How we're using AI to discover new antibiotics | Jim Collins

번역: Yoo Jin Jeong 검토: Jihyeon J. Kim

So how are we going to beat this novel coronavirus?

어떻게 신종 코로나바이러스를 이겨낼 수 있을까요?

By using our best tools:

우리가 가지고 있는 최고의 도구를 사용하면 됩니다

our science and our technology.

바로 과학과 기술이죠.

In my lab, we're using the tools of artificial intelligence

제 연구소에서는 인공지능과

and synthetic biology

합성생물학을 사용해

to speed up the fight against this pandemic.

이 판데믹을 더 빨리 이겨낼 수 있도록 하고 있습니다.

Our work was originally designed

원래 이 프로젝트의 목표는

to tackle the antibiotic resistance crisis.

항성물질 내성 문제를 해결하는 것이었습니다.

Our project seeks to harness the power of machine learning

이 프로젝트는 머신 러닝을 이용해

to replenish our antibiotic arsenal

항생물질을 다시 확보하고

and avoid a globally devastating postantibiotic era.

전세계를 초토화시킬 포스트 항생제 시대를 막는 것이었습니다.

Importantly, the same technology can be used

중요한 것은 이 똑같은 기술이

to search for antiviral compounds

현재 판데믹을 종식시킬 수 있는

that could help us fight the current pandemic.

항생물질을 찾는데 도움을 줄 수 있다는 것입니다.

Machine learning is turning the traditional model of drug discovery

머신 러닝은 의약 개발의 전통적인 모델을

on its head.

완전히 바꾸어놓고 있습니다.

With this approach,

이 접근방식은

instead of painstakingly testing thousands of existing molecules

이미 존재하는 수 천 개의 물질이

one by one in a lab

효과가 있는지

for their effectiveness,

연구실에서 하나 하나 실험하는 대신

we can train a computer to explore the exponentially larger space

그에 비해 훨씬 많은 양인 합성 가능한 모든 물질을

of essentially all possible molecules that could be synthesized,

컴퓨터가 한꺼번에 확인하게 할 수 있습니다.

and thus, instead of looking for a needle in a haystack,

따라서 모래사장에서 바늘을 찾는 것이 아니라

we can use the giant magnet of computing power

대형 자석이라고 할 수 있는 컴퓨터의 힘을 이용해

to find many needles in multiple haystacks simultaneously.

여러 개의 바늘을 여러 모래사장에서 동시에 찾을 수 있게 하는 것입니다.

We've already had some early success.

이미 조기 성공한 사례가 있습니다.

Recently, we used machine learning to discover new antibiotics

최근에는 머신 러닝을 이용해 새로운 항생 물질을 찾았습니다.

that can help us fight off the bacterial infections

이는 SARS-CoV-2 감염과 동시에 이루어질 수 있는

that can occur alongside SARS-CoV-2 infections.

박테리아 감염을 막아줍니다..

Two months ago, TED's Audacious Project approved funding for us

두 달 전 TED의 Audacious Project가 저희에게 재정 지원 허가를 내려 주셨는데

to massively scale up our work

이를 통해 일의 스케일을 훨씬 증대시킬 수 있게 되었습니다.

with the goal of discovering seven new classes of antibiotics

우리의 목표는 전세계 가장 치사율이 높은 7개의 병균체를 치료할 수 있는

against seven of the world's deadly bacterial pathogens

7 개의 새로운 항생제를

over the next seven years.

7년 내에 찾는 것입니다.

For context:

배경 지식을 좀 드리겠습니다.

the number of new class of antibiotics

지난 30년 동안 발견된

that have been discovered over the last three decades is zero.

새로운 항생물질의 수는 0개입니다.

While the quest for new antibiotics is for our medium-term future,

새로운 항생물질을 찾는 것이 중기 목표이긴 하지만

the novel coronavirus poses an immediate deadly threat,

신종 코로나 바이러스는 지금 마주하고 있는 엄청난 위험입니다.

and I'm excited to share that we think we can use the same technology

오늘 제가 하고자 하는 말은 이 기술을 사용해서

to search for therapeutics to fight this virus.

이 바이러스를 이길 수 있는 치료법을 찾을 수 있다는 것입니다.

So how are we going to do it?

그럼 어떻게 할 수 있을까요?

