형태로 구별 불가 신체 조직 차이, 유전자 학습 AI가 찾는다

(광주=뉴스1) 조영석 기자 = 광주과학기술원(GIST)은 겉으로 보이는 형태만으로는 알기 어려운 신체 조직 내 영역별 차이를 분석하는 인공지능(AI) 프레임워크 '에스티 콘마(ST-ConMa)'를 개발했다고 6일 밝혔다.

AI학과 이현주 교수 연구팀이 개발한 이번 기술은 다양한 신체 조직과 질환 데이터를 추가로 학습, 복잡한 조직 미세환경을 분석하는 데 활용할 될 수 있을 것으로 기대된다.

인간의 신체 조직은 같은 장기 안에서도 위치에 따라 세포의 종류와 작동하는 유전자가 다르다.

이에 따라 연구팀은 조직 이미지와 유전자 정보가 서로 정보를 주고받으면서 두 정보 사이의 관계까지 학습하도록 ST-ConMa를 설계했다.

사람의 여러 조직에서 얻은 534개 시료의 약 98만 1000개 '조직 이미지-유전자 정보 쌍'을 미리 학습시키고, 이미지와 유전자 정보를 각각 학습하는 동시에 두 정보가 서로 관련된 경우와 그렇지 않은 경우를 구별하도록 했다.

연구팀은 유방암과 피부에서 발생하는 암의 한 종류인 피부 편평세포암, 정상 간 조직 데이터를 대상으로 조직 이미지에서 유전자 발현을 예측하는 기존 AI 모델 6종과 성능을 비교했다.

그 결과 유전자 발현 예측 성능을 평가한 총 12개 지표 가운데 10개에서 ST-ConMa가 가장 높은 성능을 보였다.

특히 유방암과 피부 편평세포암에서는 한 환자의 데이터를 학습에서 제외한 뒤 해당 환자의 유전자 발현을 예측하는 방식에서도 학습에 포함되지 않은 환자의 조직에서 유전자 발현을 예측할 수 있음을 확인했다.

이현주 교수는 "공간전사체에서는 조직의 모습과 그 안에서 일어나는 유전자 활동을 함께 이해하는 것이 중요한데, 이번 연구는 두 정보의 관계까지 학습해 여러 분석에 활용할 수 있는 기반을 마련했다"고 말했다.

이 교수가 지도하고 염태림 석박사통합과정생이 제1 저자로 참여한 이번 연구 결과는 생명정보학 분야 국제학술지 'Briefings in Bioinformatics'에 9월 28일 온라인 게재됐다.

kanjoys@news1.kr