인공지능으로 설계된 암 센서가 가정에서 간편하게 소변 검사를 가능하게 할 수 있다.

증상이 나타나기 훨씬 전, 암이 처음 발생했을 때 발견하면 수많은 생명을 구할 수 있습니다. MIT와 마이크로소프트의 새로운 연구에 따르면 인공지능이 가정용 소변 검사처럼 간단한 방법으로 이러한 초조기 발견을 가능하게 할 수 있다고 합니다.

연구팀은 암세포에서 비정상적으로 활성화된 효소를 감지할 수 있는 초소형 분자 센서를 설계하는 인공지능 시스템을 개발했습니다. 프로테아제라고 불리는 이 효소들은 주변 조직의 단백질을 분해하여 종양의 성장과 확산을 돕습니다.

맞춤형 단백질 조각, 즉 펩타이드로 코팅된 나노입자를 제작함으로써 과학자들은 숨겨진 효소 활성을 소변에서 확인할 수 있는 명확한 신호로 바꿀 수 있습니다. 미래에는 이 신호를 가정용 임신 테스트기와 유사한 종이 스트립에서 판독할 수 있을 것입니다.

MIT 생명공학자 산게타 바티아에 따르면, 연구팀의 목표는 암이 아직 작아 치료가 더 쉬울 때 발견하는 것입니다.

"저희는 종양의 크기가 작거나 수술 후 재발 초기 단계와 같은 암 초기 단계에서 매우 민감한 검출에 집중하고 있습니다."라고 그녀는 보도자료에서 밝혔습니다.

MIT의 보건 과학 및 기술, 전기 공학 및 컴퓨터 과학 분야의 존과 도로시 윌슨 석좌 교수이자 MIT 코흐 통합 암 연구소 및 의료 공학 및 과학 연구소(IMES)의 회원인 바티아 교수는 마이크로소프트 연구소의 수석 연구원이자 MIT 졸업생인 에이바 아미니와 함께 이 연구를 공동으로 이끌었습니다.

이 연구는 출판 Nature Communications 저널에 실렸습니다.

암 치료 도구를 희망의 등대로 바꾸다

십여 년 전, 바티아 연구실은 프로테아제 활성을 암의 조기 경고 신호로 활용할 것을 제안했습니다. 인간 유전체에는 콜라겐 및 조직을 구성하는 기타 구조적 구성 요소를 포함한 다른 단백질을 분해할 수 있는 수백 가지의 프로테아제 효소가 존재합니다.

암세포는 종종 프로테아제를 이용하여 원래 위치에서 벗어나 주변 조직을 침범하거나 멀리 떨어진 장기로 전이합니다. 따라서 프로테아제 활성은 육안으로 확인하기 어려운 질병을 진단하는 데 유용한 지표가 될 수 있습니다.

바티아 연구팀은 이전에 특정 펩타이드로 코팅된 나노입자가 센서 역할을 할 수 있음을 보여주었습니다. 이러한 입자를 삼키거나 흡입하여 체내를 순환시키면 암 관련 프로테아제가 펩타이드를 절단합니다. 그 결과 생성된 조각들은 소변으로 배출되어 검출될 수 있습니다.

바티아는 "이러한 프로테아제를 이용해 센서를 만들고 여러 효소를 동시에 검출할 수 있다면 질병에서 이 프로테아제가 활성화되는 부위의 특징을 찾아낼 수 있을 것이라는 아이디어를 발전시켜 왔습니다. 펩타이드 분해는 효소적 과정이기 때문에 신호를 크게 증폭시킬 수 있습니다."라고 덧붙였습니다.

연구팀은 다양한 펩타이드 센서 어레이를 사용하여 동물 모델에서 폐암, 난소암, 대장암에 대한 진단 특징을 밝혀냈습니다. 하지만 한 가지 문제점이 있었습니다. 펩타이드 선택이 대부분 시행착오를 통해 이루어졌고, 많은 펩타이드가 하나 이상의 프로테아제에 의해 절단될 수 있다는 점이었습니다. 이 때문에 특정 신호를 특정 효소와 연결하기가 어려웠습니다.

인공지능이 판도를 바꾸는 이유

특정 프로테아제에 대해 높은 민감도와 높은 특이성을 모두 갖춘 펩타이드를 설계하는 것은 엄청난 난제입니다. 10개의 아미노산으로 구성된 짧은 펩타이드는 약 10조 가지의 서로 다른 배열이 가능합니다. 실험실에서 이러한 가능성을 하나하나 검증하는 것은 불가능합니다.

이 문제를 해결하기 위해 연구진은 CleaveNet이라는 AI 시스템을 개발했습니다. 이 시스템은 텍스트 언어 모델에 사용되는 것과 동일한 아이디어에서 영감을 받은 단백질 언어 모델을 사용하여 특정 프로테아제에 의해 절단될 가능성이 높은 아미노산 서열과 절단 효율을 예측합니다.