Well, we're creating a compound training library

일단 우리는 훈련용 화학물질 라이브러리를 만들어

and with collaborators applying these molecules to SARS-CoV-2-infected cells

공동 연구자들과 함께 이 분자들을 SARS-CoV-2에 감염된 세포에 노출시켜

to see which of them exhibit effective activity.

이 중 효과적인 활동을 보이는 물질이 있는지 연구하고 있습니다.

These data will be use to train a machine learning model

이 데이터는 머신 러닝 모델을 훈련시키는 데 사용될 것입니다.

that will be applied to an in silico library of over a billion molecules

이 모델은 수십억 개의 물질을 담은 시뮬레이션 라이브러리에 적용되어

to search for potential novel antiviral compounds.

이 중 잠재적인 신항생물질을 찾아낼 것입니다.

We will synthesize and test the top predictions

상위 예측 결과를 합성하고 실험해서

and advance the most promising candidates into the clinic.

가장 가능성이 높은 후보들은 임상 실험으로 보낼 것입니다.

Sound too good to be true?

불가능할 것 같은가요?

Well, it shouldn't.

그렇지 않습니다.

The Antibiotics AI Project is founded on our proof of concept research

항생제 AI 프로젝트는 우리의 개념 증명 연구에서 비롯되어

that led to the discovery of a novel broad-spectrum antibiotic

할로신이라는 새로운 광역항생물질을 찾아내는데

called halicin.

큰 기여를 했습니다.

Halicin has potent antibacterial activity

할로신은 치료불가한 전내성 감염을 포함한

against almost all antibiotic-resistant bacterial pathogens,

거의 모든 항성물질 내성 병원균에

including untreatable panresistant infections.

강력한 항균력을 보입니다.

Importantly, in contrast to current antibiotics,

또한 중요한 것은 현재 존재하는 항생제와는 달리

the frequency at which bacteria develop resistance against halicin

박테리아가 할로신에 내성을 가지게 되는 경우는

is remarkably low.

굉장히 적습니다.

We tested the ability of bacteria to evolve resistance against halicin

우리는 박테리아가 할로신에 대한 내성을 가지게 되는 것을

as well as Cipro in the lab.

시프로와 비교해서 연구했습니다.

In the case of Cipro,

시프로의 경우

after just one day, we saw resistance.

하루만에 내성이 생긴 것을 발견했습니다.

In the case of halicin,

할로신의 경우

after one day, we didn't see any resistance.

하루가 경과했을 때 내성이 생기지 않았습니다.

Amazingly, after even 30 days,

놀랍게도 30일 후에도

we didn't see any resistance against halicin.

내성이 생기지 않았습니다.

In this pilot project, we first tested roughly 2,500 compounds against E. coli.

이 시범 연구에서 우리는 먼저 대장균에 2,500개의 물질을 실험했습니다.

This training set included known antibiotics,

이 훈련에는 시프로와 페니실린 등

such as Cipro and penicillin,

이미 알려진 항생제와

as well as many drugs that are not antibiotics.

항생제가 아닌 의약품도 포함되어 있었습니다.

These data we used to train a model

우리는 이 데이터를 사용해 모델이

to learn molecular features associated with antibacterial activity.

항균력을 가진 물질의 특성을 배우도록 했습니다.

We then applied this model to a drug-repurposing library

우리는 이 모델을 몇 천개의 물질들이 들어있는

consisting of several thousand molecules

신약재창출 라이브러리에 적용시켰습니다.

and asked the model to identify molecules

우리는 이 모델이 기존 항생제와는 다르게 생겼지만

that are predicted to have antibacterial properties

항균력을 가지고 있으리라고 예측되는

but don't look like existing antibiotics.

물질을 찾아내게 했습니다.

Interestingly, only one molecule in that library fit these criteria,

흥미롭게도 그 요건을 충족하는 물질은 하나밖에 없었습니다.

and that molecule turned out to be halicin.

바로 할로신이었습니다.

Given that halicin does not look like any existing antibiotic,

할로신은 기존의 그 어떤 항생제와도 다르게 생겼기 때문에

it would have been impossible for a human, including an antibiotic expert,

항생제 전문가를 포함한 인간은

to identify halicin in this manner.

절대로 할로신을 찾아내지 못했을 겁니다.

