차세대염기서열

2 Contents

[연구뭐하지] 임영운 교수_서울대학교 '진균분자생태계통학연구실' | 지구 생물계에서 너무나 중요한 진균! 진균 연구도 하고 자연산 송이도 드세요(❁´◡`❁)

진균은 지구 생태계를 지탱하는 핵심적인 생물군으로, 우리가 흔히 접하는 버섯과 곰팡이를 모두 포함하는 개념입니다. 서울대학교 진균분자생태계통학연구실은 이러한 진균의 정체를 밝히고 이들이 자연계에서 수행하는 생태적 역할과 진화 과정을 규명하는 데 매진하고 있습니다. 많은 이들이 진균을 단순히 해로운 병원균이나 식재료로만 인식하는 경향이 있으나, 실제로는 자연의 순환을 돕는 분해자이자 다른 생물과 공존하는 파트너로서 복합적인 기능을 수행합니다. 연구실은 특정 환경에 서식하는 진균을 발굴하여 모든 균이 생태계에 기여하는 바를 증명하고자 노력하고 있습니다. 진균의 세계는 겉모습만으로는 종을 구분하기 매우 어렵다는 특징이 있습니다. 형태적으로 유사해 보이는 버섯이나 곰팡이라도 실제로는 전혀 다른 종인 경우가 많기 때문입니다. 이를 해결하기 위해 연구실에서는 계통분류학적 접근을 통해 DNA를 추출하고 특정 유전자를 비교 분석하는 분자적 동정 방식을 활용합니다. 이러한 정밀한 분석 기법은 육안으로 판별하기 힘든 미세한 차이를 밝혀내어 진균의 계통 체계를 확립하는 기초가 됩니다. 이는 단순히 이름을 붙이는 작업을 넘어, 생물 다양성을 이해하고 보존하기 위한 필수적인 과정으로 평가받고 있습니다. 현대 진균학 연구는 배양 가능한 종을 넘어 자연 상태의 미생물 군집 전체를 아우르는 마이크로바이옴 연구로 확장되고 있습니다. 자연계에는 인공적으로 배양되지 않거나 자실체를 형성하지 않는 진균이 무수히 존재하기 때문입니다. 연구실은 다양한 환경 시료에서 DNA를 통째로 추출한 뒤 차세대 염기서열 분석(NGS) 기법을 도입하여 보이지 않는 균들의 상호작용을 추적합니다. 이를 통해 식물 뿌리와의 공생 관계나 곤충과의 연관성을 밝혀내며, 기후 변화나 환경 오염 물질인 플라스틱을 분해하는 유용한 균주를 발굴하는 등 환경 문제 해결을 위한 실마리를 찾고 있습니다. 연구실의 활동은 실험실 안에서만 머물지 않고 산과 들, 심지어 남극과 시베리아 같은 극한의 오지로까지 이어집니다. 연구원들은 직접 현장을 누비며 시료를 채집하고, 소나무 묘목 뿌리에서 일어나는 공생 관계를 분석하거나 인공 재배가 어려운 송이버섯의 비밀을 풀기 위해 RNA 분석 기법을 동원합니다. 이러한 야외 활동은 체력적으로 고되기도 하지만, 자연의 생생한 현장을 직접 목격하고 새로운 자원을 확보한다는 점에서 큰 의미를 지닙니다. 직접 채집한 버섯을 연구하고 분류하는 과정은 이론과 실재를 연결하는 진균학 연구만의 독특한 매력이자 강점이라 할 수 있습니다. 확보된 진균 자원은 버섯균주은행과 해양생물자원 보전기관을 통해 체계적으로 관리되며, 이는 국내 최대 규모의 자원 보유량을 자랑합니다. 황사나 비둘기 분변에서 발견되는 유해 곰팡이부터 태평양 심해와 극지방에서 발굴한 유용 활성 물질까지, 연구실은 광범위한 진균 자원을 수집하여 학계와 산업계에 공유하고 있습니다. 이러한 노력은 생물 주권을 확보하고 미래 바이오 산업의 기초 자산을 마련하는 중요한 토대가 됩니다. 진균의 다양성을 규명하고 그 가치를 세상에 알리는 일은 지속 가능한 지구 생태계를 유지하기 위한 필수적인 여정입니다.

