- 전체
- 물리
- 천체물리 - 우주(과학)
- 정보 (및 수학)
- 화학
- 생물 및 의학 (건강)
- 전기전자
- 지구과학 and 환경
- 사회과학
- 기계
- ITFIND 주간 기술 동향
- 월간 ICT 동향
- 인문학(과학)
생물 및 의학 (건강) 인공지능에 의해 발견된 플라나리아의 재생 모델
2015.06.09 20:29
인공지능에 의해 발견된 플라나리아의 재생 모델http://mirian.kisti.re.kr/futuremonitor/view.jsp?cn=GTB2015060100&service_code=03 |
|
|---|---|
| KISTI 미리안 『글로벌동향브리핑』 2015-06-08 | |
| 미국의 터프츠 대(Tufts University)가 개발한 한 인공지능 시스템이 플라나리아(planaria)의 재생 메커니즘을 최초로 역설계(reverse engineering)하였다. 플라나리아는 편형동물 와충류 플라나리아과의 한 속으로, 몸은 편평하고 머리는 삼각형이며 몸빛은 대개 회백색이며 항문이 없다. 자웅 동체로 무성·유성 생식을 모두 하는 생물로서, 재생력이 강하여 재생 실험에 많이 쓰이며, 인간 재생 의학에서 주요한 연구 모델이다. 터프츠 대의 생물학자에 의한 이러한 발견은 인간의 지능이 아닌 다른 지능에 의하여 발견된 최초의 재생 모델이며, 플라나리아의 재생에 대한 최초의 포괄적인 모델이다. 지난 100여 년 동안 인간 과학자들을 플라나리아에 대한 포괄적인 재생 모델을 발견하는 데에 어려움이 있었다. 이러한 연구결과는 개방형 접근 방식으로 동료가 검토하는 온라인 학술지인 플로스 전산 생물학(PLOS Computational Biology)에서 2015년 6일 4일에 출판되었으며, 로봇 과학이 미래에 인간 과학자들을 어떻게 도울 수 있을지를 시연한 것이다. 과학자들은 복잡한 조직을 생체공학적으로 만들기 위하여 살아있는 생물체가 통상적으로 형상을 만드는 메커니즘을 이해할 필요가 있다. 그러나 특정한 생물체 형상을 만들기 위하여 필요하다고 확인되고 있는 분자 유전적 요소와 그러한 복잡한 특정 형상이 올바른 크기, 형상, 방향 등으로 왜, 어떻게 생성되는지를 이해하는 것 사이에는 상당한 지식 격차가 존재한다고 발표된 논문의 책임저자이자, 터프츠 대 생물학과 교수이며, 재생 및 발생 생물학 터프츠 연구 센터(Tufts Center for Regenerative and Developmental Biology)의 책임자인 마이클 레빈(Michael Levin)은 전했다. “오늘날 유전 실험을 통하여 유도된 대부분의 재생 모델은 화살선도(arrow diagram)로 하나의 유전자가 다른 유전자를 조절한다는 것을 보여주는 것이다. 이러한 모델은 괜찮은 것이지만, 궁극적으로 어떠한 형상이 될지를 알려주지 않는다. 많은 유전적 경로 모델들은 결과적으로 나무, 문어, 혹은 사람처럼 보이게 될지 여부를 알려주지 않는다”고 마이클 레빈 교수가 말했다. “대부분의 모델들이 해당 과정이 일어나기 위하여 필요한 요소들을 보여줄 뿐, 해당 형상을 만들기에 충분한 동적인 것들을 단계별로 알려주는 데는 충분하지 않다. 우리가 필요한 것은 정확하게 따를 수 있고 신비한 것이나 불확실성이 없는 알고리즘 모델 혹은 추정 모델이다. 이러한 모델을 따르기만 하면 원하는 형상이 나타날 것”이라고 마이클 레빈 교수가 설명하였다. 이러한 모델은 특성 요소의 재생이나 형상에서 원하는 변화를 만들기 위하여 시스템에 어떠한 계기가 마련되어야 하는지를 알기 위하여 필요하다. 그러나 재생 및 발생 생물학에서 빠르게 증가하고 있는 출판된 엄청난 양의 실험 데이터를 조사하기 위한 도구는 아직까지 존재하지 않았다고 마이클 레빈 교수 연구실의 박사 후 과정 연구원이자 제출된 논문의 제1저자인 다니엘 로보(Daniel Lobo)가 말했다. 이러한 도전과제를 해결하기 위하여 마이클 레빈 교수와 다니엘 로보 박사는 연구자들이 데이터베이스로 입력한 출판된 연구실 실험의 결과를 정확하게 예측하기 위하여 진화할 수 있는 조절망(regulatory network)을 만드는 진화 연산을 이용하는 알고리즘을 개발하였다. “우리의 목표는 시뮬레이션된 실험에서 플라나리아의 머리부 패턴 및 꼬리부 패턴의 결과가 출판된 데이터와 일치하도록 가상 플라나리아의 모든 세포에서 수행될 수 있는 조절망을 확인하는 것이었다”고 다니엘 로보 박사가 말했다. 