바이오인

[2022년 바이오 미래 포럼 이슈] 대전환시대의 디지털바이오

디지틀조선-더에이아이  박설민

◈ 목차

1. [R&D 세션] 디지털 바이오 플랫폼·전략기술 확보

가. 정재승 KAIST 교수: 디지털바이오 대전화에 대응할 IT-BT

나. 김선 서울대 교수: 미래전략기술 육성 디지털 바이오 기술의 접목

다. 김형숙 한양대 교수 디지털바이오플랫폼 구축

2. [산업화 세션] 디지털 바이오 신(新)산업 생태계 조성

가. 최윤섭 디지털헬스케어파트너스 대표: 디지털 바이오 신사업의 확장성

나. 송상옥 스탠다임 연구소장: 디지털 바이오 활용 레드바이오

다. 이예하 뷰노 대표: 디지털 바이오의 비즈니스 혁신 모델

3. [규제·제도 세션] 디지털 바이오 선도적 규제 정비 전략

가. 윤혜선 한양대학교 법학전문대학원 교수: 디지털 바이오 대전환의 약속과 조건

나. 신수용 카카오 헬스케어 연구소장: Data Sharing Based on FAIR principle

다. 윤종민 충북대학교 법학전문대학원 교수: 디지털 바이오 혁신을 위한 제도 정비방안

4차 산업혁명 시대가 도래한 이후, 첨단 과학기술은 눈부신 속도로 발전하고 있다. 특히 인공지능(AI), 빅데이터, 로봇 등 첨단정보통신기술(ICT)을 기반으로 한 ‘디지털 대전환’은 일상생활부터 사회 전 분야에서 이뤄지는 추세다. ‘과학’ 분야 역시 마찬가지다. 우주·항공, 물리, 화학 등 다양한 과학연구에서도 첨단 디지털 기술의 도입은 이제 당연한 것이 됐다.

반면 국내 ‘생명과학’ 연구 분야의 경우, 이런 변화의 흐름에 다소 뒤처지는 모습을 보여주고 있다. ‘생명과학자는 엉덩이로 연구를 한다’는 말이 있듯, 생명과학은 오랜 시간 관찰을 통해 연구 결과를 도출할 수 있는 학문이다. 때문에 오랫동안 쌓아온 연구 노하우나 데이터, 기술을 쉽게 바꾸는 것은 쉬운 일이 아니다.

그러나 세계는 이미 거대한 4차 산업시대라는 거스를 수 없는 거대한 파도에 탑승한 상태다. 특히 지난 2020년 전 세계를 강타한 신종 코로나바이러스 감염증(코로나19) 사태 이후 시작된 ‘뉴노멀’ 시대는 가장 보수적인 과학분야인 생명과학 분야도 바꿔놓고 있다. AI는 그동안 풀지 못했던 DNA의 비밀을 찾아내고 있다. 또 수백 년에 걸쳐 쌓아왔던 막대한 양의 연구 데이터는 공공데이터 센터에서 모든 연구자들이 언제나 사용할 수 있도록 공유되고 있다.

이 같은 시대적 흐름을 우리나라 생명과학 연구자들 역시 주목해야한다는 것이 전문가들의 공통된 의견이다. 이를 위해선 바이오 기술의 융합 토대 마련과 플랫폼 기술 개발, 오픈이노베이션의 활성화, 규제 선진화, 글로벌 진출 방안 마련 등이 시급한 시점이다. 이에 2022년을 마무리하는 시점에서 개최된 ‘2022 바이오 미래포럼’에서 국내 생명과학분야 전문가들이 진행한 발표를 살펴보고 ‘K-바이오가 나아가야 할 혁신 방향과 도약의 길에 대해 다시 한 번 생각해보는 시간을 가졌다.

