MIT의 Yunha Hwang 교수, 게놈 언어 모델을 통해 미생물의 비밀을 풀다

섹션별 상세

지구상 미생물의 극소수만이 실험실에서 배양 가능하며, 대다수는 '미생물 암흑 물질'로 남아 있다. Hwang 교수는 배양 없이 환경 샘플에서 직접 DNA를 추출하는 메타게놈 방식에 기계 학습을 결합하여 이들의 패턴을 분석한다.

인간의 언어를 학습하는 LLM과 유사하게, DNA 염기서열을 언어로 간주하여 모델을 학습시킨다. 이는 수백만 개의 문자로 구성된 게놈 데이터를 기계가 분절하고 의미 있는 단위로 파악하게 함으로써 인간이 인지하기 힘든 생물학적 규칙을 찾아낸다.

기존 연구가 단백질 서열 자체에 집중했다면, Hwang 교수는 게놈 상에서 해당 단백질 앞뒤에 위치한 서열 정보인 '맥락'을 통합한다. 기능적으로 연결된 단백질들은 게놈 상에서도 인접해 있는 경향이 있어, 이 맥락 정보는 단백질의 기능을 더 정확히 예측하는 핵심 단서가 된다.

미생물은 뛰어난 화학자로서 새로운 치료제나 지속 가능한 폴리머 생산의 원천이 된다. 또한 지구의 탄소 및 질소 순환의 핵심 역할을 수행하므로, 미생물의 게놈을 이해하는 것은 기후 변화 모델링과 병원균 대응에 필수적이다.

용어 해설

메타게놈학(Metagenomics): — 배양되지 않은 미생물 군집으로부터 직접 유전체 데이터를 추출하여 분석하는 기법이다. 실험실에서 키울 수 없는 99% 이상의 미생물을 연구할 수 있게 해주며, 생태계 내 미생물의 다양성과 기능을 파악하는 데 필수적이다.
게놈 언어 모델(Genomic Language Model): — DNA 염기서열을 인간의 언어와 같은 텍스트 데이터로 간주하고 Large Language Model(LLM) 아키텍처를 적용해 학습시킨 모델이다. 생물학적 서열 내의 패턴과 규칙을 파악하여 유전자의 기능을 예측하거나 새로운 서열을 생성하는 데 사용된다.
미생물 암흑 물질(Microbial Dark Matter): — 존재는 확인되었으나 실험실 배양이 불가능하여 그 기능이나 특성이 거의 알려지지 않은 미생물 군집을 의미한다. 지구상 미생물의 대다수를 차지하며, 새로운 효소나 항생제 후보 물질의 보고로 여겨진다.
기능적 결합(Functional Coupling): — 특정 생물학적 기능을 수행하기 위해 여러 단백질이 함께 작용하는 현상이다. 유전체 상에서 이러한 단백질들을 코딩하는 유전자들이 서로 인접하게 배치되는 경향이 있어, 게놈 내 위치 정보(맥락)를 통해 기능을 유추하는 근거가 된다.

기술

Genomic Language Model
Machine Learning
Metagenomics
DNA Sequencing

활용 사례

지속 가능한 신소재 및 치료제 개발
지구 탄소 및 질소 순환 모델링
신종 병원균 대응 및 감염병 연구

언급된 리소스

문서Yunha Hwang - MIT Department of Biology

문서MIT Schwarzman College of Computing

섹션별 상세

용어 해설

메타게놈학(Metagenomics): — 배양되지 않은 미생물 군집으로부터 직접 유전체 데이터를 추출하여 분석하는 기법이다. 실험실에서 키울 수 없는 99% 이상의 미생물을 연구할 수 있게 해주며, 생태계 내 미생물의 다양성과 기능을 파악하는 데 필수적이다.
게놈 언어 모델(Genomic Language Model): — DNA 염기서열을 인간의 언어와 같은 텍스트 데이터로 간주하고 Large Language Model(LLM) 아키텍처를 적용해 학습시킨 모델이다. 생물학적 서열 내의 패턴과 규칙을 파악하여 유전자의 기능을 예측하거나 새로운 서열을 생성하는 데 사용된다.
미생물 암흑 물질(Microbial Dark Matter): — 존재는 확인되었으나 실험실 배양이 불가능하여 그 기능이나 특성이 거의 알려지지 않은 미생물 군집을 의미한다. 지구상 미생물의 대다수를 차지하며, 새로운 효소나 항생제 후보 물질의 보고로 여겨진다.
기능적 결합(Functional Coupling): — 특정 생물학적 기능을 수행하기 위해 여러 단백질이 함께 작용하는 현상이다. 유전체 상에서 이러한 단백질들을 코딩하는 유전자들이 서로 인접하게 배치되는 경향이 있어, 게놈 내 위치 정보(맥락)를 통해 기능을 유추하는 근거가 된다.

기술

Genomic Language Model
Machine Learning
Metagenomics
DNA Sequencing

활용 사례

지속 가능한 신소재 및 치료제 개발
지구 탄소 및 질소 순환 모델링
신종 병원균 대응 및 감염병 연구

언급된 리소스

문서Yunha Hwang - MIT Department of Biology

문서MIT Schwarzman College of Computing

MIT의 Yunha Hwang 교수, 게놈 언어 모델을 통해 미생물의 비밀을 풀다

섹션별 상세

용어 해설

기술

활용 사례

언급된 리소스

MIT의 Yunha Hwang 교수, 게놈 언어 모델을 통해 미생물의 비밀을 풀다

섹션별 상세

용어 해설

기술

활용 사례

언급된 리소스

관련 토론

댓글

관련 피드

관련 토론

댓글

관련 피드