대부분의 항바이러스제는 바이러스가 이미 인체 세포에 침투한 후에 작용합니다. 워싱턴 주립대학교 연구진은 바이러스가 세포에 침투하기 위해 의존하는 단 하나의 분자적 상호작용을 규명함으로써, 바이러스에 더 일찍 개입할 수 있는 방법을 발견했다고 밝혔습니다.
11월에 학술지 나노스케일(Nanoscale) 에 발표된 이 연구는 감염 과정 중 가장 이해하기 어렵고 차단하기 힘든 단계 중 하나인 바이러스 침투에 초점을 맞추었습니다. 연구팀은 인공지능과 분자 시뮬레이션을 활용하여 융합 단백질 내의 핵심 상호작용을 확인했으며, 실험실에서 이 상호작용을 변형시키자 바이러스가 새로운 세포로 침투하는 것을 막을 수 있었습니다.
워싱턴 주립대학교 기계 및 재료 공학과 진 류 교수는 디크립트(Decrypt) 에서 “바이러스는 수천 가지의 상호작용을 통해 세포를 공격합니다.”라고 말했습니다. “저희 연구의 목표는 가장 중요한 상호작용을 찾아내는 것이며, 그 상호작용을 확인하면 바이러스가 세포에 침투하는 것을 막고 질병 확산을 저지할 방법을 알아낼 수 있습니다.”
이번 연구는 2년 전, 코로나19 팬데믹 직후에 시작된 연구에서 비롯되었으며, 수의미생물학 및 병리학 교수인 앤서니 니콜라가 주도하고 미국 국립보건원(NIH)의 자금 지원을 받았습니다.
이번 연구에서 연구진은 헤르페스 바이러스를 시험 사례로 조사했습니다.
이 바이러스들은 세포 침투 과정에서 막 융합을 유도하는 데 필수적인 표면 융합 단백질인 당단백질 B(gB)에 의존합니다.
과학자들은 gB가 감염에 핵심적인 역할을 한다는 것을 오랫동안 알고 있었지만, 그 큰 크기, 복잡한 구조, 그리고 다른 바이러스 침입 단백질과의 상호작용 때문에 내부의 수많은 상호작용 중 어떤 것이 기능적으로 중요한지 정확히 밝혀내기가 어려웠습니다.
류 교수는 이 프로젝트에서 인공지능의 가치는 인간 연구자들이 알 수 없는 무언가를 밝혀냈다는 데 있는 것이 아니라, 탐색 과정을 훨씬 더 효율적으로 만들어줬다는 데 있다고 말했다.
연구팀은 시행착오에 의존하는 대신 시뮬레이션과 머신러닝을 활용하여 수천 가지의 가능한 분자 상호작용을 동시에 분석하고 가장 중요한 상호작용의 순위를 매겼습니다.
"생물학 실험에서는 보통 가설을 세우고 시작합니다. 이 영역이 중요할 거라고 생각하지만, 그 영역에는 수백 가지의 상호작용이 존재합니다."라고 류 교수는 말했다. "하나를 테스트해 보고 중요하지 않다고 나오면 다른 것을 테스트하는 식이죠. 이런 과정은 시간과 비용이 많이 듭니다. 하지만 시뮬레이션을 사용하면 비용은 무시할 수 있고, 저희 방법은 실제로 중요한 상호작용을 식별해낸 다음 실험에서 검증할 수 있도록 해줍니다."
인공지능은 기존 방식으로는 감지하기 어려운 질병 패턴을 파악하기 위해 의료 연구에 점점 더 많이 활용되고 있습니다.
최근 연구에서는 기계 학습을 적용하여 증상이 나타나기 몇 년 전에 알츠하이머병을 예측하고, MRI 스캔 에서 미묘한 질병 징후를 식별하며, 대규모 건강 기록 데이터 세트를 사용하여 수백 가지 질환에 대한 장기적인 위험을 예측하고 있습니다.
미국 정부 또한 이러한 접근 방식에 투자를 시작했으며, 그중에는 국립보건원(NIH)이 인공지능을 소아암 연구에 적용하기 위해 5천만 달러를 투자하는 계획도 포함됩니다.
류 교수는 바이러스학을 넘어 동일한 계산 프레임워크가 알츠하이머병과 같은 신경퇴행성 질환을 포함하여 단백질 상호작용 변화로 인해 발생하는 질병에도 적용될 수 있다고 말했다.
"가장 중요한 것은 어떤 상호작용을 목표로 삼아야 하는지 아는 것입니다."라고 류는 말했다. "일단 목표를 정하면, 사람들은 그 상호작용을 약화시키거나 강화하거나 블록 방법을 찾을 수 있습니다. 이것이 바로 이 연구의 진정한 의미입니다."