[연구뭐하지] 임영운 교수_서울대학교 '진균분자생태계통학연구실'  |  지구 생물계에서 너무나 중요한 진균! 진균 연구도 하고 자연산 송이도 드세요(❁´◡`❁)

임영운

카오스재단연구뭐하지
  • 생명과학

[강연] 게놈데이터를 이용한 정밀의학 _ by이세민 | 2020 가을 카오스강연 'Ai X' 3강 | 3강

정밀 의료는 기존의 획일적인 치료 방식에서 벗어나 환자 개개인의 특성에 맞춘 최적의 의료 서비스를 제공하는 패러다임입니다. 이는 환자가 보유한 유전체 정보뿐만 아니라 생활 습관, 가족력, 임상 정보 등 방대한 데이터를 종합적으로 분석하여 질병의 아형이나 인종적 특성에 따른 세분화된 치료를 가능하게 합니다. 이러한 정밀 의료의 핵심은 방대한 양의 데이터를 확보하고, 이를 기반으로 환자에게 가장 적합한 치료 전략을 정확하게 예측할 수 있는 시스템을 구축하는 데 있습니다. 방대한 고차원 데이터를 처리하기 위해 최근 의료 분야에서는 기계 학습 알고리즘을 적극적으로 도입하고 있습니다. 기계 학습은 컴퓨터가 경험과 데이터를 통해 스스로 학습하고 성능을 개선하는 기술로, 정밀 의료에서 요구되는 복잡한 예측 모델을 설계하는 데 필수적입니다. 연구자가 제공한 데이터를 바탕으로 학습된 모델은 새로운 환자 데이터가 입력되었을 때 기존의 학습 근거를 토대로 최적의 치료법이나 질병의 경과를 예측하며, 이는 의료진의 의사결정을 돕는 강력한 도구가 됩니다. 유전체는 한 생물종의 완전한 유전 정보 총합을 의미하며, 이를 읽어내는 기술은 생어 시퀀싱에서 시작해 차세대 염기 서열 분석(NGS)으로 비약적인 발전을 이루었습니다. 초기에는 인간 유전체 지도를 완성하는 데 13년이라는 긴 시간과 막대한 예산이 소요되었으나, 현재의 NGS 기술은 수십억 개의 염기 서열을 병렬로 빠르게 읽어낼 수 있어 데이터 생산량을 획기적으로 늘렸습니다. 이러한 기술적 진보는 개인의 유전체 정보를 저렴하고 빠르게 분석할 수 있는 토대를 마련했습니다. 암은 대표적인 유전체 질환으로, 세포 분열 과정에서의 복제 오류나 자외선, 흡연과 같은 외적 요인에 의해 축적된 유전 변이가 원인이 되어 발생합니다. 정상 세포가 암 유발 변이를 획득하면 사멸하지 않고 무한 증식하며 악성 종양으로 발전하게 되는데, 이 과정에서 발생하는 다양한 변이들을 파악하는 것이 치료의 핵심입니다. 연구자들은 대규모 암 유전체 프로젝트를 통해 수만 명의 환자 데이터를 분석함으로써 암 발생에 기여하는 핵심 유전자를 식별하고 이를 치료에 활용하고 있습니다. 인공지능은 암 유전체 빅데이터를 학습하여 특정 항암제에 대한 환자의 반응성을 예측하거나 개인 맞춤형 면역 항암제를 개발하는 데 활용됩니다. 특히 딥러닝 모델은 암세포의 유전 변이 정보를 분석하여 면역 세포가 암세포를 더 잘 인식할 수 있도록 돕는 신생 항원을 예측하는 데 탁월한 성능을 보입니다. 이러한 기술을 통해 개발된 신생 항원 백신은 실제 임상에서 피부암 환자의 재발을 막거나 완전 관해를 유도하는 등 정밀 의료의 가능성을 실무적으로 증명해내고 있습니다. 유전체 데이터의 활용은 암 치료를 넘어 정신 건강 영역으로도 확장되고 있습니다. 유전자의 발현 패턴과 유전체 메틸화 정도를 분석하는 후성유전체 데이터를 인공지능으로 분석하면 우울증 정도나 자살 위험도를 높은 정확도로 예측할 수 있습니다. 이는 부모로부터 물려받은 고정된 유전 정보가 아니라 외부 환경에 의해 변화하는 유전자 조절 메커니즘을 파악하는 것으로, 질병의 조기 진단과 예방적 차원에서의 정밀 의료가 정신 의학 분야에서도 중요한 역할을 할 수 있음을 시사합니다. 성공적인 정밀 의료를 위해서는 알고리즘의 고도화만큼이나 한국인 특성을 반영한 양질의 유전체 빅데이터 확보가 무엇보다 중요합니다. 인종마다 유전적 특성이 다르기 때문에 해외 데이터에만 의존할 경우 국내 환자에게 최적화된 진단을 내리는 데 한계가 있기 때문입니다. 현재 진행 중인 국가 바이오 빅데이터 구축 사업과 지역 기반의 유전체 프로젝트들은 한국인 특이적 변이를 체계적으로 분석하여 우리나라 의료 시스템에 최적화된 정밀 의료 시대를 앞당기는 초석이 될 것입니다.

[강연] 게놈데이터를 이용한 정밀의학 _ by이세민 | 2020 가을 카오스강연 'Ai X' 3강

이세민

카오스재단카오스강연
  • 생명과학