기계학습과 감염증: 환자 수준에서 백신 효과를 어떻게 더 잘 이해할 수 있을까

03 Dec 2020

기계학습과 감염증: 환자 수준에서 백신 효과를 어떻게 더 잘 이해할 수 있을까

by Jean Huang

Adriana Tomic, PhD, University of Oxford

2019년 Journal of Immunology에 게재된 가장 많이 읽은 20개 저널 중 하나에서 스탠포드대학과 옥스포드대학의 연구자들이 자동기계학습시스템을 개발했다고 발표되었다. 이 시스템은 Sequential Iterative Modeling “OverNight” (SIMON) 이라고 불리며 백신반응에 초점을 맞춘 다양한 임상연구의 고차원의 데이터베이스에 필적하는 기능을 가진다 (그림 1). 이 프로젝트의 목적은 더욱 정확한 예상 모델을 구축하는 것과 분석을 가속화 하고 찾아내는 것이다. 저널의 주저자인 Adriana Tomic 박사는 “SIMON은 상이한 임상 데이터를 기반으로 가설을 세울 때 유용하다.”고 말했다.

기계학습과 시스템면역을 혼합하다

감염이나 치료 중에 면역세포와 분자의 변화를 평가하기 위해 시스템 면역에 접근하는 것은 효과적인 면역 반응의 이해를 가속화할 수 있다. 기계학습알고리즘을 시스템 면역에 통합하는 것은 유의미한 면역 세포 그룹과 유전자의 알려지지 않은 패턴의 발견을 가능하게 한다. 그러나, 최근 이 접근법이 상이한 특성을 가지거나 미완성된 데이터로 인해 어려움을 겪고 있다. 이러한 장애를 극복하고 많은 임상 연구들의 다양성에 기계학습을 적응 시키기 위해 Tomic 박사와 그의 팀원들은 고차원의 임상 데이터세트를 기계학습에 적용하기 위해 SIMON을 공개 소스 소프트웨어로 발전시켰다. 간단히 말하자면, SIMON은 면역 시스템 변수에 기반하여 한 사람이 백신에 어떻게 적절히 반응할지 예측할 수 있다.

SIMON은 인간의 인플루엔자 예방접종 반응에 대한 컴퓨터 분석을 개선하기 위해 개발되었다.  기존 컴퓨터 분석은 작은 표본 크기와 단일 목표 연구들로 인해 보통 신뢰할 수 없었다. 대신, SIMON은 생물학적 다양성을 정확하게 포착하고 통계적 유의성을 높이기 위해 여러 연구에 걸쳐 수많은 개인으로부터 많은 변수를 분석한다. 기계학습의 합류는 샘플 손실을 최소화하고 주어진 데이터 분포에 맞는 알고리즘을 식별하여 예측 정확도 및 기타 성능 측정을 극대화하는 데 도움이 된다.

독감 백신 대응을 예측하기 위해 FluPRAT 프로젝트에서 사용되는 SIMON 시스템 면역 접근방식은 SARS-CoV-2와 같은 다른 감염증을 이해하는 데도 매우 중요할 수 있다

처음에 SIMON은 스탠포드의 Human Immune Monitoring Center (HIMC)의 새로운 프로젝트인 FIuPRINT의 데이터를 분석했다. 계절 인플루엔자 예방접종에 대한 5가지 임상연구가 포함되었다. 여기에는 면역체계와 개체 편차를 모두 포착하기 위해 mass cytometry를 이용한 단백질 수준의 단일 세포 분석이 포함된 다양한 플랫폼과 확장 매개변수가 포함된다. Tomic 박사는 "SIMON을 이용함으로써 바이러스에 대항하여 인체를 보호하기 위한 이전에 언급되지 않은 새로운 면역세포그룹을 발견했다. 이 결과는 차세대 백신 개발에 중요하며, 발견 속도를 높이기 위해 기계학습을 적용함으로써 백신학을 근본적으로 바꿀 수 있는 역량을 보여주었다.”고 설명했다.

이 연구에서 생성된 데이터는 인플루엔자 백신에 대한 세포와 분자 기반의 성공적인 항체 반응을 탐구하는 대규모 연구를 가능하게 하기 위해 공개 FluenPRATE 데이터베이스에 수집되었다. 이 리소스는 인플루엔자 백신 면역원을 나타내는 중요한 새로운 표지와 메커니즘을 밝혀내는 데 사용될 수 있다.

감염성 질병으로의 이동

독감 백신 반응을 예측하기 위해 FluPRAT 프로젝트에서 사용되는 SIMON 시스템 면역학 접근법은 SARS-CoV-2(그림 2)와 같은 다른 전염병을 이해하고 COVID-19 pandemic을 막기 위한 백신을 개발하는 데도 중요해 질 수 있다. "SARS-CoV-2에 대한 현재 진행 중인 임상 실험에서 유사한 데이터 세트를 생성하는 것은 이 바이러스를 이해하고 효율적인 백신을 만드는 데 매우 중요해 질 것이다."고 Tomic 박사는 말한다.

감염이나 백신에 대한 반응의 개인간 편차를 평가는 환자마다 광범위하고 예측할 수 없는 범위의 면역 반응이 일어나고 있다는 COVID-19의 임상 발표와 일치한다. SIMON은 면역 프로파일을 기반으로 질병의 중요한 단계로 진척될 수 있는 환자와 특정 치료에 반응할 환자를 결정하는 데 도움을 줄 수 있다. 이 목표를 위해 옥스퍼드 대학 팀의 일원인 Tomic 박사는 현재 사스-CoV-2 백신 후보를 발견하고 1차 임상시험 단계를 밟고 있다.

FluPRINT 프로젝트는 fluprint.com에 자세히 설명되어 있습니다. 그리고 SIMON은 genular.org. 에서 download 받으실 수 있습니다.

COVID-19의 새로운 백신 후보에 대한 공식발표는 이 링크에서 보실 수 있습니다
:ovg.ox.ac.uk/news/covid-19-vaccine-development

문의하기

무엇을 도와 드릴까요?

제품과 관련한 보다 자세한 정보를 전달 할 수 있도록
세부 정보를 작성해주시기 바랍니다.