생성형 AI로 유전자 네트워크 해독…암·당뇨 맞춤치료 길 열렸다

암, 당뇨병, 천식 같은 질병은 누구에게나 익숙하지만, 왜 어떤 사람은 걸리고 어떤 사람은 피할 수 있을까. 유전자 하나로 설명되지 않는 이 복잡한 질문에 인공지능(AI)이 새로운 해법을 제시하고 있다.

노스웨스턴대학 연구팀은 복합질환 발생에 관여하는 유전자 조합을 규명할 수 있는 AI 기반 분석법을 개발했다. 기존 유전자 분석법으로는 확인하기 어려웠던 유전자 네트워크의 집단적 영향을 정밀하게 평가할 수 있는 접근법이다. 연구 결과는 미국국립과학원회보(PNAS)에 발표됐다.

당뇨병, 암, 천식 등 복합질환은 단일 유전자가 아닌 다수 유전자의 상호작용으로 발생한다. 이처럼 유전자 네트워크가 질병 형성에 중요한 역할을 하는 경우 기존의 분석법인 전장유전체연관분석(GWAS)은 개별 유전자와 질병과의 통계적 연관성은 파악할 수 있지만, 유전자들의 집단적 작용 메커니즘은 규명하기 어렵다.

유전자 발현 기반 생성형 AI 모델 TWAVE 개발

연구팀이 개발한 ‘트랜스크립톰 기반 조건부 변분 오토인코더(Transcriptome-Wide conditional Variational auto-Encoder, TWAVE)’는 기존 방식과 접근법이 다르다. DNA 염기서열 자체가 아니라 유전자 발현(transcriptome) 데이터를 학습해 복합 유전자 네트워크 내에서 질병 발생에 중요한 역할을 하는 유전자 조합을 추출한다.

유전자 발현 데이터는 세포에서 실제로 어떤 유전자가 얼마나 활성화되어 있는지를 반영한다. 이는 환경 요인과 생활습관의 영향을 포함해 동적 상태를 보여준다. 따라서 유전자 발현 기반 분석은 단순한 유전적 구성(genotype)만으로는 설명할 수 없는 질병 특성을 반영할 수 있다.

TWAVE는 건강한 상태와 질병 상태에서의 유전자 발현 데이터를 학습하고, 조건부 생성 AI를 활용해 질병 발생과 관련된 유전자 발현 패턴을 모사한다. 이를 통해 어떤 유전자 조합의 변화가 세포 상태를 건강에서 질병으로, 또는 그 반대로 변화시키는지 분석할 수 있다.

질병 원인 유전자 조합 정확도 높여

기존의 단일 유전자 중심 분석법은 복합질환과 같은 다인자성 질환에서 질병의 원인을 명확히 밝히는 데 한계가 있다. 인간의 다양한 표현형(phenotype), 예를 들어 키, 지능, 머리색 등 역시 다수 유전자의 상호작용으로 형성된다.

연구팀은 TWAVE가 기존 방법으로는 포착하기 어려운 질병 관련 유전자 조합을 효과적으로 식별할 수 있음을 확인했다. 또한 동일한 복합질환이라도 환자별로 서로 다른 유전자 조합이 원인으로 작용할 수 있다는 점도 밝혀냈다. 이는 복합질환이 동일한 임상적 증상을 보이더라도 그 유전적 원인이 사람마다 다를 수 있음을 보여준다.

맞춤형 치료 설계에 활용 가능성

TWAVE는 유전자 발현 데이터를 기반으로 분석하기 때문에 환자 개인의 유전자 발현 프로필에 따라 맞춤형 치료 전략을 설계하는 데 활용될 수 있다.

특히 유전자 발현 데이터는 DNA 염기서열과 달리 고정된 개인 식별 정보가 아니라 세포 상태를 반영하는 데이터이므로 개인정보 보호 측면에서도 활용도가 높다. 또한 유전자 발현 데이터에는 환경 요인의 영향이 반영되어 있어 보다 실제적인 질병 발생 메커니즘을 파악하는 데 유리하다.

향후에는 개인별 유전자 발현 패턴을 활용해, 같은 당뇨병 환자라 하더라도 각자의 유전자 조합에 따른 최적의 치료법을 설계하거나, 약물 반응을 예측하는 데까지 응용이 가능할 것으로 기대된다. 연구팀은 여러 복합질환 사례에 TWAVE를 적용해 기존 분석법보다 높은 정확도로 질병 관련 유전자 조합을 규명했다. AI가 복합질환 정밀의료의 새 도구로 자리 잡을 가능성이 열리고 있다.

김지윤 기자/ hello@sciencewave.kr

참고 논문: Motter, Adilson E., Generative prediction of causal gene sets responsible for complex traits, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2415071122. doi.org/10.1073/pnas.2415071122

자료: Proceedings of the National Academy of Sciences / Northwestern University