UPDATED. 2024-03-28 18:05 (목)
AI로 효소기능 더 빠르고 정확하게 예측…KAIST
AI로 효소기능 더 빠르고 정확하게 예측…KAIST
  • 온라인뉴스팀
  • 승인 2019.07.02 14:01
  • 댓글 0
이 기사를 공유합니다

인공지능 기반의 DeepEC를 이용한 효소 기능 EC 번호 예측(KAIST 제공) /© 뉴스1
인공지능 기반의 DeepEC를 이용한 효소 기능 EC 번호 예측(KAIST 제공) /© 뉴스1

KAIST(총장 신성철)는 생명화학공학과 이상엽 특훈교수와 김현욱 교수의 초세대 협업연구실 공동연구팀이 딥러닝(deep learning) 기술을 이용해 효소의 기능을 신속하고 정확하게 예측할 수 있는 컴퓨터 방법론 DeepEC를 개발했다고 2일 밝혔다.

효소는 세포 내의 생화학 반응을 촉진하는 단백질 촉매로 이들의 기능을 정확히 이해하는 것은 세포의 대사(metabolism) 과정을 이해하는 데 매우 중요하다.

또 다양한 질병 발생 원리 및 산업 생명공학과 밀접한 연관이 있어 방대한 게놈 정보에서 효소의 기능을 빠르고 정확하게 예측하는 기술적 측면에서도 중요도가 높다.

효소의 기능을 표기하는 시스템 중 대표적인 것이 EC 번호(enzyme commission number)이다.

EC 번호는 ‘EC 3.4.11.4’처럼 효소가 매개하는 생화학 반응들의 종류에 따라 총 4개의 숫자로 구성돼 있다.

특정 효소에 주어진 EC 번호를 통해 해당 효소가 어떠한 종류의 생화학 반응을 매개하는지 알 수 있다.

때문에 게놈으로부터 얻을 수 있는 효소 단백질 서열의 EC 번호를 빠르고 정확하게 예측할 수 있는 기술은 효소 및 대사 관련 문제를 해결하는 데 중요한 역할을 한다.

지난해까지 여러 해에 걸쳐 EC 번호를 예측해주는 컴퓨터 방법론들이 최소 10개 이상 개발됐다. 그러나 이들 모두 예측 속도, 예측 정확성 및 예측 가능 범위 측면에서 발전 필요성이 있었다. 특히 현대 생명과학 및 생명공학에서 이뤄지는 연구의 속도와 규모를 고려했을 때 이러한 방법론의 성능은 충분하지 않았다.

연구팀은 138만8606개의 단백질 서열과 이들에게 부여된 EC 번호를 담고 있는 바이오 빅데이터에 딥러닝 기술을 적용해 EC 번호를 빠르고 정확하게 예측할 수 있는 DeepEC를 개발했다.

DeepEC는 주어진 단백질 서열의 EC 번호를 예측하기 위해서 3개의 합성곱 신경망(Convolutional neural network)을 주요 예측 기술로 사용한다. 합성곱 신경망으로 EC 번호를 예측하지 못했을 경우에는 서열정렬(sequence alignment)을 통해 EC 번호를 예측한다.

연구팀은 또 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.

이상엽 특훈교수는 “이번에 개발한 DeepEC를 통해 지속해서 재생되는 게놈 및 메타 게놈에 존재하는 방대한 효소 단백질 서열의 기능을 보다 효율적이고 정확하게 알아내는 것이 가능해졌다”고 말했다.

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.

공동 연구팀의 류재용 박사가 1 저자로 참여한 이번 연구 결과는 국제학술지 ‘미국 국립과학원 회보(PNAS)’ 온라인 판에 지난달 20일 게재됐다.

<기사출처_뉴스1>
 



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