연구팀은 약 20,000만 개의 펩타이드와 이들이 MMP(기질 금속단백분해효소) 계열 효소와 상호작용하는 방식을 설명하는 공개 데이터를 사용하여 CleaveNet을 훈련시켰습니다. 첫 번째 모델은 절단될 가능성이 높은 후보 펩타이드 서열을 생성하고, 두 번째 모델은 특정 효소가 각 후보 서열을 얼마나 효율적으로 절단할지 예측합니다.

사용자는 특정 펩타이드가 하나의 프로테아제에 최대한 강하게 반응하면서 다른 프로테아제에 대한 반응은 최소화하는 것과 같은 설계 목표를 CleaveNet에 입력할 수 있습니다. 그러면 시스템은 이러한 기준에 맞는 펩타이드 서열을 제안하여 실험실에서 테스트해야 할 범위를 크게 좁혀줍니다.

이러한 계산적 접근 방식을 통해 연구팀은 센서의 성능을 더욱 정밀하게 조정할 수 있습니다.

"특정 프로테아제가 특정 암의 핵심이라는 것을 알고, 그 프로테아제에 대해 높은 민감도와 특이성을 갖도록 센서를 최적화할 수 있다면, 훌륭한 진단 신호를 얻을 수 있습니다."라고 아미니는 보도자료에서 밝혔습니다. "우리는 컴퓨팅 능력을 활용하여 이러한 효율성과 선택성 지표를 구체적으로 최적화할 수 있습니다."

CleaveNet을 직접 테스트해보기

CleaveNet의 성능을 보여주기 위해 연구진은 MMP13이라는 프로테아제에 초점을 맞췄습니다. 암세포는 MMP13을 이용하여 콜라겐을 분해함으로써 주변 조직을 침범하고 전이합니다.

연구팀이 CleaveNet에게 MMP13에 의해 효율적이고 선택적으로 절단되는 펩타이드를 설계해달라고 요청했을 때, 모델은 학습 데이터에 이전에 등장한 적이 없는 서열들을 제안했습니다. 실험 결과, AI가 설계한 이 펩타이드들은 MMP13에 대해 매우 효율적이고 선택적인 것으로 나타났습니다.

이는 프로젝트에 있어 매우 중요한 순간이었습니다.

"MMP13에 대해 효율적이고 선택적인 서열을 생성하도록 모델을 설정했을 때, 실제로 훈련 과정에서 관찰된 적이 없는 펩타이드들이 도출되었는데, 이 새로운 서열들이 효율적이고 선택적인 것으로 나타났습니다."라고 공동 주저자인 카르멘 마틴-알론소(앰플리파이어 바이오 창립 과학자)는 덧붙였습니다. "정말 흥미로운 결과였습니다."

보다 선택적인 펩타이드를 확보하면 센서 시스템의 진단 능력을 향상시킬 수 있습니다. 의사들은 언젠가 중복되는 대규모 펩타이드 패널에 의존하는 대신, 특정 암 유형에 가장 중요한 프로테아제에 맞춘 더 작은 펩타이드 세트를 사용할 수 있을 것입니다. 이는 새로운 바이오마커를 식별하고, 종양에서 활성화된 생물학적 경로를 규명하며, 보다 표적화된 치료법을 개발하는 데 도움이 될 수 있습니다.

가정용 검사 및 더욱 스마트한 치료법을 향하여

바티아 연구실은 연방 ARPA-H 프로젝트의 일환으로 이 기술을 가정용 진단 키트로 개발하여 최대 30가지 유형의 암을 초기 단계에서 감지하고 구별하는 것을 목표로 하고 있습니다. 이 기술은 MMP뿐만 아니라 세린 및 시스테인 프로테아제와 같은 다른 효소 계열에도 반응하는 센서를 사용하여 간단한 소변 검사에서 프로테아제 활성 패턴을 분석하는 데 기반을 두고 있습니다.

진단 분야를 넘어, CleaveNet으로 설계된 펩타이드는 암 치료에도 활용될 수 있습니다. 예를 들어, 약물을 항체에 펩타이드 링커를 통해 연결할 수 있는데, 이 링커는 종양 환경에서만 프로테아제에 의해 절단됩니다. 이렇게 하면 약물이 건강한 조직에서는 비활성 상태로 유지되고, 가장 필요한 부위에서 방출되어 효능을 높이고 부작용을 줄일 수 있습니다.

연구진은 더 광범위한 과학적 성과를 기대하고 있습니다. AI로 설계된 센서와 다양한 암 유형에 걸친 대규모 실험을 결합하여, 여러 질병에서 이러한 효소들이 어떻게 작용하는지 보여주는 포괄적인 "프로테아제 활성 지도"를 구축하고자 합니다. 이러한 자료는 암 생물학의 기초 연구를 가속화하고 미래의 펩타이드 및 약물 설계를 위한 AI 모델을 개선하는 데 도움이 될 수 있습니다.

현재로서는 연구 단계에 머물러 있으며, AI 기반 센서가 병원이나 가정에 보급되기까지는 더 많은 테스트가 필요합니다. 하지만 이 연구는 작고 눈에 보이지 않는 분자 수준의 손상이 생명을 구할 수 있는 조기 경고 신호로 활용될 수 있는 미래를 제시합니다.

출처: 기술 매사추세츠 공과 대학