
일러스트: ScienceDaily
ScienceDaily 에 따르면, 획기적인 연구에서 일본 도쿄 대학의 과학자들은 고급 인공지능(AI)을 적용하여 장내 박테리아의 복잡한 생태계와 그들 간의 화학적 신호를 해독했습니다.
연구팀은 무작위 상관관계가 아닌 실제 생물학적 관계를 감지하는 VBayesMM이라는 새로운 베이지안 신경망을 개발했습니다. 이 시스템은 비만, 수면 장애, 암 연구에서 기존 모델보다 우수한 성능을 보였습니다.
장내 박테리아는 소화, 면역, 심지어 기분까지 영향을 미치는 등 인체 건강에 중요한 역할을 합니다. 인체에는 약 30조에서 40조 개의 인간 세포가 있으며, 장에만 최대 100조 개의 박테리아 세포가 있습니다. 즉, 우리 몸은 우리 자신의 세포보다 더 많은 박테리아 세포를 보유하고 있다는 뜻입니다.
이러한 미생물은 소화에 참여할 뿐만 아니라 대사산물이라고 불리는 수천 개의 작은 화합물을 생성하고 변환합니다. 대사산물은 신진대사, 면역 체계, 뇌 기능에 영향을 미치는 "화학적 전달 물질"입니다.
도쿄대학교 생명과학부 쓰노다 연구실의 연구원인 퉁 당(당 탄 퉁)은 "우리는 이제 막 어떤 박테리아가 어떤 대사산물을 생성하는지, 그리고 이러한 관계가 다양한 질병에서 어떻게 변하는지 이해하기 시작했습니다."라고 말했습니다.
박테리아와 화학 물질 간의 상호작용을 정확하게 파악할 수 있다면 개인 맞춤형 치료법을 개발할 수 있습니다. 예를 들어, 건강에 도움이 되는 물질을 생산하기 위해 특정 유형의 박테리아를 배양하거나, 질병을 치료하기 위해 해당 물질을 조작하는 치료법을 설계할 수 있습니다.
문제는 데이터의 엄청난 규모에 있습니다. 수천 개의 상호 작용하는 박테리아 종과 화합물 때문에 의미 있는 패턴을 찾는 것이 매우 어렵습니다.
이 문제를 해결하기 위해 연구팀은 베이지안 접근법을 적용한 AI를 사용하여 각 대사산물에 실제로 영향을 미치는 박테리아 그룹을 감지하고 예측의 신뢰 수준을 계산했습니다. 이를 통해 오해의 소지가 있는 결론을 내리는 것을 방지할 수 있었습니다.
"수면 장애, 비만, 암에 대한 실제 데이터를 대상으로 테스트했을 때, 저희 모델은 기존 방법보다 지속적으로 우수한 성능을 보였고, 알려진 생물학적 과정과 일치하는 박테리아 군을 식별했습니다."라고 퉁은 덧붙였습니다. "이를 통해 시스템이 무작위적인 통계적 패턴이 아닌 실제 생물학적 관계를 감지하고 있다는 확신을 얻을 수 있습니다."
불확실성을 정량화하는 능력은 VBayesMM이 과학자들에게 더욱 신뢰할 수 있는 정보를 제공하는 데 도움이 됩니다. 그러나 대용량 미생물 데이터 세트를 분석하는 것은 여전히 연산 집약적이지만, 처리 기술이 향상됨에 따라 이러한 비용은 감소할 것입니다. 이 시스템은 미생물 데이터 양이 대사산물 데이터 양보다 많을 때 가장 우수한 성능을 발휘합니다. 미생물 데이터 양이 많으면 정확도가 떨어집니다.
또한 VBayesMM은 여전히 각 박테리아 종을 독립적인 개체로 취급하지만, 실제로는 박테리아 종들이 서로 복잡하게 상호 작용합니다.
연구팀은 현재 박테리아, 인체, 그리고 식단에서 추출한 화합물을 포함한 더욱 포괄적인 화학 데이터 세트를 처리할 수 있도록 모델을 확장하는 방안을 모색하고 있습니다. 또한, 예측을 개선하고 계산 시간을 단축하기 위해 박테리아 종의 "계보"를 통합하고자 합니다.
퉁 박사는 "궁극적인 목표는 치료나 영양학적 개입의 표적이 될 수 있는 특정 박테리아를 식별하여 기초 연구에서 임상적 적용으로 나아가는 것입니다."라고 말했습니다.
과학자들은 이 새로운 AI 도구를 통해 장내 미생물군의 잠재력을 활용해 개인 맞춤형 의학을 개발하는 데 한 걸음 더 다가가고 있으며, 미래에는 더욱 정확하고 효과적인 건강 관리의 길을 열 것입니다.
출처: https://tuoitre.vn/nha-nghien-cuu-viet-dung-ai-giai-ma-vi-khuyen-duong-ruot-20251111125341462.htm






댓글 (0)