AI 모델, 바이러스 변이 예측하여 팬데믹 대비력 향상시키다

AI는 과학자들이 바이러스의 진화를 예측하는 데 중요한 역할을 하고 있으며, 이는 팬데믹 대비를 개선하고 백신과 항바이러스 치료법의 개발에 도움을 줄 수 있다.

바이러스의 진화를 예측하는 것은 아직 초기 단계에 있지만, 연구자들은 AI를 사용하여 SARS-CoV-2와 인플루엔자와 같은 RNA 바이러스가 어떻게 변이될지 예측하고 있습니다. 이에 대한 자세한 내용은 Nature에서 새로 발표된 보고서에서 확인하실 수 있습니다.

RNA 바이러스는 계속해서 돌연변이를 쌓아가며, 그 중 일부는 면역 감지를 피하고 더 쉽게 퍼져나갈 수 있게 해줍니다. Nature는 이러한 돌연변이를 예측함으로써 과학자들이 미리 더 효과적인 백신과 치료법을 개발하여, 그들이 널리 퍼지기 전에 미래의 위협을 해결할 수 있음을 지적했습니다.

현재 AI 도구들은 어떤 단일 돌연변이가 성공할 것인지, 어떤 바이러스 변형체가 단기적으로 지배할 것인지 예측할 수 있습니다. 그러나 Nature는 장기적 변화나 복잡한 돌연변이 조합을 예측하는 것은 여전히 도전적인 일이라고 말합니다.

이 분야에서 AI의 역할은 AlphaFold, ESM-2, ESMFold와 같은 고급 단백질 구조 예측 모델에 의해 강화되었습니다. 이 모델들은 변이가 바이러스 단백질에 어떤 영향을 미치는지 분석합니다. 네이처(Nature)는 이러한 도구들이 바이러스 진화를 시뮬레이션하는 능력을 혁신하고 과학자들이 SARS-CoV-2와 같은 바이러스가 시간이 지남에 따라 어떻게 적응하는지 이해하는데 도움을 준다고 말했습니다.

거대한 양의 유전 데이터의 가용성은 AI 모델이 바이러스 진화를 예측하는 데 중요합니다. 거의 1700만 개의 SARS-CoV-2 유전체가 시퀀싱되어 있어, AI 모델은 훈련할 대량의 데이터를 가지고 있습니다. 이로 인해 연구자들은 잠재적인 미래 변이를 시뮬레이션 할 수 있게 되었다고 네이처는 말합니다.

예를 들어, 도쿄대학의 잇토 준페이(Jumpei Ito) 팀이 개발한 CoVFit 모델은 SARS-CoV-2 변이체 중 어떤 것이 확산되고 지배적인 지를 예측하는 데 큰 도움이 되었습니다. 이는 Nature에서 보도되었습니다.

알려진 바이러스를 추적하는 것 외에도, AI는 과학자들이 새로운 바이러스를 발견하는데 도움을 주고 있습니다. 지난 10월에 발표된 한 연구에서는 연구자들이 AI를 사용하여 70,500개의 새로운 RNA 바이러스를 식별했는데, 이 중 많은 것들은 염분 호수나 열수 분출구와 같은 극한 환경에서 번성하고 있습니다.

이 연구는 메타게놈학을 적용하여, 연구실에서 개별 바이러스를 배양하지 않고도 다양한 생태계에서의 유전물질을 분석할 수 있게 하는 방법을 사용합니다.

그럼에도 불구하고, Nature는 갑작스러운 바이러스의 돌파, 예를 들어 한 번의 돌변으로 50개 이상의 돌연변이를 만들어낸 오미크론 변이의 등장과 같은 것들을 정확히 예측하려는 시도에 있어서 여전히 도전적인 문제들이 있다고 지적하고 있습니다.

이러한 AI 모델이 더욱 정확해지기 위해서는 바이러스 진화에 대한 5년 이상의 데이터가 필요하다고 Nature가 말합니다. 감시 시퀀싱을 실험 데이터와 결합하면 예측이 개선되고 연구자들이 진화하는 바이러스 위협에 앞서갈 수 있을 것입니다.