최신 연구동향 정보를 제공하기 위해 생명과학관련 정보제공자를 모집합니다.
Bio리포트 학회참관기
ICSB 2014 참석 후기
김만선(서울시립대)
목차
Ⅰ. 주된 발표 내용
1. 15일 주요 내용
2. 16일 주요 내용
3. 17일 주요 내용
Ⅱ. 총평
Ⅰ. 주된 발표 내용
이번 학회 기간 중 3일동안 아래와 같은 주제로 강연을 들었다. 주요 토픽(Plenary session topics)은 다음과 같으며, 일자 별 주된 내용을 간략히 정리하였다.
▪ Health and wellbeing
▪ Ecology, evolution and the environment
▪ Industrial Systems Biology
▪ Model systems and new technologies
▪ High dimensional and multi-scale systems
▪ Systems biology directions and outreach plenary
1. 15일 주요 내용
1) Systems medicine for novel avenues into cancer diagnostic and therapy
ICGC(international Cancer Genome Consortium)에서 제공하는 정보를 바탕으로 수많은 그룹에서 여러 암종에 대한 연구 및 치료전략에 대한 다양한 연구를 소개하였다. 본 강연에서는 melanoma 및 prostate cancer에서 확인되는 공통된 유전자 돌연변이 중, ERK pathway(예, BRAF를 포함한 다양한 mutation)에 초점을 맞추어 해당 pathway의 유전자를 대상으로 하는 항암제간의 상관관계 및 메커니즘에 대한 연구를 설명하였다.
2) Mathematical modelling of yeast growth in time and space
Yeast의 cell-cycle을 22개의 유전자로 이루어진 조절 네트워크로 구성하고, 이를 불리언(Boolean) 모델로 기술하였으며 yeast의 세포 군집에 대한 동역학적 특성에 대한 멀티스케일 시뮬레이션을 수행하였다. Yeast에서 CLN2를 발현시켰을 때 yeast의 세포 주기가 군집 상에서 동기화 되는 것을 볼 수 있었다.
3) Mesenchymal stem cell signatures mined from the stemformatics collaboration platform
University of Queensland의 Christine Wells 연구팀은 줄기세포 데이터베이스 "Stemformatics"와 sPLS-DA라는 알고리즘을 통해 11개의 MSC(Mesenchymal stem cell) 마커를 추려내었다. 아직까지 줄기세포 연구는 생물학적 실험이나 기초 수준의 데이터 분석 연구들만 발표되었고, 동역학적 과정을 상세히 분석하는 연구는 발표되지 않았다.
4) Multi-scale modeling of antibiotic cellbots : continuum transport equation
미생물 세포 내부에서 이온의 이동을 효율적으로 기술하였다. 어떤 이온 환경에서 세포 분열, 세포 사멸 등이 일어날 수 있는지 설명할 수 있는 연구이다. 현재까지의 동역학적 분석은 주로, 세포 내 유전자 만을 주된 대상으로 삼아 연구되어 왔다. 그 이유는 실험적 데이터가 충분치 않았고, 컴퓨터의 성능 한계에 기인하였다. 그러나 제안된 연구는 대용량 컴퓨팅 기법을 이용하여 세포 내 분자들의 특성을 기술하는데 그치지 않고, 세포의 이온의 동역학적 특성을 성공적으로 모형화 하였다. 세포 내에서는 비단 유전자뿐만 아니라, 다양한 이온 등이 매우 중요한 역할을 수행하는데 (예, 심근 세포의 칼슘 이온), 제안된 연구를 활용한다면, 이온의 변화를 통해 세포의 상태를 파악하고, 예측하는 것이 가능할 것으로 여겨진다.
5) Computational Physiology : Connecting molecular systems biology with clinical medicine
The university of Auckland의 Peter Hunter 교수 팀은 심장 박동에 관한 생리적 모형에 관한 세계 최고 전문가이다. 과거 이 그룹은 심장의 기능을 모델링하는데 보통 생리적 현상에 관한 특성을 주로 반영하여 모델을 구축하였다. 이번 강연에서는 장기수준에서는 심근의 활성 및 심근벽의 역학, 심장 내에서의 혈류역학을 모두 고려한 모델을 개발하고, 이를 세포 수준의 모델과 연결한 통합 모델링 방식에 대하여 연구하였다. 이 연구의 목적은 세포 내에서 발생하는 분자 특성으로 인하여, 장기수준에서 발생하는 심장 박동의 이상 메커니즘을 이해하는데 있다. 또한 이 연구팀은 동일한 방법론을 적용하여 폐에 대한 통합 모델링에도 도전하고 있다.
