AI Can Now Design Functional Viruses. Should We Worry?
AI-written genomes bring medical promise and security risks
바이러스 16개는 그리 많은 숫자는 아닙니다.
하지만 8월 6일 과학 저널 '사이언스'에 발표된 16개의 세균 감염 바이러스는 평범한 바이러스가 아니었습니다.
이 바이러스들은 하수 유출구에서 건져내거나 토양 샘플에서 추출한 것이 아닙니다 . 일반적으로 이러한 바이러스들은 그런 방식으로 발견되곤 합니다. 이 바이러스들은 방대한 양의 DNA 염기서열 데이터를 기반으로 훈련된 유전체 언어 모델에 의해 만들어졌습니다. 스탠퍼드 대학교 연구진은 이 작은 바이러스들을 처음부터 설계하여 인공지능이 생성한 최초의 완전하고 기능적인 유전체를 만들어냈습니다.
그리고 그 효과는 확실했습니다. 여러 바이러스를 혼합하여 투여한 이 맞춤형 바이러스( 박테리오파지 또는 파지라고 함)는 원래 바이러스 에 대한 내성을 이미 진화시킨 대장균 균주를 감염 시켰는데, 이는 유사한 천연 파지 혼합물로는 불가능했던 일이었습니다.
이번 연구 성과는 항생제가 더 이상 효과가 없는 세균 감염을 퇴치하기 위해 맞춤형 파지 치료법이 개발되는 미래를 엿볼 수 있게 해줍니다 .
파지 치료법은 1세기 이상 감염성 질환 치료에 사용되어 왔지만 , 생물학적 및 상업적 난관에 직면해 왔습니다. 개별 파지는 종종 제한된 범위의 박테리아 만 사멸시키고 , 내성이 빠르게 발생할 수 있으며, 자연적으로 발생하는 파지는 특허를 받기가 어렵습니다.
인공지능으로 설계된 파지는 이러한 한계 중 일부를 극복할 수 있는 방법을 제시합니다. 이번 연구를 이끈 스탠포드 대학의 전산 생물학자 브라이언 히 에는 공동 연구자들이 이미 실험실에서 배양한 대장균 균주를 표적으로 삼는 대신 질병을 유발하는 박테리아를 죽일 수 있는 파지를 만들기 위해 자신들 의 모델을 사용해도 되는지 문의하기 시작했다고 밝혔습니다 .
하지만 이러한 인공지능 기술은 질병을 유발할 가능성이 있는 바이러스를 포함하여 다른 종류의 생물학적 제제를 필요에 따라 만들어내는 기술적 장벽을 낮추기도 합니다. 이는 의학과 생명공학을 위해 개발된 시스템이 큰 수정 없이 생물학 무기 로 변모할 수 있다는 오랜 우려를 더욱 증폭시키고 있습니다 .
존스 홉킨스 보건안보센터 의 생물안보 전문가 두 명은 함께 발표한 논평에서 “문제는 더 이상 유전자 조작형 바이러스 유전체 설계 기술이 존재할 것인가가 아니다” 라며, “문제는 사회가 그 이점이 실현되도록 허용하면서 심각한 피해를 예방할 수 있는 감독 체계를 구축할 수 있는가”라고 지적했습니다.
파지는 어떻게 만들어졌을까?
"처음부터 설계했다"라는 문구 안에는 긴 엔지니어링 파이프라인이 담겨 있습니다.
연구진은 200만 개 이상의 박테리오파지 게놈 데이터셋으로 훈련된 Evo 2 기본 모델을 사용했습니다 . 하지만 이번 실험에서는 연구진이 특정 파지, 즉 연구가 많이 된 박테리오파지 ΦX174를 재설계한 버전에 맞춰 모델을 더욱 정밀하게 조정하기 위해, 목표 파지의 근연종에서 추출한 약 15,000개의 게놈 데이터를 추가로 활용했습니다.
그들은 AI가 생성한 ΦX174 유사 서열이 제대로 작동하는 파지를 생성할 가능성을 극대화하기 위해 계산상의 제약 조건과 품질 관리 필터를 추가했습니다. 이 과정을 통해 302개의 후보 게놈이 도출되었습니다.
이들 중 17개는 합성이 불가능했습니다. 나머지 285개 중 대다수는 여전히 박테리아를 감염시키고 죽이는 데 실패했는데, 이는 모든 파지의 가장 기본적인 기능입니다. 최종적으로 16개만이 "재부팅"될 수 있었는데, 이는 합성 DNA 서열에서 감염성 및 박테리아 사멸 기능을 갖춘 파지로 전환되는 것을 의미합니다.
