AI가 바이러스학을 진보시킴: 70,500종의 새로운 RNA 바이러스 발견

금요일에 Nature에 발표된 새로운 연구에 따르면, 연구자들이 AI를 활용해 70,500개의 새로운 RNA 바이러스를 식별했으며, 이 중 많은 수가 염분 호수와 열수 분출구와 같은 가혹한 환경에서 살아가고 있다고 보고하였습니다.

이 연구는 메타게놈학이라는 기법을 적용한 것으로, 이를 통해 과학자들은 개별 바이러스를 실험실에서 배양할 필요 없이 다양한 생태계에서의 유전자 정보를 분석할 수 있습니다.

바이러스는 동물, 식물, 박테리아를 감염시킬 수 있는 아주 작은 생물체이지만, 아직까지 알려지지 않은 것들이 많습니다. 토론토 대학교의 컴퓨터 바이러스학자인 아르템 바바이안은 아직도 수없이 많은 바이러스들이 발견되지 않았다고 설명합니다.

이 기사에서는 이러한 바이러스들을 확인하는 것이 중요하다고 지적하고 있습니다. 이는 일부 바이러스들이 인간의 질병과 연관될 수 있기 때문이며, 설명되지 않은 질병에 대한 이해를 돕기 위함입니다.

이전 연구들도 새로운 바이러스를 찾기 위해 기계 학습을 활용해 왔지만, 이번 연구는 예측된 단백질 구조를 분석에 포함함으로써 한 단계 더 나아갔습니다. 여기서 사용된 AI 모델은 Meta가 개발한 단백질 예측 도구인 ESMFold와 유전자 시퀀싱 데이터를 결합합니다.

이 연구는 최근 Google DeepMind의 AlphaFold가 단백질 구조 예측에서 중요한 진전을 이루며 노벨상을 수상한 것을 계승하는 것입니다.

새로운 RNA 바이러스를 찾는 것은 이러한 바이러스가 빠르게 변화하기 때문에 중요합니다. 그것들을 식별하기 어렵게 만듭니다. 연구자들은 일반적으로 바이러스의 유전 코드 중에서 복제를 돕는 특정 부분을 찾습니다. 이것을 RNA-의존적 RNA 중합효소(RdRp)라고 부릅니다. 새로운 바이러스의 유전 코드가 이미 알려진 것과 매우 다르면 놓칠 수 있습니다.

이전의 작업에서, Babaian과 그의 팀은 온라인으로 이용 가능한 570만개의 유전체 샘플을 검토하였으며, 이를 통해 2022년에 거의 132,000개의 새로운 RNA 바이러스를 발견하였습니다.

현재 연구는 ChatGPT와 같은 AI 도구를 구동하는 데 사용되는 변형자 구조와 유사한 모델인 LucaProt를 사용하여 이를 확장하고 있습니다. 이 모델은 연구자들이 대략 16만 개의 RNA 바이러스를 찾아내는 데 도움을 주었으며, 그 중 절반이상이 이전에 기록되지 않았습니다.

이 연구는 극한 환경에서 RNA 바이러스 다양성의 새로운 영역을 드러냅니다. CSIRO 호주 질병 준비 센터의 진화 생물학자 재키 마하는 이러한 바이러스를 이해하는 것이 연구자들이 그들의 기원과 진화에 대해 더 많이 배우는 데 도움이 될 것이라 강조하고 있습니다.

병행하여, Microsoft는 최근에 자사의 헬스케어 플랫폼 내의 혁신을 발표했습니다. 이들은 AI의 역할을 강조하면서 의료 서비스 발전을 주도하고 있습니다. 그들의 새로운 헬스케어 AI 모델은 의료 영상 및 유전체학을 포함한 다양한 데이터 유형의 통합 및 분석을 용이하게 합니다.

AI의 바이러스학에의 적용은 아직 연구되지 않은 방대한 수의 바이러스를 탐구하는 방법을 제공하며, 이는 공중보건과 환경 과학 양쪽 모두에게 중요한 발견을 이끌어낼 수 있습니다.