암 발병을 유발하는 유전자 돌연변이를 지도화한 Google AI

Google은 종양 유전자 서열에서 암 관련 돌연변이를 보다 정확하게 탐지하도록 설계된 AI 기반 도구인 DeepSomatic을 출시했습니다.

암은 세포 분열을 제어하는 메커니즘이 고장 나면서 시작됩니다. 효과적인 치료법을 개발하려면 종양의 성장에 관여하는 특정 유전적 돌연변이를 파악하는 것이 중요합니다. 오늘날 의사들은 특정 암이 어떻게 발생하고 퍼지는지를 목표로 하는 치료법을 안내하기 위해 생검에서 얻은 종양 세포의 게놈을 정기적으로 시퀀싱합니다.

네이처 바이오테크놀로지에 게재된 이 연구는 컨볼루션 신경망을 사용하여 암세포의 유전적 변이를 현재의 접근 방식보다 더 정확하게 찾아내는 도구를 소개합니다. Google은 DeepSomatic과 이를 위해 개발된 고품질 훈련 데이터 세트를 모두 오픈 리소스로 공개했습니다.

체세포 변이의 도전 과제

암 유전학은 복잡한 분야입니다. 게놈 시퀀싱은 암과 관련된 유전자 변이를 식별하지만, 시퀀싱 오류와 실제 변이를 구분하는 것은 여전히 어려운 과제이며, AI 도구가 유용한 지원을 제공할 수 있는 분야입니다. 대부분의 암은 부모로부터 물려받은 유전적 '생식선' 돌연변이보다는 출생 후 후천적으로 획득되는 '체세포' 돌연변이에 의해 발생합니다.

체세포 돌연변이는 자외선과 같은 환경적 요인으로 인해 DNA가 손상되거나 DNA 복제 과정에서 무작위적인 실수가 발생할 때 발생합니다. 이러한 변이가 정상적인 세포 과정을 방해하면 통제되지 않은 성장을 유발하여 암의 시작과 진행을 촉진할 수 있습니다.

체세포 돌연변이는 종양 세포 내에서 낮은 빈도, 때로는 시퀀싱 오류 임계값 이하로 나타날 수 있기 때문에 유전된 돌연변이를 식별하는 것보다 더 어렵습니다.

딥소매틱의 작동 방식

임상에서 과학자들은 생검에서 얻은 종양 세포와 환자의 정상 세포를 모두 시퀀싱합니다. DeepSomatic은 이러한 염기서열을 비교하여 유전되지 않은 종양 변이에서만 나타나는 변화를 감지합니다. 이러한 고유한 변화는 종양 발생의 원인을 밝히는 데 도움이 됩니다.

이 모델은 종양 및 정상 샘플의 원시 유전자 시퀀싱 데이터를 시퀀싱 판독과 염색체를 따른 정렬을 포함한 여러 데이터 유형을 나타내는 이미지로 변환합니다. 그런 다음 컨볼루션 신경망이 이러한 이미지를 검사하여 표준 참조 게놈, 유전된 변이, 암을 유발하는 체세포 돌연변이를 구별하는 동시에 시퀀싱 노이즈를 걸러냅니다. 최종 결과물은 암과 관련된 돌연변이 목록입니다.

또한 정상 조직 샘플을 사용할 수 없는 경우, 백혈병과 같은 혈액암에서 흔히 발생하는 '종양 전용' 모드로도 작동할 수 있습니다. 이러한 유연성 덕분에 이 도구는 다양한 연구 및 임상 환경에 적용할 수 있습니다.

보다 정밀한 AI 암 연구 도구 훈련

정확한 AI 모델을 구축하려면 고품질의 학습 데이터가 필요합니다. 이 도구를 위해 Google은 UC 산타크루즈 유전체학 연구소 및 국립암연구소와 협력하여 CASTLE이라는 벤치마크 데이터 세트를 만들었습니다. 연구팀은 4개의 유방암과 2개의 폐암 샘플에서 종양과 정상 세포를 시퀀싱했습니다.

