국내 연구진이 인공지능(AI)으로 바이오 경로 이미지를 분석해 기존 수작업과 정확도가 비슷하면서 시간을 획기적으로 단축하는 기술을 개발했다.

김현욱 KAIST 생명화학공학과 교수 연구팀이 문헌 속 바이오 경로 이미지를 자동으로 분석해 유전자와 대사물질 정보를 추출하는 AI 기술을 개발했다고 28일 밝혔다.

연구팀이 개발한 프레임워크인 ‘EBPI(Extraction of Biological Pathway Information)’는 기계학습 기반으로 문헌 내 복잡한 바이오 경로 이미지를 분석한다. 이 기술은 경로 이미지 속 화살표의 방향과 텍스트를 감지해 데이터를 편집 가능한 표 형식으로 재구성하며, 기존의 수작업 분석 과정을 혁신적으로 단축시킨다.

EBPI는 74,853편의 논문에서 추출한 바이오 경로 이미지와 기존 수작업 데이터와의 비교를 통해 높은 정확도를 입증했다. 특히 대사공학 및 합성생물학 연구에서 기존 데이터베이스에는 누락된 생화학 반응 정보를 문헌 속 이미지에서 새롭게 찾아내는 데 성공했다.

EBPI는 다양한 산업적 응용 가능성을 보여줬다. 연구팀은 1,4-부탄디올, 2-메틸부티르산 등 화학산업에서 활용도가 높은 대사물질의 생합성 경로를 새롭게 밝혀냈다. 이는 기존 데이터베이스에서 누락된 정보를 보완하며 연구와 산업 현장에서의 활용도를 극대화할 수 있다.

김현욱 KAIST 교수는 “EBPI는 대규모 문헌 데이터를 처리할 수 있는 도구로서 생명공학, 대사공학 및 합성생물학 연구의 실험 설계와 분석에 있어 핵심 역할을 할 것”이라고 말했다.

이번 연구 결과는 대사공학 및 합성생물학 분야의 학술지인 대사공학(Metabolic Engineering) 11월호에 게재됐다. 공동 제1저자로는 KAIST 생명화학공학과 권문수, 이준규 박사과정생이 참여했다.

한편 연구팀은 이번 기술을 기반으로 바이오 경로 분석의 효율성을 더욱 높이고, 데이터베이스 구축을 위한 추가 연구를 이어갈 계획이다.