단편화된 미생물 DNA 분석으로 항암 후보 물질 발굴

배경

2026년 10월, 한 연구팀이 AI를 활용해 단편화된 미생물 DNA에서 항암 후보 물질을 효율적으로 스크리닝한 결과를 발표했다. 연구팀은 토양, 해양, 인간 장내 등 다양한 환경에서 수집한 메타지놈 샘플을 분석했으며, 이 샘플에는 기존 방식에서 무시되던 짧은 DNA 조각들이 대량 포함되어 있었다. 딥러닝 모델은 수백만 개의 단편 서열 중에서 항암 활성 분자를 암호화할 가능성이 높은 유전자 세그먼트 수십 개를 예측했고, 초기 생물학적 검증을 통해 일부 후보 물질의 세포 독성을 확인했다.

이 성과의 핵심은 완전한 생합성 유전자 클러스터(BGC)에 의존하지 않고 메타지놈의 '암흑 물질'을 직접 발굴했다는 점이다. 전통적인 게놈 마이닝 도구인 antiSMASH 등은 완전한 유전자 클러스터가 있어야 이차 대사산물을 예측할 수 있지만, 미생물 게놈의 90% 이상은 클러스터가 단편화되거나 침묵 상태에 있어 탐지되지 못했다. 이번 AI 접근법은 DNA를 언어처럼 취급하는 Transformer 아키텍처와 그래프 신경망을 결합해, 수 테라바이트의 미생물 서열 데이터로 사전 학습된 모델을 통해 짧은 단편에서 생물 활성 관련 패턴을 포착한다.

심층 분석

기술적으로, 이 파이프라인은 DNA 서열을 k-mer 토큰으로 변환한 후 고차원 임베딩을 생성하여 지역적 맥락을 포착한다. 어텐션 메커니즘은 항암 활성과 연관된 보존 도메인과 기능 모티프를 식별하고, 각 단편에 활성 점수를 부여한다. 특히, 대조 학습 전략을 도입해 알려진 항암 천연물의 합성 유전자 클러스터를 양성 샘플로, 무작위 비활성 서열을 음성 샘플로 활용함으로써 예측 정확도를 높였다. 이는 상동성 기반 방법과 달리 새로운 화학 골격을 발견할 수 있게 해 화학 공간의 탐색 범위를 크게 확장한다.

검증 단계에서는 최고 점수를 받은 후보 단편을 화학 합성하거나 이종 숙주에서 발현시켰다. 세포 실험 결과, 여러 화합물이 다양한 암세포주에 대해 마이크로몰 수준의 억제 활성을 보였고 정상 세포 독성은 낮았다. 이는 AI 예측이 생물 활성 분자로 전환될 수 있음을 입증하며, 계산과 습식 실험을 연결하는 폐쇄 루프 워크플로우의 가능성을 보여준다. 이 연구는 후보 물질 발굴 기간을 수년에서 수주로 단축하는 고처리량 AI 기반 발견의 템플릿을 제시한다.

산업 영향

이 기술은 천연물 스크리닝 산업을 근본적으로 뒤흔든다. 기존의 고처리량 스크리닝은 대규모 미생물 배양과 추출에 의존해 수년이 걸리고 재발견율이 높았지만, AI 가상 스크리닝은 후보 지명 단계를 수주로 압축하고 샘플당 정보 활용도를 수십 배 높인다. 대형 제약사에게는 초기 R&D 비용 절감을, 소형 바이오텍에게는 균주 분리 및 발효 장벽을 우회해 환경 DNA에서 직접 약물을 발굴할 기회를 제공한다.

AI 신약 개발 경쟁 구도에도 변화가 예상된다. Recursion, Insilico Medicine 등은 소분자 생성에 집중하고, BenevolentAI, Healx 등은 지식 그래프 추론에 주력하는 반면, 메타지놈 천연물 마이닝은 아직 블루오션이다. 이번 연구가 상용화되면 '마이크로바이옴 AI 마이닝'을 핵심으로 하는 스타트업이 등장해 기존 업체들과 차별화된 경쟁을 펼칠 수 있다. 또한 Illumina, Oxford Nanopore, DNAnexus 같은 시퀀싱 및 생물정보학 플랫폼이 유사 AI 모듈을 통합하도록 촉진할 것이다.

종양학 분야에서는 마이크로바이옴에서 면역 조절제나 종양 미세환경 조절 분자를 발굴하는 속도가 빨라져, 콜드 튜머나 약물 내성 문제에 대한 새로운 후보 물질을 제공할 수 있다. 개인 맞춤 의료에서는 환자의 장내 또는 종양 마이크로바이옴의 단편화된 DNA를 분석해 해당 개인에게 효과적인 미생물 유래 치료제를 신속히 스크리닝하는 시나리오도 가능해진다.

전망

향후 전망에서 중요한 신호는 습식 실험 검증의 심화다. 현재는 예비 세포 독성 데이터만 확보된 상태로, 완전한 생체 내 효능, 약동학, 독성학 평가가 이루어져야 전임상 단계로 진입할 수 있다. 모델 반복에서는 ADMET 예측, 합성 접근성 평가 등 다중 목표 최적화로 확장되고, 생성형 AI와 결합해 자연에 존재하지 않는 하이브리드 유전자 클러스터를 설계하는 방향으로 나아갈 것이다.

데이터 생태계 구축도 경쟁의 핵심이 될 전망이다. 모델 성능은 훈련 데이터의 다양성과 품질에 크게 의존하므로, 전 세계 메타지놈 데이터의 공유와 표준화가 전략적 과제로 떠오를 것이다. '마이크로바이옴 데이터 뱅크'와 같은 공공 인프라가 등장할 가능성도 있다. 또한 환경 DNA에서 유래한 천연물 유도체의 지식재산권과 생물안전성 평가에 대한 규제 및 윤리 프레임워크가 아직 모호해, 업계와 규제 기관 간의 선제적 대화가 필요하다.

합성생물학, 실험실 자동화, AI의 융합은 '예측-합성-테스트-학습'의 폐쇄 루프 플랫폼을 형성해 천연물 약물 발견의 패러다임을 완전히 바꿀 것이다. 지금이 마이크로바이옴 AI 마이닝 기술에 투자하고 독점 데이터를 축적하며 검증 파이프라인을 구축할 결정적 시기다.