KAIST는 이상엽 생명화학공학과 특훈교수 연구팀이 인공지능(AI)을 활용해 미생물 유전자 기능 발견을 획기적으로 가속할 수 있는 최신 연구 전략을 제시했다고 12일 밝혔다.

연구팀은 미국 샌디에이고 버나드 폴슨 캘리포니아대(UCSD) 교수와 공동으로 AI 예측과 실험 검증을 결합한 유전자 기능 발견 방법을 체계적으로 정리한 리뷰논문을 생명공학 분야 권위 학술지 ‘네이처 마이크로바이올로지’에 발표했다.

2000년대 초 전장 유전체 해독 기술이 발전하면서 생명체의 유전자 구성을 완전히 규명할 수 있을 것이란 기대가 컸지만 20년이 지난 현재도 미생물 유전체 내 상당수 유전자는 어떤 역할을 하는지 밝혀지지 않은 상태다.

연구팀은 이번 논문에서 기존의 서열 유사성 분석부터 최신 심층학습 기반 AI 모델까지 유전자 기능 발견을 촉진해 온 다양한 전산생물학적 접근법을 종합적으로 정리했다.

특히 구글 딥마인드가 개발한 단백질 구조 예측 AI ‘알파폴드(AlphaFold)’와 미국 워싱턴대가 개발한 ‘로제타폴드(RoseTTAFold)’ 같은 기술은 단순한 기능 추정을 넘어 유전자 기능의 작동 원리를 이해할 수 있는 가능성을 제시했다고 연구팀은 설명했다.

연구팀은 유전자 기능 발견의 편향과 한계를 극복하기 위해 AI가 실험을 안내하는 ‘능동적 학습(Active Learning)’ 기반 연구 프레임워크가 필요하다고 강조했다.

능동적 학습은 AI 모델이 불확실성이 높은 예측을 스스로 선별해 실험을 제안하고 그 결과를 다시 학습에 반영하는 방식으로, 연구자가 중요한 유전자 기능부터 효율적으로 검증할 수 있게 한다.

공동저자인 김기배 박사는 “딥러닝 기반 예측 성능은 크게 향상됐지만, 예측 결과의 근거를 생물학적으로 설명할 수 있는 해석 가능한 AI 모델 개발은 여전히 중요한 과제”라고 말했다.

이상엽 특훈교수는 “유전자 기능 발견의 한계를 넘어서기 위해서는 연구자의 지휘하에 AI가 안내하는 체계적 실험 프레임워크와 자동화 연구 인프라의 결합이 핵심”이라며 “예측과 검증이 반복적으로 연결되는 연구 생태계 구축이 중요하다”고 강조했다.