AI 모델로 예측한 박테리아의 다중 저항성

방대한 양의 유전적 데이터로 훈련된 AI 모델은 박테리아가 항생제 내성을 갖게 될지 예측할 수 있다. 새로운 연구에 따르면 항생제 내성은 유전적으로 유사한 박테리아 사이에서 더 쉽게 전파되며 주로 폐수 처리 시설과 인체 내부에서 발생합니다.

"박테리아의 내성이 어떻게 생기는지 이해하면, 우리는 박테리아의 확산을 더 잘 막을 수 있습니다. 이는 공중 보건과 감염을 치료하는 의료 시스템의 능력을 보호하는 데 중요합니다." 스웨덴 찰머스 공과대학과 예테보리 대학의 수학 과학과 교수인 에릭 크리스티안손이 말했습니다.

세계보건기구(WHO)에 따르면 항생제 내성은 세계 건강에 가장 큰 위협 중 하나입니다. 박테리아가 내성을 갖게 되면 항생제의 효과가 사라져 폐렴과 패혈증과 같은 질환을 치료하기 어렵거나 불가능하게 됩니다. 항생제 내성 박테리아가 증가하면 장기 이식과 암 치료와 같은 많은 의료 시술과 관련된 감염을 예방하기도 더 어려워집니다. 항생제 내성이 빠르게 퍼지는 근본적인 이유는 박테리아가 유전자를 교환할 수 있는 능력으로, 여기에는 박테리아를 내성으로 만드는 유전자도 포함됩니다.

"인간에게 해로운 박테리아는 많은 내성 유전자를 축적했습니다. 이러한 유전자의 대부분은 우리 몸이나 환경에 사는 무해한 박테리아에서 유래합니다. 저희 연구는 이러한 복잡한 진화 과정을 조사하여 이러한 유전자가 병원성 박테리아로 어떻게 전이되는지 알아냅니다. 이를 통해 미래의 박테리아가 어떻게 내성을 개발하는지 예측할 수 있습니다."라고 Erik Kristiansson은 말합니다.

전 세계의 복잡한 데이터

Nature Communications 에 게재되고 Chalmers University of Technology, Gothenburg University, Fraunhofer-Chalmers Centre의 연구자들이 수행한 새로운 연구에서 연구자들은 박테리아의 DNA, 구조, 서식지에 대한 정보를 사용하여 박테리아 간의 역사적 유전자 전이를 분석하는 AI 모델을 개발했습니다. 이 모델은 국제 연구 커뮤니티가 수년에 걸쳐 수집한 방대한 데이터 세트인 거의 백만 개의 박테리아 게놈에서 학습되었습니다.

"AI는 방대한 양의 데이터가 있는 복잡한 상황에서 최대한의 능력을 발휘할 수 있습니다." 찰머스 대학교와 예테보리 대학교의 수학 과학과 박사 과정생인 데이비드 룬드가 말했습니다. "저희 연구의 독특한 점은 무엇보다도 모델을 훈련하는 데 사용된 방대한 양의 데이터입니다. 이는 AI와 머신 러닝이 박테리아 감염을 치료하기 어렵게 만드는 복잡한 생물학적 과정을 설명하는 데 얼마나 강력한 도구인지 보여줍니다."

항생제 내성이 발생하는 시점에 대한 새로운 결론

이 연구는 어떤 환경에서 저항 유전자가 서로 다른 박테리아 사이에서 전이되었는지, 그리고 일부 박테리아가 다른 박테리아보다 유전자를 서로 바꿀 가능성이 더 높은 이유는 무엇인지 보여줍니다.

"우리는 인간과 정수 처리 시설에서 발견되는 박테리아가 유전자 전이를 통해 내성을 가질 가능성이 더 높다는 것을 봅니다. 이는 내성 유전자를 지닌 박테리아가 서로 마주치는 환경이며, 종종 항생제가 있는 곳에서 발생합니다."라고 데이비드 런드는 말합니다.

저항 유전자가 한 박테리아에서 다른 박테리아로 "점프"할 가능성을 높이는 또 다른 중요한 요소는 박테리아의 유전적 유사성입니다. 박테리아가 새로운 유전자를 흡수하면 DNA를 저장하고 유전자가 코드화하는 단백질을 생산하는 데 에너지가 필요하며, 이는 박테리아에 비용을 의미합니다.

"대부분의 저항 유전자는 유사한 유전적 구조를 가진 박테리아 사이에서 공유됩니다. 우리는 이것이 새로운 유전자를 받아들이는 비용을 줄인다고 믿습니다. 우리는 이 과정을 더 정확하게 제어하는 ​​메커니즘을 이해하기 위한 연구를 계속하고 있습니다."라고 Erik Kristiansson은 말합니다.

진단 모델을 기대하다

모델의 성능은 연구자들이 저항 유전자의 전이가 발생했다는 것을 알고 있지만 AI 모델에 미리 알려주지 않은 박테리아에 대해 평가하여 테스트되었습니다. 이는 일종의 시험으로 사용되었으며, 연구자만 답을 가지고 있었습니다. 5건 중 4건에서 모델은 저항 유전자의 전이가 발생할지 여부를 예측할 수 있었습니다. Erik Kristiansson은 미래의 모델은 부분적으로 AI 모델 자체를 개선하고 부분적으로 더 큰 데이터로 학습함으로써 더욱 정확해질 수 있을 것이라고 말합니다.

"AI와 머신 러닝은 오늘날 사용 가능한 엄청난 양의 데이터를 효율적으로 분석하고 해석할 수 있게 해줍니다. 즉, 우리는 오랫동안 씨름해 온 복잡한 질문에 답하기 위해 데이터 중심적으로 작업할 수 있고, 완전히 새로운 질문을 할 수도 있습니다."라고 에릭 크리스티안손은 말합니다.

연구진은 앞으로 AI 모델을 시스템에 적용해 새로운 내성 유전자가 병원성 박테리아로 전이될 위험이 있는지 신속히 파악하고 이를 실용적인 조치로 전환할 수 있기를 바라고 있습니다.

"예를 들어, AI 모델은 다중 내성 박테리아의 새로운 형태를 찾기 위한 분자 진단을 개선하거나 항생제가 존재하는 폐수 처리 시설과 환경을 모니터링하는 데 사용될 수 있습니다."라고 Erik Kristiansson은 말합니다.

출처: https://www.sciencedaily.com/releases/2025/04/250402122851.htm