생물 바이오센서에 반응시킨 후 수집된 반응 패턴을 인공지능에 학습시키고 검사 시료에 어떤 유해물이 얼마나 있는지 알아내는 기술. 출처: 한국생명공학연구원
AI 기반 미생물 바이오센서 집합체 개념도. 환경이나 인체로부터 채취한 시료를 유전자회로 탑재 미생물 바이오센서에 반응시킨 후 수집된 반응 패턴을 인공지능에 학습시키고 검사 시료에 어떤 유해물이 얼마나 있는지 알아내는 기술. 출처: 한국생명공학연구원

연구팀은 이러한 한계를 인공적인 단백질 변이를 유발하여 극복했습니다. 즉, 변이 단백질들을 여러 개로 만들고 여기에서 얻어지는 다양한 신호들을 모아들인 빅데이터를 생성하여 인공지능 모형을 적용한 겁니다.

유전자회로 기반 고속 탐색기술. 바이오센서의 핵심 전사 단백질 변이 라이브러리를 고속탐색용 미생물 균주에 탑재 후 미세유체방식 단일세포 탐색 장비로 상위 형광 세포들을 탐색하고 우수한 변이를 선발하는 과정. 출처: 한국생명공학연구원
유전자회로 기반 고속 탐색기술. 바이오센서의 핵심 전사 단백질 변이 라이브러리를 고속탐색용 미생물 균주에 탑재 후 미세유체방식 단일세포 탐색 장비로 상위 형광 세포들을 탐색하고 우수한 변이를 선발하는 과정. 출처: 한국생명공학연구원

연구팀의 인공지능 모형은 11개의 유해물을 최대 약 95.3%의 정확도(true positive rate)로 식별할 수 있었으며, 이는 기존 단일 바이오센서만을 사용하는 경우에서 40% 이하의 정확도를 보인것에 비하면 현저한 향상입니다. 또한 유해물 검출한계도 약 75배 이상 향상(작은양으로도 검출이 가능해짐) 됐습니다. 
   

  • 유해물 식별능력: 유해물의 종류를 구분하는 능력
  • 검출한계: 센서의 신호를 식별할 수 있는 타깃의 최소 물질량
(왼쪽) 우수할 것으로 예측된 전사 단백질의 변이 후보 잔기 (오른쪽) 선별된 6종의 변이 전사인자로 구축한 각 바이오센서의 페놀 농도별 반응 프로파일. 출처: 한국생명공학연구원
(왼쪽) 우수할 것으로 예측된 전사 단백질의 변이 후보 잔기 (오른쪽) 선별된 6종의 변이 전사인자로 구축한 각 바이오센서의 페놀 농도별 반응 프로파일. 출처: 한국생명공학연구원

제1저자인 김하성 박사는 "동 연구성과는 미생물 바이오센서에 인공지능 기술을 접목하여 센서 성능을 향상시킨 최초의 연구이며, 그동안 축적된 바이오센서 기술이 인공지능 기술과 결합해 한 단계 더 정밀한 진단·감지 기술로 발전되는 계기가 될 것이다" 라며 "향후 환경 시료(토양, 물, 농산물)의 유해물 감시 및 식별이나 생체내 유해물질의 모니터링에도 활용이 가능할 것으로 기대된다"고 밝혔습니다.

(A) 11개 유해물에 대한 식별 성능 (true positive rate, hit rate) 비교. 미생물 바이오센서 집합체(Six) 데이터로 인공지능 학습을 시켜서 식별 성공률 최대 95% 달성 (B) 유해물 농도의 정량 예측. 미생물센서 집합체를 이용할 경우 검출한계나 (Limit of detection) 기저잡음 (Background noise), 신호범위 (Dynamic range) 등의 척도에서 모두 야생형 미생물 바이오센서의 경우보다 높은 성능을 보임. 출처: 한국생명공학연구원
(A) 11개 유해물에 대한 식별 성능 (true positive rate, hit rate) 비교. 미생물 바이오센서 집합체(Six) 데이터로 인공지능 학습을 시켜서 식별 성공률 최대 95% 달성 (B) 유해물 농도의 정량 예측. 미생물센서 집합체를 이용할 경우 검출한계나 (Limit of detection) 기저잡음 (Background noise), 신호범위 (Dynamic range) 등의 척도에서 모두 야생형 미생물 바이오센서의 경우보다 높은 성능을 보임. 출처: 한국생명공학연구원

연구책임자인 이승구 박사는 "인공 유전자회로 연구는 다른 공학분야에서처럼 논리적 구동이 가능한 생물학, 즉 합성생물학으로 발전하는 통로가 될 것이다. 본 연구는 머신러닝을 통하여 이를 가속시킬 수 있음을 보여준다"고 밝혔습니다.


##참고자료##

 


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • 충청남도 보령시 큰오랏3길
  • 법인명 : 이웃집과학자 주식회사
  • 제호 : 이웃집과학자
  • 청소년보호책임자 : 정병진
  • 등록번호 : 보령 바 00002
  • 등록일 : 2016-02-12
  • 발행일 : 2016-02-12
  • 발행인 : 김정환
  • 편집인 : 정병진
  • 이웃집과학자 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재와 복사, 배포 등을 금합니다.
  • Copyright © 2016-2021 이웃집과학자. All rights reserved. mail to contact@scientist.town
ND소프트