▲ 감마 하이드록시뷰티르산 대사경로 이미지에 EBPI를 적용하여, 해당 생화학 반응 정보를 추출한 예시(그림=KAIST)  © 특허뉴스

KAIST 생명화학공학과 김현욱 교수 연구팀이 문헌 속 바이오 경로 이미지를 자동으로 분석해 생화학 반응 정보를 추출하는 기계학습 기반 프레임워크 'EBPI(Extraction of Biological Pathway Information)'를 세계 최초로 개발했다고 밝혔다. 이번 연구는 대사공학 및 합성생물학 분야의 대표 국제 학술지 Metabolic Engineering에 게재되며 학계와 산업계의 주목을 받고 있다.

유전자, 단백질, 대사물질 등 복잡한 정보를 표현하는 바이오 경로 이미지는 생명공학 연구에서 핵심적 역할을 하지만, 이미지 기반 정보 추출에 대한 연구는 아직 미진했다. 이를 해결하기 위해 연구팀은 기계학습 기술을 활용, 문헌에서 추출한 바이오 경로 이미지를 분석해 편집 가능한 표 형식으로 정보를 재구성하는 EBPI 프레임워크를 개발했다.

EBPI는 이미지 속 화살표와 텍스트를 객체 감지 모델로 분석하여 유전자, 단백질, 대사물질 등을 분류하고, 이를 통합하여 표 형식의 데이터로 변환한다. 연구팀은 74,853편의 논문에서 추출한 바이오 경로 이미지를 기반으로 EBPI의 성능을 검증한 결과, 높은 정확도로 정보를 추출하는 데 성공했다.

연구팀은 EBPI를 활용해 기존 데이터베이스에 포함되지 않은 생화학 반응 정보를 대규모 문헌 속 바이오 경로 이미지에서 확인했다. 대표적으로 화학산업에 응용 가치가 높은 1,4-부탄디올, 레불린산, 발레로락탐 등 다양한 대사물질의 생합성 경로를 새롭게 밝혀냈다. 이러한 발견은 산업적 응용 가능성을 확대하며, 기존 데이터베이스의 한계를 뛰어넘는 성과로 평가된다.

김현욱 교수는 “EBPI는 대규모 데이터 기반 연구에서 실험 설계와 분석을 혁신적으로 바꿀 도구로, 생명공학, 대사공학, 합성생물학 분야에 새로운 가능성을 열었다”고 말했다. 연구의 공동 제1 저자인 권문수 박사과정생과 이준규 박사과정생은 "이번 연구가 바이오 경로 이미지를 AI로 분석하는 최초의 사례로, 관련 연구 전반에 큰 파급효과를 가져올 것"이라고 전했다.

EBPI의 개발은 대사공학과 합성생물학뿐 아니라 신약 개발, 생물학적 생산 공정 설계, 화학 산업 응용 등 다양한 분야에서 활용될 전망이다. 특히, AI를 통해 대규모 데이터를 분석함으로써 연구 효율성을 극대화하고 새로운 과학적 통찰을 제공할 것으로 기대된다. KAIST의 이번 성과는 한국이 생명공학 및 AI 융합 연구의 선도국으로 자리매김하는 데 기여할 중대한 발걸음이다.

논문명은 A machine learning framework for extracting information from biological pathway images in the literature 이다.