이번 연구 결과는 기계가 실제로 기능하는 바이러스 유전체를 만들어낼 수 있음을 보여줍니다. 비록 상대적으로 작은 크기로 5,400개의 DNA 염기와 11개의 유전자만을 포함하고 있지만 말입니다. 하지만 이 16개의 기능성 파지를 만들어내는 데 들인 고된 과정을 고려할 때, 인공지능이 정확히 어떤 역할을 했는지, 그리고 이 방법이 진정으로 위험한 인체 병원균을 만들어내려면 무엇이 바뀌어야 하는지 의문을 제기할 필요가 있습니다 .
캘리포니아 주 팔로알토 에 있는 아크 연구소(Arc Institute)에 겸임 교수로 재직 중인 히에는 “지금으로서는 여전히 많은 노력이 필요할 것” 이라며, “현재로서는 매우 뛰어난 다학제 팀이 필요할 것”이라고 말했다. 그는 또한, DNA 합성 비용이 시장 가격으로 지불해야 했다면 10만 달러에서 20만 달러에 달했을 것으로 추산했습니다. ( 트위스트 바이오사이언스(Twist Bioscience)는 할인된 가격으로 서비스를 제공했다.)
히에는 이어서 “실험실에서 재조합하려는 모든 바이러스는 각각 다르고 최적화해야 할 실험 조건도 다릅니다. 상당한 분야별 전문 지식이 필요하죠.”라고 말했습니다. 게다가 그는 “인공지능 시스템이 제안한 유전자 변형이 어떻게 병원성 향상으로 이어지는지에 대한 이해가 아직 충분하지 않다”고 덧붙였습니다.
인공지능이 설계한 이 파지들은 얼마나 새로운 것일까요?
인공지능이 설계한 바이러스가 앞으로 어떻게 발전할지 너무 앞서 생각하기 전에, 이러한 바이러스들이 실제로 얼마나 새로운 것인지도 먼저 생각해 볼 필요가 있습니다.
옥스퍼드 대학교의 계산 생화학자인 올리버 크룩 이 주도한 스탠퍼드 데이터에 대한 독립적인 분석 결과 , 16개의 생존 가능한 파지 게놈이 평균적으로 ΦX174 템플릿과 약 97% 동일한 것으로 나타났습니다. 크룩은 인공지능으로 설계된 바이러스들을 계통도에 배치했을 때, 기존 파지 다양성 분포에서 분기되는 것이 아니라 그 안에 속한다고 결론지었습니다.
다시 말해, 이 모델은 주로 익숙한 유전 물질을 새로운 조합으로 재배열하는 것이었습니다. 크룩은 "우리가 아주 명확하게 본 것은 원래 바이러스의 형제자매들이었습니다."라고 말하며, "이들은 근본적으로 새로운 방식으로 작동하거나 이전에 사용하지 않았던 분자 메커니즘을 사용하는 것이 아닙니다."라고 덧붙였습니다.
하지만 염기서열의 새로움만으로는 모든 것을 설명할 수 없습니다. 인공지능이 생성한 파지 중 상당수는 ΦX174와 3차원 단백질 구조, 성장 속도, 감염 역학 등에서 차이를 보였는데, 이러한 특성들이 궁극적으로 바이러스의 행동 방식을 결정한다고 히에 교수의 진화 설계 연구실 대학원생이자 이번 논문의 제1저자인 합성생물학자 사무엘 킹은 지적합니다 .
예를 들어, 설계된 바이러스 중 하나는 DNA를 새로운 바이러스 입자로 압축하는 특이하게 단축된 단백질을 가지고 있었습니다. 인공지능은 진화적으로 먼 파지에서 이 단백질을 빌려와 주변 DNA를 재구성함으로써 ΦX174 게놈 골격에서 작동하도록 만들었습니다. 주목할 만한 점은, 이와 유사한 유전자 교환이 기존의 유전자 공학을 통해 ΦX174에 도입되었을 때 생존 불가능하다는 것이 이전에 밝혀진 바 있다는 것입니다 . 킹은 "이것은 상당히 새로운 구성입니다."라고 말합니다.
스위스 보트 나르 면역공학 연구소의 화학 엔지니어이자 파지 치료 회사 인 로커스 바이오사이언스 의 공동 창립자인 체이스 베이젤 에게 있어 , 이러한 순간들은 AI로 설계된 파지의 진정한 가능성이 어디에 있는지를 보여줍니다. 즉, 자연계에 존재하는 그 어떤 것과도 전혀 다른 바이러스를 만들어내는 데 있는 것이 아니라, 진화 과정에서 결코 생겨나지 않았고 과학자들이 감히 실험해 볼 생각조차 하지 못했을 유전적 변이 조합을 탐색하는 데 있다는 것입니다.
"이는 염기서열 공간을 탐색하고 새로운 속성을 밝혀내는 참신한 방법입니다."라고 그는 말합니다. "장기적으로 매우 유용할 것입니다."
영국의 감성 '크리스토퍼 와드' 시계 Christopher Ward Cleans Up with the Trident 30×30
댓글 없음:
댓글 쓰기