"암 환자에 적합한 약물 후보 제안…맞춤 치료 가속화 기대"

울산과학기술원(UNIST)은 환자별로 항암제의 효능을 미리 알 수 있는 인공지능(AI) 기술을 개발했다고 19일 밝혔다. 

UNIST에 따르면 바이오메디컬공학과 이세민 교수팀은 고려대 정원기 교수팀, 한양대 서지원 교수팀과 함께 '다중 오믹스(Multi-Omics) 데이터 기반의 환자 맞춤형 항암제 반응성 예측을 위한 기계학습 모델'을 개발했다. 

다중 오믹스란 유전체, 전사체, 단백체, 대사체, 후성유전체, 지질체 등 다양한 분자 수준에서 생성된 여러 데이터를 동시 분석해 종합적으로 질병을 진단하고 예측하는 기술이다. 

암은 대표적인 유전체(Genome) 관련 질병으로, 유전체에 계속 변이가 축적되면서 질병이 발생한다. 

암 조직에서는 유전자 발현 양상도 정상 조직과는 달라지는데, 이러한 유전 변이와 유전자 발현 프로파일은 동일 암종의 환자 간에도 상당한 차이를 보인다. 

이 때문에 똑같은 암을 앓는 환자라도 항암제 효능은 달라질 수 있다. 

이에 최근에는 암 환자의 특이 유전 변이나 유전자 발현 양상 등을 아우르는 다중 오믹스 데이터를 기반으로 환자 맞춤형 항암제 반응성 예측 모델을 개발하는 시도가 많다.

그러나 생물학 데이터에 비해 샘플 수가 부족해 기계학습 모델의 정확도를 높이는 데 한계가 있었다. 

공동연구진은 이를 극복하기 위해 '네트워크 임베딩 기술'을 적용해 다차원 데이터 간 상관관계를 효과적으로 반영했다. 

먼저 암세포에서 파생된 세포주와 항암제, 유전자를 '노드'(연결점)로 삼고, 각 노드를 연결해 '엣지'(연결선)를 만들었다. 

노드와 엣지로 형성된 네트워크 세트의 상관관계를 반영한 '임베딩 벡터'(embedding vector)의 추출이 이번 연구의 핵심이다. 

임베딩 벡터를 이용하면 각 노드의 대푯값을 알 수 있어 고차원적인 데이터도 효과적으로 다룰 수 있기 때문이다. 

연구진은 임베딩 벡터를 인공지능 기법인 심층신경망으로 학습시켜 환자 맞춤형으로 항암제 효능을 도출했다. 

개발된 모델의 항암제 반응성 예측 성능은 기존 모델보다 크게 향상된 93% 정도의 정확도를 기록했다고 연구진은 설명했다. 

연구진 관계자는 "이 기술은 암 환자에게 적합한 약물의 후보를 제안함으로써 맞춤 치료를 가속할 것"이라고 말했다. 

연구 결과는 생명정보학 분야 학술지인 '브리핑스 인 바이오인포메틱스'(Briefings of Bioinformatics)에 공개됐다. 

연구는 한국연구재단의 차세대정보컴퓨팅기술개발사업과 대학중점연구소지원사업의 지원을 받았다.