이 샘플들은 세 가지 주요 시퀀싱 플랫폼을 사용하여 프로파일링되었고, 그 결과물을 결합하여 플랫폼별 아티팩트가 없는 신뢰도 높은 통합 참조 데이터 세트를 만들었습니다. 이 데이터는 같은 유형의 암이라도 매우 다른 돌연변이 패턴을 가질 수 있음을 보여주며, 개별 환자가 특정 치료에 어떻게 반응하는지를 예측하는 데 도움이 될 수 있는 인사이트를 제공합니다.

세 가지 주요 시퀀싱 플랫폼 모두에서 딥소매틱 모델은 기존의 다른 기법보다 뛰어난 성능을 보였습니다. 이 도구는 특히 삽입 및 결실 또는 '인델'로 알려진 복잡한 돌연변이를 탐지하는 데 효과적인 것으로 입증되었습니다. 이러한 변이에 대해 DeepSomatic은 일루미나 시퀀싱 데이터에서 90%의 F1 점수를 달성한 반면, 차선책 도구는 80%에 그쳤습니다. 2위 툴이 50% 미만에 그친 반면, DeepSomatic은 80% 이상의 점수를 기록한 Pacific Biosciences 데이터에서 성능 향상은 훨씬 더 두드러졌습니다.

이 AI는 까다로운 샘플에서도 우수한 성능을 보였습니다. 테스트에는 DNA 손상을 일으키고 분석을 복잡하게 만들 수 있는 일반적인 방법인 포르말린 고정 파라핀 임베딩(FFPE)으로 보존된 유방암 샘플이 포함되었습니다. 또한 전체 게놈의 1%에 해당하는 단백질 코딩만을 시퀀싱하는 비용 효율적인 기술인 전체 엑솜 시퀀싱(WES) 데이터에 대해서도 평가가 이루어졌습니다. 두 가지 상황 모두에서 경쟁 도구를 능가하여 품질이 낮거나 보관 샘플을 분석하는 데 유용하다는 것을 보여주었습니다.

모든 암을 위한 AI 도구

이 도구는 명시적으로 훈련되지 않은 암 유형에 대해서도 학습을 일반화할 수 있음을 입증했습니다. 공격적인 뇌암인 교모세포종 샘플에 적용했을 때, 이 툴은 질병을 유발하는 것으로 알려진 소수의 드라이버 돌연변이를 성공적으로 식별했습니다. 캔자스시티 아동병원(Children's Mercy Kansas City)과 협력하여 8개의 소아 백혈병 샘플을 분석한 딥소매틱은 종양 데이터로만 작업했을 때에도 이전에 알려진 돌연변이를 확인했을 뿐만 아니라 10개의 새로운 돌연변이도 발견했습니다.

Google은 연구소와 임상의가 이 도구를 도입하여 개별 종양에 대한 심층적인 인사이트를 얻을 수 있기를 바랍니다. 이미 알려진 암 돌연변이를 인식함으로써 기존 치료법 중 하나를 선택하는 데 도움이 될 수 있습니다. 새로운 돌연변이를 발견함으로써 새로운 치료법의 문을 열 수도 있습니다. 궁극적인 목표는 정밀 의학을 발전시키고 환자에게 보다 효과적인 치료를 제공하는 것입니다.

또한 참조하세요: 환자 치료를 위한 차세대 AI 도구의 물결을 빠르게 추적하는 MHRA

업계 전문가로부터 AI와 빅 데이터에 대해 더 자세히 알아보고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 열리는 AI & 빅데이터 엑스포를 확인해 보세요. 이 종합적인 이벤트는 TechEx의 일부이며 사이버 보안 엑스포 등 다른 최고의 기술 이벤트와 함께 진행됩니다. 자세한 내용을 보려면 여기를 클릭하세요.

AI 뉴스는 TechForge Media에서 제공합니다. 예정된 다른 엔터프라이즈 기술 이벤트와 웨비나는 여기에서 확인하세요.