6) Spatiotemporal control of cancer stem cells by versatile microRNA mechanism
본 그룹에서는 예전에 연구했던 대장암에서 발견한 암 줄기세포를 대상으로 암 줄기세포의 symmet-ric/asymmetric cell division을 조절하는 p53, miR-34a과 NUMB, NOTCH간의 incoherent feedforward loop 구조를 이용하여 암 줄기세포의 운명이 조절됨을 모델링과 실험으로 증명하였다.
2. 16일 주요 내용
1) Systems Medicine, transformational technologies/strategies and proactive P4 Medicine: catalyzing a revolution in healthcare
ISB (Institute for Systems Biology)에서 수행하는 연구들에 대해 전반적으로 소개하였으며, P4 Medicine의 개념에 대하여 설명하였다.
① 혈액에 있는 단백질로 질병을 측정하는 기술을 연구하고 있다고 한다 (microfluidics 기반의 SRM이라는 기술을 개발). 혈액에는 수많은 단백질이 존재하며 그 중에서 생체지표를 발견할 수 있다고 하였다. 그 예로서, CT영상으로는 구분하기 어려운, 양성과 악성 전이성 암을 구분할 수 있는 13개의 단백질 생체지표를 발굴하였으며 이를 이용하면 불필요한 수술 중 1/3을 막을 수 있다고 한다. 또 다른 예로는 아프가니스탄 군인들의 외상 후 스트레스 증후군을 이와 같은 기술로 분석하였다고 한다.
② 항체를 대체할 수 있는 circular 5-mer peptide 기술을 개발하고 있다고 한다. 항체보다 안정적이며 특이성은 더 높다고 한다. Hood 박사는 해당 기술이 10~15년 후에는 많이 사용될 것으로 기대한다고 하였다.
③ P4 medicine (Predictive, Preventive, Personalized, Participatory)에 대하여 설명하였다. P4 medicine의 개념은, 질병을 사전에 예방하며, 환자 개인에게 초점을 둔 진단/치료를 수행하며, 건강(wellness)을 지키기 위한 적극적인 방안을 마련하며, 개인의 고유한 특성을 고려한 대규모 집단 임상 실험 등을 골자로 하는 의학이다.
④ P4 medicine에서 특히 강조한 것은, wellness를 강조하는 100K project를 시작하였다고 한다. 전 세계 여러 나라의 10만명(100K)으로부터 혈액, 소변, 침 등에서 얻을 수 있는 각종 분자세포생물학 및 임상 데이터를 수집하고 이에 대한 빅데이터 분석을 수행하는 것이다. 이 프로젝트는 개인의 wellness를 지키기 위해 가능한 모든 방법을 동원하는 것 같았다. 예를 들어, 프로젝트에 참여한 환자들의 social network를 만들어 환자들이 프로젝트에 직접 참여할 수 있도록 하는 것이 가장 인상적이었다. Hood 박사는 이 프로젝트가 엄청난 산업적 효과를 불러일으킬 것이라고 하였는데, 발표 이후에는 어느 참가자가 얼마 전 미국 FDA가 23andme의 질병 분석 서비스를 금지 시킨 것에 대한 Hood 박사의 개인적 의견을 묻기도 하였다.
2) Temporal selection of the origins of cell-to-cell variability in mitogen-activated protein kinase phosphorylation
MAPK pathway의 내재적으로 존재하는 잡음(intrinsic noise)와 외부의 변화에 의해 존재하는 잡음(extrinsic noise)를 포함한 동역학 모형을 구축하고 파라미터 분석을 통해 pathway의 상위 단계에 해당되는 동역학 파라미터와 ppMEK(dual-phophrylated MEK)의 degradation이 cell-to-cell variability에 중요함을 밝혀내었다.
3) Dynamic In Silico Reconstruction of the Insulin Signaling Network
2형 당뇨병은 인슐린 분비의 장애로 인해 발생한다. 이 그룹에서는 인슐린 신호전달경로에 대한 수학적 모델을 개발하고, insulin자극의 모양에 따른 세포의 반응을 관찰하였다. 자극을 크게 1) Continuous input 2) Square (discontinuous) input 3) Ramp input으로 나누어 시뮬레이션을 수행하였다. 구축된 모델은 한 개의 incoherent feedforward loop와 2개의 coherent feedforward loop로 구성되어 있어 자극의 형태에 따른 특징적인 반응들을 관찰할 수 있었다. 그 반응을 기초로 glycolysis나 gluconeogenesis와 같은 생화학적 현상을 직관적으로 설명하는 부분이 흥미로웠다.
