MIT 연구진, AI로 MRSA(메티실린 저항성 황색포도상구균)에 대한 항생물질 발견

MIT 연구진이 인공 지능을 활용하여 새로운 항생제 후보 물질을 발견했습니다. 이들 물질은 메티실린 내성 황색포도상구균(MRSA)이라는 감염성 높은 박테리아를 죽일 수 있는 능력이 있습니다. MRSA는 미국에서 매년 1만 명 이상의 사망자를 발생시키는 원인입니다.

 

연구진은 이 물질들이 실험실 접시와 두 가지 마우스 모델에서 MRSA를 죽일 수 있음을 보였고, 인간 세포에 대해서는 매우 낮은 독성을 나타내어 안전한 약물 후보로 간주됩니다. 또한, 연구진은 인공 지능 모델이 어떤 정보를 사용하여 항생 효능 예측을 하는지 파악할 수 있었습니다. 이러한 지식은 추가적인 약물을 개발하는 데 도움이 될 수 있습니다.

연구는 MIT의 의료 공학 및 과학 연구소와 생물 공학 부서의 제임스 콜린스 교수와 그의 연구팀이 수행했습니다. 이들은 딥러닝을 사용하여 새로운 항생제를 찾기 위한 연구를 진행 중이며, 이번 연구는 MIT의 Antibiotics-AI Project의 일환으로 진행되었습니다.

연구진은 대량의 화합물 데이터를 항생제 활동 검사를 통해 수집하고, 이 정보를 모델에 입력하여 화합물의 화학 구조가 항균 활성과 관련이 있는지 학습시켰습니다. 또한, 모델이 예측을 내리는 방식을 보다 명확하게 이해할 수 있도록 몬테카를로 트리 검색 알고리즘을 적용하였습니다.

이 연구는 MRSA와 같은 치명적인 박테리아에 대항할 새로운 항생제 발견에 중요한 기여를 하였으며, 인공 지능을 활용한 약물 탐색의 가능성을 보여줍니다.

MRSA (메티실린 내성 황색포도상구균)는 페니실린 계열의 항생제, 특히 메티실린에 내성을 가진 스타필로코커스 아우레우스(Staphylococcus aureus)의 한 형태입니다. 이 박테리아는 자연적으로 사람의 피부나 코 내부에 존재할 수 있으며, 일반적으로 건강한 사람에게는 문제를 일으키지 않습니다. 그러나 면역 체계가 약한 사람들에게는 심각한 감염을 유발할 수 있습니다.

MRSA의 특징

  • 내성: MRSA는 메티실린을 포함한 여러 항생제에 대해 내성을 가집니다. 이로 인해 표준 항생제로는 치료하기 어렵습니다.
  • 감염: 피부 감염이 가장 흔하며, 보통 농양이나 부기, 발적, 통증, 열 등을 동반합니다. 또한 폐렴, 혈류 감염, 골수염(뼈 감염)과 같은 더 심각한 상태를 일으킬 수 있습니다.
  • 전염성: MRSA는 접촉을 통해 쉽게 전파될 수 있습니다. 특히 병원과 같은 의료 시설에서 환자들 사이에 전파되는 경우가 많으며, 이러한 환경에서는 ‘병원 취득 MRSA'(HA-MRSA)라고 불립니다. 반면, 지역 사회에서 감염되는 경우는 ‘지역 사회 취득 MRSA'(CA-MRSA)로 분류됩니다.

위험 요소

  • 병원 환경: 수술 후, 카테터 사용자, 장기 입원 환자 등 병원 내 감염 위험이 높은 환자들
  • 면역 체계 약화: HIV/AIDS, 암, 특정 만성 질환 등 면역 체계가 약화된 사람들
  • 밀집된 생활 환경: 군대, 감옥, 유치원, 학교와 같은 밀집된 환경
  • 체육관 사용자: 공유 장비를 사용하는 등의 활동이 감염 위험을 증가시킬 수 있습니다.

예방 및 치료

  • 개인 위생 유지: 손 씻기, 상처 청결 유지 등 기본적인 위생 수칙 준수
  • 의료 환경에서의 주의: 멸균 및 소독 절차 철저, 일회용 장비 사용
  • 치료: MRSA는 내성이 강하지만, 여전히 효과가 있는 몇 가지 항생제가 있습니다. 밴코마이신이나 리네졸리드와 같은 항생제가 흔히 사용됩니다.

MRSA 감염은 적절한 예방과 조기 진단, 그리고 적절한 치료 전략을 통해 관리될 수 있습니다. 최근에는 MRSA에 대한 새로운 치료법 및 예방 전략 개발을 위한 연구가 활발히 진행되고 있습니다.

 

이번 연구의 중요성

  • 항생제 내성 문제 해결: MRSA와 같은 항생제 내성 박테리아는 전 세계적으로 심각한 공중보건 문제를 야기합니다. 이번 연구는 새로운 항생제 후보 물질을 발견하여 이러한 내성 문제에 대응할 수 있는 가능성을 열었습니다.
  • 약물 개발의 효율성 증대: 딥러닝 모델을 이용한 접근 방식은 전통적인 약물 발견 방법보다 시간과 자원을 훨씬 적게 사용하면서도 유망한 결과를 도출할 수 있습니다.

연구 방법 및 결과

  • 데이터 기반 학습: 연구팀은 약 39,000개의 화합물을 대상으로 항생제 활동을 테스트하고 이 데이터를 모델에 입력하여 학습시켰습니다. 이 모델은 화합물의 화학 구조를 분석하여 항균 활성의 가능성을 예측합니다.
  • 설명 가능한 AI: 연구팀은 모델의 예측 과정을 이해하고 어떤 화학 구조가 항균 활동과 관련이 있는지 파악하기 위해 몬테카를로 트리 검색 알고리즘을 사용했습니다. 이는 모델의 ‘블랙박스’ 문제를 해결하여 항생제 설계 및 개발 과정을 더 투명하게 만들 수 있습니다.

연구의 영향

이 연구는 MRSA뿐만 아니라 다른 약물 내성 박테리아에 대해서도 적용될 수 있는 새로운 항생제 후보 물질의 발견으로 이어질 수 있습니다. 결과적으로, 이는 감염 관리와 치료에 큰 변화를 가져올 수 있는 중요한 발전입니다. MRSA와 같은 심각한 감염을 효과적으로 치료할 수 있는 새로운 도구를 제공함으로써, 전 세계적으로 수많은 생명을 구할 수 있는 잠재력을 가지고 있습

<이하 광고>

© 2023 나의 웹 페이지