Genesis: Towards the Automation of Systems Biology Research

Motivation

• Known: Adam(효모 기능 생물학)과 Eve(신약 개발 초기 단계) 로봇 과학자가 성공적으로 개발되어 폐쇄 루프 자동화 실험의 가능성을 입증함
• Gap: 기존 고처리량 방식은 각 실험이 모델에 대한 가설을 직접 검증하지 못하므로 시스템 생물학 모델 개선에 부적합함. 진핵생물 시스템 생물학 모델의 복잡성(수천 개 유전자, 단백질, 소분자 상호작용)은 인간의 직관적 이해를 초과함
• Why: 정보이론에 따르면 생물학적 시스템 이해에 필수적인 방대한 수의 실험이 필요하며, Duhem 논제(실험은 고립된 가설이 아닌 전체 이론 집단을 검증)로 인해 AI 기반 접근이 더 효율적임
• Approach: 1,000개의 μ-바이오리액터, 자동화된 질량분석(AutonoMS), 구조화된 온톨로지 기반 데이터베이스(Genesis-DB), 모델 수정 추적(RIMBO), 관계형 학습 기반 개선 알고리즘(LGEM+)을 통한 통합 플랫폼 개발

Achievement

그림 2. Genesis 하드웨어: (a) Chalmers에서 운영 중인 초기 12개 μ-바이오리액터 시스템, (b) 유체 및 마이크로-포뮬레이터 설계 개요

그림 3. Genesis 질량분석 플랫폼: Agilent RapidFire 로봇 시스템과 이온 이동도 질량분석(IM-MS) 6560 시스템

1. 하드웨어 혁신: 1,000개의 컴퓨터 제어식 μ-바이오리액터 시스템 개발 완료(초기 12개 시스템 운영). 각 바이오리액터는 배치(batch), 유가식 배치(fed-batch), 연속 배양 모드를 실시간으로 전환 가능하며, 실험 조건의 광범위한 탐색 가능
2. 고처리량 분석 플랫폼: AutonoMS를 통해 하루 약 10,000회의 대사체(metabolite) 측정 수행 가능 달성(크로마토그래피 단계 제거로 기존 시스템 대비 획기적 향상). 5초 샘플 분석 시간으로 표적 및 비표적 대사체학 실험 검증 완료
3. 구조화된 데이터 인프라: Genesis-DB를 통해 RDF/Datalog 기반 구조화 정보에 대한 소프트웨어 에이전트 접근 환경 구축. 유전자 발현 데이터로부터 자동 가설 생성 및 실험 설계 가능 시연(그림 4)
4. 모델 변화 추적: RIMBO(Revisions for Improvements of Models in Biology Ontology) 온톨로지 개발로 수십만 건의 모델 수정사항을 체계적으로 기록 및 추론 가능하게 함

How

그림 4. 유전자 발현 네트워크 재구성 → 실험 조건 검색 → 가설 및 실험 절차 기록 → 신규 데이터 포함 네트워크 재구성 → 시각화 업데이트의 사이클

• 실험 설계 매개변수: 유전체(20,000개 삭제 및 리포터 변이주 라이브러리), 성장률/OD(케모스탯/터빈도스탯), 배양 배지(10개 대사물질 칵테일, ~100가지 조합), 약물(~10,000가지 화합물 조합)
• 데이터 수집: 성장률(배치 배양), 배양액 대사 분석(~10가지 화합물), 효모 내부 상태(~100개 대사물질), 유전자 발현 수준(~6,000개 유전자)을 자동화된 방식으로 수집
• 온톨로지 기반 지식 관리: 실험 조건(온도, pH, 배지, 샘플링 시간 등), 실험 결과(유전자 카운트, 질량분석 데이터) 메타데이터를 RDF 형식으로 구조화하여 과거 실험 추론 및 미래 실험 계획 지원
• AI 모듈: 귀납 논리 프로그래밍(ILP) 기반 실험 계획과 LGEM+(게놈 규모 대사 모델의 자동 개선을 위한 관계형 학습 시스템) 적용

Originality

• 복잡도의 획기적 증가: 기존 폐쇄 루프 자동 시스템은 단순 입출력 블랙박스 최적화에 집중했으나, Genesis는 수천 개의 상호작용하는 인과관계 성분과 수만 개의 매개변수를 가진 모델을 다룸
• 병렬 처리 규모: 하루 1,000개의 가설 기반 폐쇄 루프 실험 사이클을 병렬 실행 가능한 첫 시스템(이전 시스템은 수십 개 규모)
• 통합 온톨로지 아키텍처: 실험 조건, 결과, 시스템 모델을 RDF 기반 통일된 형식으로 관리하여 소프트웨어 에이전트의 자율적 추론 및 계획 가능하게 함
• 고처리량 자동화 분석: AutonoMS를 통해 기존 크로마토그래피 기반 질량분석(수시간)을 5초 단위로 단축하고 일일 10,000회 측정 달성
• 실증된 비용-편익 목표: 인간 과학자 대비 100배 비용 효율성 달성 목표로 설정하고 단계적 검증

Limitation & Further Study

• 완성도 미달: 논문에서 표시된 italics 모듈(예: 고수준 AI 단위 일부)이 아직 미완성 상태이며, 전체 1,000개 바이오리액터 시스템은 초기 12개 시스템 단계에서 스케일링 필요
• LGEM+ 상세 기술 부족: 관계형 학습을 통한 게놈 규모 대사 모델 자동 개선 알고리즘의 구체적 구현 및 성능 평가 결과가 제시되지 않음
• 검증 데이터 제한: 이전 증명-개념 연구(diauxic shift)에서 92개 유전자 및 1,048개 상호작용 추가 성과가 언급되었으나, Genesis 플랫폼 완성 후 대규모 실험 데이터 없음
• 비용 분석 미흡: 100배 비용 효율성 목표는 제시하였으나, 상세한 경제학적 분석(개발비, 운영비, 시간당 비용) 제공 부족
• 생물학적 일반화 가능성: 효모(S. cerevisiae)에 최적화되어 있어 다른 진핵생물로의 전이 가능성 불명확

Evaluation

총평: Genesis 프로젝트는 AI 기반 과학 자동화의 다음 단계를 제시하는 야심 찬 계획으로, 통합된 하드웨어-소프트웨어 플랫폼과 온톨로지 기반 지식 관리의 혁신성이 높다. 다만 대규모 시스템 완성과 LGEM+ 알고리즘의 성능 검증이 필요하며, 논문의 일부 핵심 기술 설명이 미완성된 점이 한계이다.