4) Role of stochasticity in incomplete penetrance of Hisrchsprung Disease
올해 학회에서는 작년 학회와 달리 computational neuroscience가 parallel session으로 다시 신설되었다. 기존 computational neuroscience 분야에서 뉴런을 기본단위로 하여 뉴런 네트워크를 모델링&시뮬레이션 연구를 했다면, 여기서는 뉴런 하나 혹은 시냅스 하나에서 발생하는 분자적 메커니즘을 밝혔다. 예를 들어 Calmodulin이라는 단백질의 작용으로 일어나는 주기성이 synaptic weight에 미치는 영향을 분석했다. 이러한 연구들은 Systems biology 적용 대상을 그저 뉴런 세포로 삼은 것이며, 관련 연구가 많이 발표되지는 않았다. 심장 모델 연구와 마찬가지로, 세포 내 분자 메커니즘의 변화가 어떻게 뇌의 기억, 인지 능력 등의 높은 수준의 뇌기능을 설명할 수 있을지에 관한 통합 모델 연구가 필요하다고 여겨졌다.
5) Regulation of Protein-Protein Interaction in Network - the Role of Protein Methylation
단백질 네트워크의 동역학 연구에 대한 내용을 발표하였다. 기본적으로 단백질 발현량의 변화를 통해 특정 단백질 상호작용이 강화되는데, 단백질 서열의 변화가 단백질 상호작용의 변화를 일으킨다는 점에 대한 연구가 있다(IGPS 알고리즘 이용). 또한 단백질의 modification (이 연구에서는 methylation)에 의한 단백질 상호작용의 변화를 yeast 네트워크를 통해 설명하였다.
6) Systems Biology and Applications
Hiroaki Kitano 교수는 시스템생물학의 application에 관한 내용을 발표하였다. 이제까지의 시스템생물학은 과학적 측면이 강했다면, 앞으로는 현재까지 밝혀진 생물학적 사실들을 바탕으로 질병 치료 등 현실의 문제를 해결해야 하는 엔지니어링의 측면이 매우 중요함을 역설하였다. 이를 위해 지금까지 개별적으로 수행되어 발표되어 온 수많은 데이터 및 분석 알고리즘 등의 통합과 더불어 다학제간의 융합연구를 강조하였으며 이를 위해 세계의 많은 연구기관들이 공동으로 개발해 온 Garuda라는 도구를 소개하였다.
3. 17일 주요내용
1) What you can and can't say about biological systems from relative measurements
많은 생물학 실험의 경우, control 데이터를 이용하여 표준화 한 relative value(fold change)를 사용하는 경우가 많은데, 절대량을 직접 측정을 하였을 경우와 정량적 해석이 매우 다를 수 있음에 대한 이야기를 발표하였다. 한 예로서, 2012년 Cell에 출판된 논문의 데이터를 이용하여 표준화해서 구한 상대 값과 절대량을 이용하여 구한 값을 비교해 보니 정반대의 결과를 얻을 수 있었다.
2) Visualization and analysis of data using Atlas of Cancer Signalling Networks (ACSN)
Cancer의 특징(특정 유전자의 발현량, 돌연변이 양상 등)을 한눈에 볼 수 있는 웹 기반 프로그램을 제작하였다. 예를 들어 해당 프로그램을 이용하면 다음 링크와 같은 이미지를 배경으로 하여 각 유전자의 발현량에 따라 이미지의 색을 다르게 해서 표시할 수 있다.
(참고: https://acsn.curie.fr/navicell/maps/acsn/master/index.html). TCGA(The Cancer Genome Atlas) 프로젝트에서 생성된 대용량의 이질적인 암 관련 데이터를 한눈에 볼 수 있는 도구로서 이용하면 좋을 듯 하다.
3) Yabi: A cross-omics Internet-based platform for bioinformatics workflows
Yabi는 오믹스 데이터에 대한 각종 분석을 수행할 수 있는 웹 기반 분석 프레임워크이다. NGS 데이터 분석으로 잘 알려져 있는 갤럭시 프레임워크(https://usegalaxy.org)와 유사하다 (발표 이후에 갤럭시 시스템과 차별점이 무엇이냐는 질문이 나왔음). 오믹스 분석 프레임워크의 개념은 통상적으로 사용되는 다양한 오믹스 분석 툴(예: bowtie, tophat 등)을 제작자의 의도에 따라 하나의 잘 짜여진 pipeline으로 구성하여 사용하기 쉽도록 제작한 시스템이라고 볼 수 있다. 사용자의 접근이 쉬어야 하기 때문에 front-end(사용자가 접하게 되는 말단 소프트웨어 또는 인터페이스)는 웹 기반으로 작성하는 경우가 많다.
