솔직히 전공 할 때는 벼의 개화 뭐 이런 얘기 중요한거맞나 하면서 했는데, 요새 물가상승에 음식료가 직격탄 중 하나고 거기에 엘니뇨 라니냐 WTO 예 라는거 배우고나니까 세상 연구 중 의미없는건 없구나 하는 생각이 듦. C3/C4경로 진짜 추억돋는다..근데 추억이 아니고 PTSD인거같기도? 그리고 네이쳐는 아무리그래도 전공자들 읽는 논문에 초등학교 교과서같은 피겨를 넣은 건 너무하지않나 싶음🤔
근데 갑지기 개뜬금없이 이런얘기 왜하냐, 이 식물 연구 얘기에도 AI가 등장하기 때문
📄 본문 중
런던에 위치한 InstaDeep(현재 독일 마인츠의 BioNTech가 소유), Alphabet의 X Moonshot Factory에서 분사한 Heritable Agriculture, 최근 비공개 개발 단계에서 벗어난 파리의 Living Models 등 AI 전문기업들은 모두 방대한 유전체 및 멀티오믹스 데이터셋을 기반으로 식물 생물학의 예측 모델을 개발했다.
2년 전 InstaDeep은 48개 식물 종의 약 1,050만 개 유전체 서열을 학습한 파운데이션 대규모 언어모델인 AgroNT를 발표했다. 학습에 사용된 식물 대부분은 식용 작물이었다.
인간 언어를 학습한 대규모 언어모델이 텍스트를 분석하고 생성할 수 있는 것처럼, AgroNT는 식물의 DNA를 '읽고' 특정 조절 및 기능적 특징을 예측할 수 있다. 여기에는 프로모터(Promoter)와 터미네이터(Terminator)의 활성 강도, 수백만 가지 돌연변이의 영향, 다양한 조직에서의 유전자 발현 수준 등이 포함된다. 기존 모델들은 일반적으로 단일 식물 종의 데이터를 학습했다는 점에서 AgroNT는 해당 분야의 중요한 기술적 전환점이었다.
최신 모델인 Nucleotide Transformer v3(NTv3) 는 식물 2,000종을 포함한 12만 8,000개 생물 종의 유전체 데이터를 이용해 사전학습됐다. 이후 25개 동식물 종의 유전체 및 기능적 데이터를 활용한 추가 학습을 통해 모델을 개선했다. 기능적 데이터에는 RNA-seq, ChIP-seq, ATAC-seq, CAGE, DNase-seq 데이터가 포함됐다. 이를 통해 모델의 예측 능력은 전사 활성(Transcriptional Activity), DNA-단백질 상호작용, 염색질 접근성(Chromatin Accessibility), 전사 시작 위치(Transcriptional Start Sites), 기타 유전자 조절 요소까지 확장됐다. 이러한 플랫폼은 정밀육종(Precision Breeding)에 수반되는 추측과 상당한 현장시험 부담을 줄일 수 있을 것으로 기대된다.
InstaDeep의 응용 유전체 AI 부문 책임자인 Marie Lopez는 다음과 같이 설명했다.
"형질 발굴은 역사적으로 가설에 기반한 경험적 접근이었습니다. 먼저 가설을 세운 다음 여러 재배기간에 걸친 현장시험을 통해 검증하는 방식이었습니다."
AI는 이러한 주기를 단축하는 동시에 새로운 생물학적 통찰을 제공할 것이다. 또한 그 통찰을 실제로 설계된 유전자교정 결과에 반영할 수 있는 생성 능력도 제공하게 된다. 이 과정에서는 식물 유전체의 DNA 서열뿐만 아니라 유전자 조절 특징을 이해하는 것이 중요하다.
"수확량과 스트레스 저항성처럼 기후변화와 관련된 복잡한 형질을 결정하는 변이의 상당 부분은 유전자 조절 계층에 존재합니다. 따라서 조절 서열을 읽고 설계할 수 있는 모델은 육종가가 궁극적으로 조절하고자 하는 바로 그 요소를 다루고 있는 것입니다."
