베르티스가 자체 개발한 딥러닝 기술을 적용해 특정한 단백질 후보물질을 찾기 위한 대표적인 분석법 MRM(Multiple Reaction Monitoring)의 성능을 개선했다.

프로테오믹스(Proteomics, 단백질체학) 기반 정밀 의료 기술 개발 기업 베르티스는 자체 개발한 딥러닝 기술 기반으로 타깃 단백체의 데이터를 해석하는 소프트웨어 ‘DeepMRM’의 성능을 평가한 연구 결과가 12일 국제 학술지 ‘셀 리포트 메소드(Cell Reports Methods)’에 게재됐다고 밝혔다.

베르티스 CEO 한승만 대표는 “프로테오믹스 기술력에 바이오인포매틱스(Bioinformatics) 및 AI 기술을 결합해 프로테오믹스 데이터 해석의 한계를 극복하고자 하는 노력 속에서 DeepMRM 논문이 게재된 것은 의미가 크다”고 말했다.

기존의 MRM 분석 소프트웨어는 분석 과정에 수작업이 수반돼 많은 인력과 시간이 소모되며 인적 오류에 취약해 일관되지 않은 분석 결과를 초래할 수 있는 단점이 있었다. 이에 베르티스 연구팀은 이러한 문제점들을 객체 탐지를 위한 딥러닝 기술을 활용해 개선한 소프트웨어 패키지 ‘DeepMRM’을 개발했다.

베르티스 머신러닝팀과 미국 자회사 베르티스 바이오사이언스팀이 공개된 다양한 벤치마킹 MRM 데이터를 활용하여 현재 가장 널리 사용되고 있는 Skyline 소프트웨어와 DeepMRM의 성능 비교 테스트를 진행한 결과, DeepMRM이 분석한 단백체의 정량 값과 실제 값의 상관관계(correlation coefficients)와 평균 오류값을 측정하는 MAAPE(Mean Arctangent Absolute Percentage Error) 평가 지표 모두에서 Skyline 소프트웨어를 능가했다. Skyline 소프트웨어에 결과를 더 정교하게 만들어 주는 필터 mProphet 알고리즘을 적용해도 DeepMRM의 결과의 정확도가 더 높았다.

사측은 DeepMRM이 우수한 성능으로 임상 연구 시 단백체 분석 시간을 줄여줄 뿐만 아니라, 분석 결과의 재현성을 향상해 결과의 신뢰성을 높여준다고 설명했다. 또한 높은 확장성을 갖추고 있어 MRM 데이터 외에 PRM(Parallel Reaction Monitoring), DIA(Data-Independent Acquisition) 데이터 등 다른 형태의 단백질 분석도 가능하다고 덧붙였다.

이번 연구를 주도한 베르티스 머신러닝팀 박정갑 이사는 “DeepMRM은 베르티스의 주요 연구 분야인 다중마커 진단 솔루션과 분석 서비스에서 데이터 처리량을 획기적으로 늘려줄 수 있는 혁신적인 분석 도구”라며 “향후 질병의 진단부터 치료, 신약 타깃 물질 발굴이 가능한 독보적인 플랫폼을 구현해 내기 위해 AI 기술을 적용한 분석 도구 개발 연구를 지속할 것”이라고 말했다.