4) Heterogeneous reconstruction of a Synthetic Bacterial Oscillator
cyanobacteria 의 KaiA, KaiB 유전자에 의해 조절되는 KaiC 의 주기성에 의해 하룻동안의 유전자발현이 조절되는데 이 주기성을 발현시키는 유전자 네트워크를 E. Coli에서 똑같이 구현할 수 있었다. E. Coli에 합성한 네트워크를 이용하여, E. Coli의 세포 분열과 같은 여러 생체 반응이 KaiC의 주기성과 어떠한 관계를 맺는지 분석함으로써 cyanobacteria circadian system의 특성을 더 효율적으로 이해할 수 있었다고 한다.
5) Systems Biology of Breast Cancer: Modeling the Development of Resistance to Endocrine Therapy
유방암을 치료하고자 하는 100년간의 쓰디쓴 경험으로 얻은 교훈은 꼭 많이 치료하는 것이 더 좋은 결과를 낳지는 않는다는 것이다(More is not necessarily better). 이 연구팀에서는 에스트로겐 수용체 신호전달경로와 성장 호르몬 신호전달경로에 대한 수학적 모델링 및 시뮬레이션 분석을 통해 유방암 유지치료의 새로운 전략을 제시하고자 하였다. 이를 바탕으로 tamoxifen(에스트로겐 수용체 blocker)을 사용하면 에스트로겐에 저항성을 갖는 세포가 증가하여 성장호르몬에 의한 암 증식은 그대로 일어나게 되는 것이 치료 실패의 중요한 이유로 설명하였다. 이 과정을 영리하게 피해가기 위해 tamoxifen을 투약하는 도중 drug holiday(일정 시간 약물 처리를 하지 않는 것)를 주기적으로 갖는 전략을 제시하고 시뮬레이션을 통해 실현가능한 전략임을 밝혔다.
6) Pancancer analysis of DNA methylation-driven genes
12가지 종류의 암을 대상으로 4000여명에 대한 methylation 데이터를 분석한 연구를 수행하였다. 여기에 유전자발현량과 상관관계 분석을 통해 기능적인 음의 상관관계를 갖는 유전자를 선택하여 이들이 암과 관계하는 여러 임상데이터와 비교 분석하였다. 이 연구는 비교를 위해 정상인의 데이터도 많이 생성하였다. 암에 관한 여러 관점의 대용량 데이터가 점점 많이 생성되고 있음을 피부로 느낄 수 있었다.
Ⅱ. 총평
이번 학회에서는 빅데이터에 대한 분석 및 수학적 모델링에 관한 연구가 주로 발표되었다. 또한 앞으로 시스템 생물학이 발전해나가야 할 방향 등이 논의 되었다. 특히 기억에 남는 강연은 ICSB학회의 설립자인 히로키 키타노의 이야기이다. 그는 SONY의 인공지능 로봇 강아지를 만든 인물로도 유명한데, 그의 주장은 생명체에 관한 빅데이터와 고성능 인공지능 컴퓨팅의 결합을 통해 현재까지 규명되지 않았던 생명체의 여러 이론들이 발견될 수 있을 것이라는 내용이었다. 그리고 거의 모든 생물학 연구에 인공지능이 필수적으로 요구되는 시대가 10년 이내에 올 것이라고 예견하였다. 컴퓨터공학에서 인공지능을 전공한 나에게는 매우 흥미로운 내용이었고, 이미 인공지능 분야에서는 대용량데이터를 이용한 딥 뉴럴 네트워크 (Deep Neural Network) 기법이 급속도로 발전하고 있는 것을 보면, 생물학에서도 머지 않아 생명체의 핵심 원리를 컴퓨터가 발견할 날이 오지 않을까 하는 생각이 들었다. 또한 인공지능 기술이 탑재된 수학적 모델링 어플리케이션이 개발되어 자동적으로 모델링을 할 수 있을지도 모르겠다.
대륙에서 많이 떨어진 호주에서 개최된 학회라서 그런지 미국, 유럽 연구자들은 그리 많이 참석하지는 못한 것 같아 아쉬웠다. 한국에서는 KAIST 김동산 박사 등 다수 연구원들, 서울시립대 김정래 교수, 경희대 이민영 박사, 차병원 김준일 박사 등이 참석했다.
본 게시물의 무단 복제 및 배포를 금하며, 일부 내용 인용시 출처를 밝혀야 합니다.
자료열람안내
본 내용은 BRIC에서 추가적인 검증과정을 거친 정보가 아님을 밝힙니다.
내용 중 잘못된 사실 전달 또는 오역 등이 있을 시 BRIC으로 연락(view@ibric.org) 바랍니다.