인공지능 딥러닝을 이용하여 줄기세포를 분석하다

줄기세포 상태와 유전적 변이를 정확하게 분석하는 AI 모델 개발
국제저명 학술지 ’Advanced Intelligent Systems‘에 게재돼

▲왼쪽부터 보건과학대학 바이오시스템의과학부 홍성회 교수(교신저자), 김민재 석박사통합과정(제1저자)

보건과학대학 바이오시스템의과학부 홍성회 교수 연구팀은 인공지능 딥러닝을 활용한 컨볼루션 신경망(Convolutional Neural Network, CNN) 알고리즘을 개발하여 세포 이미지만을 보고 세포 상태, 돌연변이 유무 등을 정확하게 구분할 수 있는 AI 모델을 개발했다.

* 컨볼루션 신경망(CNN) : 딥러닝의 종류 중 하나로 이미지를 분석하고 패턴을 찾는데 유용한 알고리즘으로 데이터에서 이미지를 직접 학습하고 패턴을 사용해 이미지를 분류

세포 배양은 분자생물학과 세포생물학 등을 비롯한 생물학 연구에서 가장 기본적인 기술 중 하나로써, 질병의 진단 또는 치료 등 다양한 목적으로 이용되고 있다. 특히, 줄기세포(stem cell)의 경우 재생의료 분야에서 질병치료를 위한 소중한 세포자원으로 활용되고 있기에 많은 관심을 받고 있다. 줄기세포 배양을 진행하는 동안 연구자는 줄기세포가 본래 의도한 모양으로 잘 유지되고 있는지 또는 특정 세포로 분화되고 있는지를 확인해야 한다. 그러나, 사람의 육안으로 미세한 세포 변화를 완벽하게 파악하는 것은 거의 불가능하고, 줄기세포 상태를 정확하게 파악하기 위해 분석 방법과 분석 기구를 이용해야 하므로 많은 노력과 비용이 소요되는 문제가 있다.

이러한 문제를 해결하기 위해 본 연구팀은 인공지능 딥러닝 방식을 통해 줄기세포를 분석하는 AI 모델을 개발했다. 다양한 세포 이미지를 CNN 알고리즘이 구분할 수 있는지 알아보기 위해 배아줄기세포와 유도만능줄기세포를 사용했다. 각각의 줄기세포를 다양한 배양조건에 적용하여 세포 모양을 미세하게 변화시켰고, 계대배양 후 24시간 내의 세포 배양 시간 동안 특정 시간에 세포 이미지를 획득하였다.

* 배아줄기세포 : 발생 초기인 배아단계에서 나오는 세포. 인체에 존재하는 모든 종류의 세포로 분화할 수 있는 능력 보유

* 유도만능줄기세포 : 인간의 체세포(피부세포, 혈액세포 등)를 특정 배양조건에서 배아줄기세포와 유사한 성질을 가지도록 변환 한 줄기세포

줄기세포의 미세한 모양 변화를 배양 시간과 배양액 조건별로 학습하여 정확도를 분석한 결과, CNN이 세포 이미지만을 보고 줄기세포 상태, 즉 자기복제(self-renewal) 또는 분화(differentiation) 정도를 예측할 수 있는 정확도가 평균 90% 이상으로 기록됐다. 이러한 기술은 본 연구에서 사용한 줄기세포 뿐만 아니라 다양한 종류의 줄기세포에도 적용 가능하다. 또한, 딥러닝 기반의 컨볼루션 신경망을 이용하여 미리 학습 및 저장 관리함으로써, 세포의 유지 배양 및 분화 유도 과정에서 각 시간대별로 세포 특성을 구별하여 실험 과정의 성공 여부를 판단할 수도 있다.

일반적으로, 유도만능줄기세포를 장기간 배양하면 유전자 변이가 발생하게 되고, 이로 인해 세포 기능 변화, 줄기세포 치료 효능감소, 종양 형성과 같은 치명적인 부작용이 유발될 수 있다. 흥미롭게도, CNN은 세포 내부에서 발생하는 유전자 변이로 미세하게 변화한 세포 모양까지 높은 정확도로 분석할 수 있음을 입증했다. 즉, 생물학적으로 유전자 변이를 입증해야 하는 실험 과정(핵형분석, 면역화학 염색, whole genome sequencing, RNA sequencing 등)을 생략하고, 세포 이미지만으로 유전자 변이유무를 확인할 수 있는 것이다.

연구책임자인 홍성회 교수는 “같은 세포와 같은 배양조건을 이용하더라도 연구실, 연구자마다 서로 상이한 결과를 도출하게 되는데, CNN을 이용한 딥러닝 기술은 이러한 문제를 해소하는 데 큰 도움을 줄 수 있다. 향후 딥러닝 알고리즘을 장착한 로봇이 세포를 배양하는 무인 세포 배양 자동화 시스템이 구축되면, 세포 변형과 오염으로부터 좀 더 안전한 줄기세포 배양이 가능해짐으로써 세포 치료제와 같은 혁신적인 바이오의약품 개발이 더 활성화될 수 있을 것으로 기대된다”고 연구 결과에 대한 기대를 드러냈다.

이번 연구는 정부의 바이오·의료기술개발 사업, 범부처 재생의료기술개발 사업 및 중견연구자지원 사업의 지원을 받아 수행되었으며, 논문은 한국시간 4월 17일에 인공지능 분야 우수 학술지인 ‘Advanced Intelligent Systems’ 온라인판에 게재되었다.
* 논문명 : Prediction of Stem Cell State Using Cell Image-Based Deep Learning

[ 그 림 설 명 ]

그림 1. CNN 알고리즘 흐름도

다양한 배양액 조건에서 변화해가는 세포 모양을 특정 시간대에 현미경을 통해 이미지를 획득한 후, 총 5개의 컨볼루션 레이어(Convolutional layers)로 구성된 CNN 알고리즘으로 세포의 특징들을 분석함으로써 세포종류, 배양조건 및 배양시간을 학습하게 됨. CNN 알고리즘에 필요한 줄기세포 이미지 수는 다음과 같다.
- 훈련단계(Training)에 필요한 이미지 수는 조건 당 2,000장
- 검증단계(Validation)에 필요한 이미지 수는 조건 당 800장
- 테스트단계(Test)에 필요한 이미지 수는 조건 당 100장

그림 2. CNN 훈련으로 세포 배양 조건과 유전자 변이에 따른 줄기세포 상태 구분 가능

A. 배아줄기세포에 줄기세포 특성을 유지시켜주는 LIF(Leukaemia inhibitory factor)가 첨가된 세포 배양 조건(LIF(+)과 LIF를 제거한 세포 배양 조건(LIF(-)) 적용
B. 계대배양 후 24시간 내의 짧은 세포 배양 동안 특정 시간대의 세포 모양을 CNN 알고리즘을 통해 훈련한 결과 세포 이미지만을 보고 어떤 세포 배양 조건인지 구별할 수 있는 정확도가 99% 이상으로 기록됨
C. 같은 세포 배양 조건에서 자라는 다양한 형태의 돌연변이를 가진 유도만능줄기세포 모양 사진
D. 세포 사진으로 유전자 변이 여부를 판단할 수 없지만, CNN 알고리즘을 이용하면 어떤 세포가 유전적 변이를 가졌는지 98% 이상의 높은 정확도로 구별 가능

커뮤니케이션팀 전봉준(jbj0522@korea.ac.kr)