비즈니스 기회
유아 마이크로바이옴을 모델링하는 새로운 AI도구 개발
장내 마이크로바이옴은 유아의 건강과 발달에 지대한 영향을 미칩니다. 연구에 따르면 미생물 군집의 불균형 또는 불균형은 위장 질환 및 신경 발달 결핍과 관련이 있습니다. 그러나 장내 세균이 어떻게 상호 작용하는지, 그리고 이러한 상호 작용이 어떻게 이러한 문제를 일으킬 수 있는지 이해하는 것은 기존의 실험실 실험을 통해 어렵고 시간이 많이 걸립니다.
시카고 대학(University of Chicago)의 연구진은 유아 마이크로바이옴을 모델링하는 새로운 생성형 인공 지능(AI) 도구를 개발했습니다. 유아 마이크로바이옴의 이 "디지털 트윈"은 장내 미생물 종의 변화하는 역학과 유아의 발달에 따라 어떻게 변화하는지 예측하는 가상 모델을 만듭니다. 신생아 집중 치료실(NICU)에 있는 조산아로부터 수집한 대변 샘플의 데이터를 사용하여 연구원들은 Q-net이라는 모델을 사용하여 76%의 정확도로 인지 결함의 위험이 있는 아기를 예측했습니다.
"미숙아의 경우 마이크로바이옴이 끊임없이 변화하고 성숙하기 때문에 마이크로바이옴의 스냅샷을 보고 얼마나 많은 박테리아가 있는지에 대한 다양한 수준을 확인해야만 얻을 수 있습니다"라고 의학 조교수이자 논문의 수석 저자인 Ishanu Chattopadhyay 박사는 말했습니다.
"그래서 우리는 생성형 AI를 사용하여 박테리아가 변화함에 따라 박테리아의 상호 작용을 모델링하는 시스템의 디지털 트윈을 구축하는 새로운 접근 방식을 개발했습니다."
다른 형태의 AI와 마찬가지로 디지털 트윈 개념은 컴퓨터 과학, 공학, 수학 및 생명 과학 분야를 연결하여 생물학적 시스템의 동작을 복제하는 잠재적으로 혁신적인 기술입니다. 마이크로바이옴 역학의 경우, 저자인 Chattopadhyay는 이것이 규모의 문제라고 말합니다.
박테리아의 상호 작용을 테스트하는 일반적인 습식 실험실 실험은 시간이 많이 걸립니다. 1,000종의 일반적인 군체의 모든 양방향 상호작용을 테스트하려면 1,000년 이상이 걸릴 것입니다.
Q-net 모델은 이러한 상호 작용을 테스트하는 시간을 크게 단축하여 특정 결과에 대한 링크에 관심을 가질 수 있는 상호 작용을 강조 표시합니다. Chattopadhyay와 그의 동료들은 UChicago의 Comer Children's Hospital에서 유아의 분변 샘플 데이터를 사용하여 모델을 훈련했습니다.
다음으로, 그들은 보스턴에 있는 Beth Israel Deaconess Medical Center의 샘플 데이터를 사용하여 마이크로바이옴이 어떻게 발달할 것인지에 대한 예측을 검증했습니다. 이 모델은 머리 둘레 성장으로 측정한 인지 결핍의 위험이 있는 아기를 76%의 정확도로 예측했습니다.
이 모델은 또한 특정 박테리아 종의 풍부함을 회복하는 것과 같은 개입이 아기의 약 45%의 발달 위험을 줄일 수 있음을 시사했습니다.
Q-net은 잠재적으로 흥미로운 박테리아 조합을 식별할 수 있기 때문에 잠재적인 치료 표적에 대한 검색 범위를 크게 좁힐 수 있습니다. 장내 마이크로바이옴이 속담에 나오는 건초더미라면, Q-net은 연구자들에게 바늘을 찾을 수 있는 1인치 정사각형을 제공할 수 있습니다.
Q-net의 핵심은 서로 상호 작용하는 수많은 변수를 모델링하는 것이므로 Chattopadhyay는 “바이러스의 진화와 같은 마이크로바이옴 이외의 다른 시스템이나 여론과 같은 사회 현상에도 사용할 수 있다”고 확신하고 있습니다.
그는 "많은 양의 데이터가 있는 경우 이 시스템을 잘 훈련시킬 수 있으며 연결이 무엇인지 알아낼 수 있습니다"라고 말했습니다. "매우 미묘한 차이를 포착할 수 있기 때문에 정말 많은 응용 분야가 있습니다.“
이상의 기사는 2024년 4월 10일 MedicalXpress에 게재된 “New AI tool creates virtual model of the infant microbiome and predicts neurodevelopmental deficits”제목의 기사 내용을 편집하여 작성하였습니다.
* 정보 출처 : https://medicalxpress.com/news/2024-04-ai-tool-virtual-infant-microbiome.html
* 추가 정보 : https://www.science.org/doi/10.1126/sciadv.adj0400