미국 펜실베니아의 드렉셀대학 연구팀이 체내 미생물군집을 결정하기 위한 도구로 '패턴인식 능력'을 활용했다. 이에 따라 크론병 같은 미생물군과 관련된 질병 치료제 개발을 가속화할 수 있을 것으로 보인다.

이번 '16S rRNA 앰플리콘 데이터의 주제구조와 기능성 예측'이라는 연구는 미생물군집 데이터가 높은 차원성과 희소성, 그리고 구성성을 지니고 있어, 일반적으로 미생물 데이터와 질병 상태의 관계에 대한 명확한 설명이 어렵다고 강조했다. 

이어 이 같은 질문의 답변에 더욱 가까이 갈 수 있도록 유전자 시퀀싱을 위한 컴퓨터 알고리즘을 도입, 미생물군집이 어떻게 작동하는지를 밝혀낼 수 있는 리보핵산(RNA) 코드를 분석했다.

RNA는 DNA와는 다른 성분으로, 유전자의 발현과 조절, 해독 및 코딩같은 생물학적 역할에 필수적인 핵산을 의미한다.

미생물군집과 치료법 개발

전기 및 컴퓨터공학부의 스티븐 월로시넥과 동료팀은 미생물이 어떻게 신체에서 작용하는지에 대한 더욱 폭 넓은 이해가 필요하다고 강조했다. 

대학의 공과대학 부교수인 가일 로센 역시 이번 연구가 미생물군집의 건강 영향을 결정하기 초기 단계에 불과하다고 말했다. 특히 그는 과거 과학자들이 보다 명확하고 완전한 그림을 그리지 않은 채 연구에만 마구 뛰어들었다고 지적했다. 

미생물들이 어떻게 생겼는지 혹은 내부 구성이 즉각적인 환경에 어떤 영향을 미치는지, 그리고 미생물군집이 얼마나 널리 분포돼있는지에 대한 분명한 연구가 제시되지 않았다는 의미다.

유전자 시퀀싱 해독

이번 연구의 주요 수단은 머신러닝이었다. 머신러닝은 시스템을 프로그래밍하지 않고 경험으로부터 배우고 학습하는 능력을 제공하도록 하는 인공지능 애플리케이션이다. 유전자 시퀀싱의 큰 데이터세트를 해독하는 알고리즘이기도 하다. 

머신러닝은 연구팀이 유전적 및 미생물학적 연구를 실험실에서 데이터 센터로 옮기는데 큰 역할을 했다. 이를 통해 환경 샘플에서 회수된 유전적 물질의 연구에 새로운 기반을 열었다는 평가도 받는다.

연구팀은 유전자 샘플이나 RNA 혹은 DNA의 스캔을 통해 물질 샘플에 존재하는 유기체를 컴퓨터 알고리즘으로 해석할 수 있다고 밝혔다. 또한 이러한 자체 방식을 '테메타지노믹스(themetagenomics)'라고 칭했는데, 공동의 미생물군집 그룹을 나타내는 반복적인 미생물군집 주제구조를 구체적으로 찾는 것에 목적을 두기 때문이라는 설명이다.

팀은 또한 이같은 테메타지노믹스로 미생물군집의 전체 지도를 얻을 수 있었으며, 건강한 사람 및 질병을 앓는 살마 모두에게서 시간이 지남에 따라 어떠한 변화가 나타나는지를 관찰할 수 있었다고 밝혔다. 

이어 미생물구집의 차이를 인식할 수 있도록 도와줘, 이들이 어떻게 기능하는지에 대한 단서뿐 아니라 미생물종의 구성도 알 수 있게 됐다고 덧붙였다.

로센 박사는 오늘날 이용할 수 있는 대부분의 메타지노믹스 방법은 단순히 체내에 어떤 미생물이 풍부한지만을 알려줄뿐이라고 지적했다. 미생물 종이 그들 군집 내 다른 구성원들을 어떻게 지원하는지는 알 수 없다는 것. 

그러나 알고리즘 패턴 인식 기능을 통해 이들의 군집 구성을 파악할 수 있게 됐다는 것은 커다란 수확이다. 예를 들어 박테로이데스 프라길리스균이나 대장균이 존재할 수 있으며, 가장 풍부하게 함유된 미생물이 교차섭취 중이라는 사실도 알 수 있는 것이다. 

인간미생물군 분석

연구팀은 이번 연구의 주요 목표 중 하나가 미생물 군집의 존재를 크론병이나 암같은 질병을 결정하는 척도로 사용하는 것이라고 밝혔다.

인간 미생물 관련 정보

워싱턴대학이 발표한 별도의 연구에 따르면, 인체에서 발견된 미생물 수는 약 100조 개 이상에 이른다. 이들 대부분은 내장, 그중에서도 대장에 산다. 미생물에서 발견된 유전자의 수는 인간 게놈에서 발견된 유전자 수의 200배다.