항생제 발견은 현대 의학 역사에 큰 영향을 끼쳤다(사진=셔터스톡)

최근 과학자들은 박테리아의 항생제 내성 유전자를 확인하기 위해 인공지능을 활용하고 있다. 환자가 약물에 내성이 있는 박테리아에 감염되면 의료진은 어떤 항생제를 사용해야 할지 알아야 한다. 전 세계적으로 항생제 저항성이 증가하고 있으며, 이는 환자의 회복 가능성을 방해할 수 있다.

항생제는 박테리아의 DNA복제나 세포벽 형성을 방해하는 방식으로 작용한다. 하지만 이는 항생제가 작용하는 방식의 극히 일부분일 뿐이다. 항생제의 발견은 현대 의학사에 큰 도움이 되었다. 항생제는 병원균과 싸우기 위한 해결책이다. 수십 년간 수많은 생명을 구했다. 하지만 수많은 유용성에도 불구하고 약물의 연구 및 개발은 항생제에 내성을 지닌 변종 박테리아로 인해 어려움을 겪어왔다.

과학자들은 박테리아의 취약성과 저항성을 알아내기 위해 DNA 염기 서열을 연구하는 것이 도움이 될 것이라고 판단했다. 이에 따라 생물정보학자들은 인공지능을 사용해 박테리아의 염기 서열을 파악하기에 이르렀다. 현재 다양한 변종 박테리아로부터 추출한 수천 개의 게놈 데이터베이스와 더불어 어떤 박테리아가 각종 항생제에 취약하고 내성이 있는지에 관한 자료가 존재한다.

과학자들은 새로운 병원균 변종에서 항생제에 내성이 있는 유전자를 식별하기 위해 머신러닝 알고리즘을 이용하고 있다. 박테리아가 약물에 내성을 갖는 원리를 이해하기 위해 새로운 저항성 유전자를 찾아내는 인공지능도 있다. 환경의 저항성 프로파일을 알아내기 위해 메타게놈을 분석하는 연구도 진행 중이다.

과학자들은 새로운 병원균 변종에서 항생제에 내성이 있는 유전자를 식별하기 위해 머신러닝 알고리즘을 이용하고 있다(사진=셔터스톡)

그러나 미국의 아르곤국립연구소의 전산생물학자인 제임스 데이비스 박사는 이 모든 과정에 앞서 항생제 처방의 문제점을 먼저 해결해야 한다고 전했다.

미국 매사추세츠공대(MIT) 연구진은 박테리아 저항성에 대해 더 많은 정보를 알아내기 위해 새로운 머신러닝 접근법을 개발하고 있다. MIT의 의공학및과학연구소(IMES) 생물공학과 교수로 재직 중인 제임스 콜린스 박사에 따르면, “약물 스트레스의 결과로 세포에 극단적인 에너지 수요가 발생한다. 이 과정은 대사 반응이 필요하며 대사 부산물 중 일부는 유독성으로 인해 세포를 죽이는 데 기여한다”고 설명했다.

머신러닝 활용한 연구

제임스 콜린스 박사와 그레이엄 워커 박사는 화이트 박스 머신러닝을 수행했다. 이들은 수년에 걸쳐 항생제가 어떻게 작용하는지 연구했으며, 항생제 치료가 세균 세포로부터 높은 에너지를 필요로 하는 거대한 세포 스트레스를 유발할 수 있음을 보여줬다. 새로운 연구에서 IMES의 연구 과학자인 제이슨 양 박사는 제임스 콜린스 박사와 함께 머신러닝 접근법을 활용했다.

컴퓨터 모델링을 하기 전, 대장균(E.coli)을 대상으로 세 가지 종류의 항생제 처리는 물론, 탄수화물과 아미노산, 뉴클레오티드와 같은 대사물을 추가하는 등 다양한 실험을 실시했다. 이후 연구진은 세포 생존에 미치는 영향을 측정했다. 화이트 박스 머신러닝은 머신러닝 알고리즘에 데이터를 직접 주입하는 대신 연구진이 대장균의 게놈 규모의 컴퓨터 모델을 통해 데이터를 실행해 일종의 ‘대사 상태’ 배열을 생성하는 방법이다.

대사 상태는 서로 다른 상태간의 연관성과 항생제 처리 결과를 식별할 수 있는 머신러닝 알고리즘에 입력됐다.

퓨린 대사는 박테리아 세포를 죽이는 항생제 기능에 중요한 역할을 한다. 항생제를 사용하면 세포 스트레스가 유발되고, 그 결과 세포의 퓨린 뉴클레오티드가 줄어든다. 세균 세포가 뉴클레오티드 생산을 증가시킴으로써 전체적인 신진대사가 증가되고 이는 세포를 죽이는 대사 부산물의 증가로 이어질 수 있다.

이러한 발견을 바탕으로 대사 활동을 유도하는 다른 약물과 조합해 일부 항생제의 기능을 강화하는 것이 가능해졌다.

항생제 저항성 유전자의 발견

박테리아 내성에 관한 연구는 주로 유전자 생산물이 약물과 어떻게 직접적으로 상호작용하는지를 관찰해왔다. 세포벽 투과성과 관련이 있는 다른 종류의 유전자 또한 병원체의 취약성에 영향을 미칠 수 있다.

UC 샌디에이고대학의 생명공학 전공 대학원생인 에롤 카바스는 결핵균에서 새로운 저항성 유전자를 찾았다. 카바스는 결핵균에는 다양하고 복잡한 약물 저항력이 있다고 설명했다.

카바스가 수행한 실험의 첫 번째 단계는 박테리아의 모든 균주에서 가능한 모든 단백질 코딩 유전자의 목록을 파악하는 것이었다. 카바스는 지원 벡터 기계 접근법을 적용했으며, 그 결과 대사과정과 세포벽 활동에 관여하는 24개의 새로운 저항성 유전자를 얻었다. 다음 단계는 이 유전자가 어떻게 항생제를 중화하는지에 관해 알아내는 것이다.

이들은 머신러닝으로 실시한 연구 중 일부다. 항생제 내성이 증가함에 따라 항생제의 효능을 높이려면 더 많은 연구가 이뤄져야 한다.

항생제 내성은 의료비 상승, 장기 입원 및 사망률 증가를 의미한다. 새로운 기술을 사용하더라도 항생제 내성은 여전히 큰 위협으로 존재하기 때문에 의료 기관의 항생제 처방 및 사용 방식을 변화시키는 것이 시급하다.

기술적 발전과 함께 손 씻기, 양호한 위생 및 예방 접종을 통해 감염의 확산을 최소화하는 계획과 행동 변화도 반드시 뒤따라야 한다.