| 내용 |
의학이나 생물학에서는 의료 진단이나 줄기세포를 이용한 재생 치료와 같은 다른 세포 유형을 식별하고 분리하는데 효율적이고 저렴한 방법이 중요하다. 지금까지는 세포에 형광 항체를 부착한 다음 채널을 통해 흐를 때 식별하는 이른바 유동 세포분석법(flow cytometry)을 썼는데 약점으로 비용이 많이 들고 시간이 많이 걸릴 뿐만 아니라 항체 자체도 문제가 될 수 있다. 항체가 도킹한 세포의 성질을 바꿀 수 있고 오류가 있어왔다. 이러한 점을 해결하기 위해 세포의 물리적 특성을 추가적인 구별 기능으로 사용할 수 있다. 세포 구조 내 필라멘트의 미세한 네트워크인 시토스켈레톤(cytoskeleton) 때문에 각각의 세포형은 형태, 크기, 특히 변형성과 같은 특징적인 기계적 특성을 가지고 있다. Max Planck 광과학연구소의 Jochen Guck 국장이 이끄는 연구진은 몇 년 전 이를 바탕으로 실시간 변형가능 세포분석법(RT-DC, Real-time deformability cytometry)라는 새로운 기술을 개발한 바 있다. 이 기법은 모발의 직경보다 얇은 투명채널을 통해 세포 서스펜션을 누른 후 손상 없이 셀이 늘어나는 변형의 정도로 특정 세포를 특정할 수 있다. 셀 종류는 초당 2,000~4,000개의 영상으로 변형된 셀을 기록하는 고속카메라를 이용해 판정한다. 이는 슬로모션으로 풍선이 터지는 것을 볼 수 있는 비디오와 유사하다. 이미지는 기정의된 특정 셀 속성을 실시간으로 평가하는 특수 소프트웨어로 평가된다. 이제 세포를 변형성에 따라 분류할 수 있게 된 것이다. 또 다른 새로운 점은 RT-DC를 인공지능과 결합하는 것이다. AI 알고리즘은 이전에 도달하지 못한 속도로 세포를 식별하고 또한 원하는 대로 실시간으로 분류할 수 있다. 새로운 방법은 많은 장점을 가지고 있다. AI 신경망을 훈련시킨다면 식별을 위한 시간 소모적이고 비용 집약적인 형광 표시가 더 이상 필요하지 않으며, 세포는 더 이상 이물질 분자에 의해 바뀌지 않는다. 이때 고속카메라가 촬영한 영상만으로도 세포 식별이 가능하다. 이 과정은 세포 성질을 바꾸지 않으면서 초당 1,000개의 세포까지 분석할 수 있다. 인공지능을 RT-DC에 적용하면 질병을 통해 세포인식이나 세포변화를 결정할 수 있는 기초에 근거한 변수를 미리 정의할 필요가 없다는 장점도 있다. 어떤 이미지 정보가 세포를 구분하는데 가장 적합한지 AI가 결정하도록 할 수 있다. 연구진은 학술지 Nature Methods에 게재된 이 새로운 방법을 '궁극의 세포 분류기'라고 부른다. 형광을 통한 확립된 검출의 정확성과 세포 고유의 기계적 성질의 민감성을 결합하고 모든 생물학에서 사용될 미래 표준법이 될 수 있는 잠재력을 가지고 있다. 예를 들어, 미래에 혈액 형성 줄기세포를 표본으로부터 신속하게 추출하는 것이 가능하게 되어 이를 환자에게 주입할 수 있게 될 것이다. |