옥수수와 대두를 초기 연구 대상으로 하는 Syngenta Seeds와의 형질 발굴 파트너십은 이러한 접근법을 검증한 초기 사례였다. 이후 협력 범위는 다른 작물로 확대됐지만, 양사는 현재 추가적인 세부 사항을 공개하지 않고 있다.
한편 Living Models는 최근 AI 에이전트 기반의 'Model Factory'에 관한 프리프린트를 공개했다.
Model Factory는 AI 파운데이션 모델을 구축하기 위한 인프라로, 320개 식물 종의 유전체 데이터를 이용해 학습됐다.
회사는 이를 기반으로 유전체 언어모델(Genomic Language Models) 제품군을 개발했다. Living Models에 따르면 이러한 모델은 연관불평형(Linkage Disequilibrium) 문제를 해결하는 데 도움이 될 수 있다.연관불평형은 두 유전적 변이가 함께 유전되는 경향을 의미한다. 이는 연구자가 질병이나 형질의 원인이 되는 인과적 변이(Causal Variant)와 단순히 함께 나타나는 비인과적 변이(Non-causal Variant)를 구분하는 데 중요한 장애요인으로 작용한다.
Heritable Agriculture는 최근 암스테르담 소재 위탁연구기관인 Annogen Agri와 협력 계약을 체결했다. 이 협력의 목적은 옥수수에서 유전자 발현에 실제로 영향을 미치는 비암호화 변이(Noncoding Variants)와 그렇지 않은 변이를 구분하는 것이다. Annogen은 식물 원형질체(Protoplast), 즉 세포벽이 제거된 식물세포를 이용해 고처리량 검증 실험(High-throughput Validation Experiments)을 수행할 예정이다. Heritable Agriculture에 따르면 여기서 생성되는 기능적 데이터는 자사 AI 플랫폼의 기반이 되는 DNA 서열과 유전자 발현 사이의 관계(Sequence-to-expression Rules) 를 더욱 정교하게 만드는 데 기여할 것이다.
재밌다
간략히 설명하면 옥수수나 벼 밀 보리같은 주요 구황식물들은 외떡잎식물이고 트랜스포존이라는게 있음. 트랜스포존은 염색체 안에서 지 맘대로 랜덤하게 위치가 옮겨지는 유전자임. 아무데나 갑자기 끼워들어가고 복제되고 이러다보니 돌연변이 다양성이 많아짐. 문제는 이게 너무 많음. 외떡잎식물은 유전체 전체의 80%가 넘게가 다 트랜스포존임.
문제는 이 트랜스포존때문에 옥수수나 벼를 CRISPR같은 걸로 유전자편집을 해서 어떤 종을 만드는게 매우 빡셈. 만들어도 걔네가 갑자기 이상한 형질이 튀어나오는데, 이게 유전자편집때문인가 트랜스포존때문인가 알 수가 없기 때문. 심지어 어찌저찌해서 뭐 유전자 하나 편집 성공! 해봤자 다음 세대 넘어가면 응 소용없어 하고 싹 다른형질 나오는 일도 부지기수.
그래서 이 논문에 소개된 얘기는 이걸 AI로 패턴화해서, 유전자 편집 때문에 일어난 현상인지 아닌지를 파악하는 모델을 만들고 있다는 얘기. 그래서 원형질체인 프로토플라스트 만들어서 더 정교하게 편집하면 이제 원하는 유전자와 형질을 정확하게 구분할 수 있고, 생각보다 더 빨리(솔직히 공부할 때 한 50년 걸리겠구나 싶었음..) 우리가 생각하는 것 이상의 유전자를 지닌 식물을 만들 수 있다는 얘기임.
그럼 엘니뇨 라니냐 씹고 꾸준한 수확량 보장하는 식용작물도 만들 수 있고, 이산화탄소고정 전용 식물이라던가, 해수에서도 버티는 내성식물이라던가.. 진짜 상상도못한게 나올수도 있지 않을까 그런 N스러운 얘기임. 기초과학쟁이라 나 이런 돈안되는 거 좋아하네.. AI가 발전시키는 과학격차가 무섭다 무서워