Imagine now what we could do with this technology

우리가 이 기술을 SARS-CoV-2에 적용시킨다면

against SARS-CoV-2.

수많은 것들을 해낼 수 있을 것입니다.

And that's not all.

그뿐만이 아닙니다.

We're also using the tools of synthetic biology,

우리는 합성생물학도 사용하고 있습니다.

tinkering with DNA and other cellular machinery,

유전자와 다른 세포질 조직을 변형시켜

to serve human purposes like combating COVID-19,

코로나19를 이겨내는 등 사람들을 위한 일을 하는 것입니다.

and of note, we are working to develop a protective mask

지금 우리는 빠른 진단 검사가 될 수 있는

that can also serve as a rapid diagnostic test.

마스크를 개발하는 중에 있습니다.

So how does that work?

어떻게 그럴 수 있을까요?

Well, we recently showed

우리는 최근 살아있는 세포에서

that you can take the cellular machinery out of a living cell

세포 조직을 꺼내 RNA센서와 함께 종이에 건조동결시켜

and freeze-dry it along with RNA sensors onto paper

에볼라나 지카 바이러스 등을 위한

in order to create low-cost diagnostics for Ebola and Zika.

저가 진단법을 만들 수 있다는 것을 보여드렸습니다.

The sensors are activated when they're rehydrated by a patient sample

이 센서들은 예를 들면 피나 침 등

that could consist of blood or saliva, for example.

환자의 샘플로 재수화되면 활성화됩니다.

It turns out, this technology is not limited to paper

사실 이 기술은 종이 뿐만 아니라

and can be applied to other materials, including cloth.

천과 같은 다른 소재에도 적용이 가능합니다.

For the COVID-19 pandemic,

코로나19 판데믹을 위해

we're designing RNA sensors to detect the virus

우리는 바이러스를 발견할 수 있는 RNA 센서를 만들어

and freeze-drying these along with the needed cellular machinery

필요한 세포 조직과 함께 마스크 천 속에

into the fabric of a face mask,

동결건조시키고 있습니다.

where the simple act of breathing,

숨만 쉬어도

along with the water vapor that comes with it,

그에 따라 나오는 수증기 때문에

can activate the test.

센서가 활성화될 수 있습니다.

Thus, if a patient is infected with SARS-CoV-2,

SARS-CoV-2 감염자라면

the mask will produce a fluorescent signal

마스크가 형광 시그널을 보낼 것이고

that could be detected by a simple, inexpensive handheld device.

이는 간단하고 저렴한 휴대 기계로 확인할 수 있습니다.

In one or two hours, a patient could thus be diagnosed

따라서 한 두 시간 내에 환자를

safely, remotely and accurately.

안전하게 원격으로 정확하게 진단할 수 있습니다.

We're also using synthetic biology

우리는 또한 합성생물학을 이용해

to design a candidate vaccine for COVID-19.

코로나19의 백신 후보를 만들고 있습니다.

We are repurposing the BCG vaccine,

우리는 백년 가까이 결핵 백신으로 사용된

which had been used against TB for almost a century.

BCG 백신을 재창출하고 있습니다.

It's a live attenuated vaccine,

이 백신은 약독주인데

and we're engineering it to express SARS-CoV-2 antigens,

SARS-CoV-2 항원을 만들어내도록 하고 있습니다.

which should trigger the production of protective antibodies

그렇게 되면 면역 체계가

by the immune system.

항체를 만들어낼 것입니다.

Importantly, BCG is massively scalable

중요한 점은 BCG가 확장, 축소가 가능하며

and has a safety profile that's among the best of any reported vaccine.

지금까지 알려진 가장 안전한 백신들 중 하나라는 점입니다.

With the tools of synthetic biology and artificial intelligence,

우리는 합성생물학과 인공지능을 이용해

we can win the fight against this novel coronavirus.

신종코로나바이러스를 이겨낼 수 있습니다.

This work is in its very early stages, but the promise is real.

아직은 초기 단계지만 가능성은 확실합니다.

Science and technology can give us an important advantage

인간의 지혜와 수퍼버그 유전자 사이의 전쟁에서

in the battle of human wits versus the genes of superbugs,

과학과 기술은 우리에게 중요한 이점을 안겨줄 것입니다.

a battle we can win.

우리는 이겨낼 것입니다.

Thank you.

감사합니다.