예측한 것처럼 일반적으로 초기 상태의 임의의 조절망은 어떠한 실험결과를 만들 수 없다. 새로운 조절망 후보가 임의로 이전에 조절망들을 조합하여 만들어졌고, 임의의 변화를 부가 및 삭제하는 작업을 수행하였다. 각각의 조절망 후보는 시뮬레이션 실험 하에서 가상의 플라나리아에서 시험되었다. 알고리즘은 시뮬레이션에서 만들어진 형상과 데이터베이스에 있는 실제 출판된 데이터를 비교하였다. 진화가 진행됨에 따라 새로운 조절망은 점차적으로 머리부 재생 및 꼬리부 재생에 대하여 알려진 플라나리아와 관련된 대부분의 실험 문헌들이 포함되는 데이터베이스 상에 있는 실험들을 점점 더 설명할 수 있었다. [인공지능에 의해 발견된 최초의 플라나리아의 재생 모델] 연구자들은 궁극적으로 이러한 방법이 플라나리아 재생의 포괄적인 조절망을 식별할 수 있는지를 결정하기 위하여 16개의 중요한 플라나리아 재생 실험들로 구성되는 조합된 실험 데이터 집합에 이러한 알고리즘을 적용하였다. 42시간 후에 알고리즘은 발견된 조절망을 결과값으로 산출하였으며, 이것은 실험 데이터 집합에 있는 모든 16개의 실험을 정확하게 예측한 것이었다. 이 조절망은 플라나리아 재생과 관련된 기존의 논문에서 아직 식별하지 않은 2개의 단백질뿐만 아니라 7개의 알려진 조절 분자들로 구성되었다. “이것은 현재까지 발견된 플라나리아 재생 모델 가운데 가장 포괄적인 것이다. 이것은 서로 다른 많은 기능적 실험 하에서 플라나리아의 머리부-꼬리부 극성 결정을 기계적으로 설명하는 유일한 모델이며, 인공 지능에 의하여 발견된 최초의 재생 모델”이라고 마이클 레빈 교수가 말했다. 마이클 레빈 교수와 다니엘 로보 박사는 모두 컴퓨터 과학을 훈련받았으며, 발생 생물학 분야에 독특한 관점을 적용하였다. 마이클 레빈 교수는 유전학에서 박사학위를 받기 전에 터프츠 대에서 컴퓨터 과학과 생물학을 전공하였다. 다니엘 로보 박사는 마이클 레빈 교수의 연구실에 합류하기 전에 유전학 분야에서 박사 학위를 획득하였다. 발표된 논문은 부상하고 있는 로봇 과학 분야를 성공적으로 적용한 사례를 나타낸 것으로, 인공지능이 엄청난 데이터 집합을 신속하게 고속 처리하는 수준 이상의 더 높은 것을 수행하여 인간 연구자들을 도울 수 있음을 보여준 것이라고 마이클 레빈 교수가 전했다. “이번 프로젝트에서 인공지능은 전체 연산을 수행하여야 했고, 그 결과는 플라나리아가 무엇을 하고 있는지에 대한 이론이었다. 자연 현상에 대하여 무엇이 일어나고 있는지를 설명하는 이론을 고안하는 것은 과학자들이 수행하는 작업들 가운데 가장 창의적이고 직관적인 측면을 가진다”고 마이클 레빈 교수가 말했다. “이번 프로젝트에서 가장 놀라운 측면 가운데 하나는 인공 지능이 발견한 모델이 인간이 실제적으로 이해할 수 없는 의미 없이 헝클어진 조절망이 아니라, 사람들이 즉각적으로 이해할 수 있는 논리적인 단순 모델이라는 것이다. 나에게 이 모든 것은 인공지능이 데이터 탐색뿐만 아니라 데이터 의미에 대한 추론을 수행하여 과학의 모든 측면에서 도움이 될 수 있다는 것을 시사한다”고 마이클 레빈 교수가 덧붙였다. [관련된 논문의 서지 정보] Daniel Lobo, Michael Levin, "Inferring Regulatory Networks from Experimental Morphological Phenotypes: A Computational Method Reverse-Engineers Planarian Regeneration," PLOS Computational Biology, Published: June 4, 2015 DOI: 10.1371/journal.pcbi.1004295
|
|
|
자료를 가져가실 때에는 출처 KISTI 미리안 『글로벌동향브리핑』을 밝혀 주시기 바랍니다.
|
|
본 웹사이트는 광고를 포함하고 있습니다.
광고 클릭에서 발생하는 수익금은 모두 웹사이트 서버의 유지 및 관리, 그리고 기술 콘텐츠 향상을 위해 쓰여집니다.
광고 클릭에서 발생하는 수익금은 모두 웹사이트 서버의 유지 및 관리, 그리고 기술 콘텐츠 향상을 위해 쓰여집니다.