1. [R&D 세션] 디지털 바이오 플랫폼·전략기술 확보

가. 정재승 KAIST 교수: 디지털바이오 대전화에 대응할 IT-BT

디지털 대전환 시대가 시작되면서 생명과학연구 분야에 이전까지 없었던 새로운 풍경이 펼쳐지고 있다. 특히 ‘인공지능(AI)’은 기존 생명과학연구의 패러다임 자체를 완전히 바꿔놓고 있다. 막강한 연산 능력을 가진 머신러닝(ML) 기술을 기반으로 AI는 질병의 진단과 예측, 징후, 증상을 정확히 평가하고, 이를 기반으로 새로운 치료법을 찾아낸다. 이는 수백 년 넘는 시간 동안 생명과학 연구자들이 쌓아온 연구 성과와 맞먹는 수준이다.

정재승 KAIST 바이오‧뇌공학과 교수는 AI의 활약상이 두드러지는 디지털 바이오 기술 분야로 ‘합성생물학(Synthetic biology)’을 꼽았다. 이는 생명체 구성요소를 인공적으로 만드는 기술이다. 쉽게 말해, 자동차를 만들 때 엔진, 타이어 등 부품을 조립하는 것처럼 단백질, DNA 조각을 조합해 우수한 성능의 인공세포를 만드는 것이다. 의료·신소재·바이오 에너지 개발 등 다양한 연구·산업 분야에 응용할 수 있어, 미래 바이오 대전환 시대의 핵심 기술로 손꼽힌다.

특히 합성생물학의 기초 토대가 되는 ‘단백질 구조 분석’ 분야에서 AI의 활용도는 무궁무진할 전망이다. AI의 연산·분석 능력을 활용하면 기존 연구 방법보다 훨씬 많은 단백질 구조를 단기간에 찾아낼 수 있기 때문이다. 정 교수는 “디지털바이오대전환 시대를 맞아, AI 기술의 중요성은 날이 갈수록 커져가고 있다”며 “AI는 생물학 연구 분야 난제 중 하나였던 단백질 구조 분석에서 괄목할만한 성과를 내고 있다”고 말했다.

실제로 단백질 구조를 새롭게 분석·설계하는 것은 인간의 힘만으론 매우 어려운 일이다. 생체 단백질 구조는 20여 가지 아미노산 사슬 수십~수천 개가 엮어져 만들어진다. 이를 ‘단백질 접힘’이라고 부른다. 이때 단백질 접힘이 조합되는 경우의 수는 천문학적 숫자로, 인간의 능력으론 도저히 셀 수 없는 수준이다.

이때 AI를 사용하면 단백질 구조를 찾는 작업이 훨씬 수월해진다. 정 교수는 그 예시로 ‘알파폴드(AlphaFold)2’를 들었다. 알파폴드2는 AI ‘알파고(AlphaGo)’를 개발한 구글 딥마인드가 내놓은 단백질 구조 예측 AI다. 2021년 개최된 ‘국재 단백질 구조 예측 학술대회(CASP)’에서 약 90%의 정확도로 단백질 구조를 예측하는데 성공했다. 내로라하는 세계 생물학 석학들이 30~40%의 정확도에 그친 것에 비하면 압도적인 실력을 보여준 것이다.

정 교수는 “DNA 단백질은 염기서열 A-C-G-T-의 아미노산 시퀀스를 새롭게 조합·변형하는 방식으로 만들어지는데, 이 구조를 알아내는 것은 매우 어려운 일”이라며 “하지만 알파폴드2는 단 4년 만에 2억 개가 넘는 단백질 구조를 알아내는데 성공했고, 이는 50년 간 생명공학자들의 연구성과와 맞먹는 수준” 이라고 말했다.

따라서 AI 기반 합성생물학 연구의 성과 확보를 위해 가장 중요한 것은 ‘융합형 인재 확보’라고 볼 수 있다. 단백질 구조 예측에 사용할 고성능 AI모델 개발·연구엔 고품질·대용량 데이터 확보가 필수인데, 이를 위해선 AI와 생명과학 분야 모두에 전문성을 갖춘 인재가 꼭 필요하기 때문이다. 

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.