AI가 발견한 신종 바이러스 16만종 이상

인공지능(AI)은 지구 곳곳과 우리 발 밑에서 살고 있는 다양하고 근본적인 생명체에 대한 자세한 내용을 밝혀내는 데 사용되었습니다.

연구자들은 기계 학습 도구를 사용해 161,979종의 새로운 RNA 바이러스 종을 발견했으며, 이를 통해 지구상 생명체에 대한 지도 작성이 크게 개선되고 아직 특성화되지 않은 수백만 개의 바이러스를 식별하는 데 도움이 될 수 있을 것으로 믿고 있습니다.

Cell 에 게재되었으며 국제 연구진이 수행한 이 연구는 지금까지 출판된 바이러스 종 발견 논문 중 가장 규모가 큽니다.

시드니 대학교 의학 및 건강 학부 의학과의 에드워즈 홈스 교수는 "우리는 지구 생명의 숨겨진 측면을 들여다볼 수 있는 창을 얻었고, 놀라운 생물학적 다양성을 보여주었습니다."라고 말했습니다.

홈스 교수는 "이것은 단일 연구에서 발견된 가장 많은 수의 새로운 바이러스 종으로, 우리 사이에 사는 바이러스에 대한 우리의 지식을 엄청나게 확장합니다."라고 말했습니다. "한 번에 이렇게 많은 새로운 바이러스를 발견하는 것은 정신이 아찔해지고, 표면을 긁은 것에 불과하며, 발견의 세계를 여는 것입니다. 발견해야 할 바이러스가 수백만 개 더 있으며, 우리는 이와 동일한 접근 방식을 박테리아와 기생충을 식별하는 데 적용할 수 있습니다."

RNA 바이러스는 일반적으로 인간 질병과 관련이 있지만, 전 세계의 극한 환경에서도 발견되며 심지어 지구 생태계에서 중요한 역할을 할 수도 있습니다. 이 연구에서는 대기, 온천, 열수 분출구에서 사는 것으로 밝혀졌습니다.

홈스 교수는 "극한의 환경이 이렇게 많은 종류의 바이러스를 보유하고 있다는 것은 바이러스가 엄청난 다양성을 가지고 있으며 가장 혹독한 환경에서도 살아남을 수 있는 끈기를 가지고 있다는 것을 보여주는 또 다른 사례일 뿐이며, 바이러스와 다른 기본 생명체가 어떻게 생겨났는지에 대한 단서를 제공할 가능성이 있습니다."라고 말했습니다.

AI 도구가 작동하는 방식

연구진은 최대 47,250개의 뉴클레오티드로 구성된 긴 바이러스 유전체와 160,000개 이상의 바이러스를 발견하기 위한 복잡한 유전체 정보를 포함한 방대한 양의 유전자 서열 데이터를 계산하는 딥 러닝 알고리즘인 루카프로트(LucaProt)를 구축했습니다.

"이러한 바이러스의 대부분은 이미 시퀀싱되어 공개 데이터베이스에 있었지만, 너무나 다양해서 아무도 그것이 무엇인지 알지 못했습니다." 홈즈 교수가 말했습니다. "그것들은 종종 시퀀스 '다크 매터'라고 불리는 것으로 구성되었습니다. 우리의 AI 방법은 이 모든 이질적인 정보를 정리하고 분류하여 처음으로 이 다크 매터의 의미에 빛을 비출 수 있었습니다.

AI 도구는 암흑 물질을 계산하고 모든 RNA 바이러스가 복제에 사용하는 단백질의 시퀀스와 2차 구조를 기반으로 바이러스를 식별하도록 훈련되었습니다.

이 기술을 사용하면 기존 방법을 사용했다면 많은 시간이 소요되었을 바이러스 발견을 상당히 빠르게 진행할 수 있었습니다.

Sun Yat-sen University의 공동 저자이자 이 연구의 기관 책임자인 Mang Shi 교수는 "우리는 바이러스 발견을 위해 지루한 생물정보학 파이프라인에 의존하여 탐색할 수 있는 다양성을 제한했습니다. 이제 우리는 뛰어난 민감도와 특이성을 제공하는 훨씬 더 효과적인 AI 기반 모델을 보유하고 있으며, 동시에 바이러스 다양성을 훨씬 더 깊이 파고들 수 있습니다. 우리는 이 모델을 다양한 응용 프로그램에 적용할 계획입니다."라고 말했습니다.

알리바바 클라우드 인텔리전스의 Apsara Lab에서 연구하는 공동 저자인 Zhao-Rong Li 박사는 "LucaProt는 최첨단 AI 기술과 바이러스학의 중요한 통합을 나타내며, AI가 생물학적 탐구에서 작업을 효과적으로 수행할 수 있음을 보여줍니다. 이 통합은 생물학적 시퀀스의 추가 디코딩과 새로운 관점에서 생물학적 시스템의 해체에 대한 귀중한 통찰력과 격려를 제공합니다. 또한 바이러스학을 위한 AI 분야에서 연구를 계속할 것입니다."라고 말했습니다.

홈즈 교수는 "다음으로 할 당연한 단계는 이 놀라운 다양성을 더욱 많이 찾아내는 방법을 훈련하는 것이고, 그 과정에서 어떤 추가적인 놀라움이 기다리고 있을지 누가 ​​알겠는가"라고 말했습니다.

출처: https://www.sciencedaily.com/releases/2024/10/241009121318.htm