유전자 하나가 아니라 1,000종을 비교해서 희귀병 원인을 찾는 AI

희귀질환 환자가 정확한 진단을 받기까지 평균 몇 년이 걸린다는 얘기, 한 번쯤 들어보셨을 거예요. 여러 병원을 전전하고도 원인을 못 찾는 경우가 흔한데, 이스라엘 히브리대학교(예루살렘) 크리스티나 카나바티(Christina Canavati) 박사와 유발 타바흐(Yuval Tabach) 교수 연구팀이 학술지 Genetics in Medicine에 발표한 AI 도구 'EvORanker'는 이 문제에 좀 색다른 방식으로 접근해요. 사람 유전자 하나를 들여다보는 대신, 1,000종이 넘는 생물종에서 그 유전자가 어떻게 진화해왔는지를 통째로 비교하거든요. 저는 이 발상을 처음 들었을 때 "진화 얘기가 왜 갑자기 진단에?" 싶었는데, 알고 보면 꽤 논리적인 연결이더라고요.

진단 오디세이라는 말

희귀질환은 전 세계 인구의 최대 5%에 영향을 미친다고 해요. 숫자만 보면 적지 않은데, 문제는 질환 하나하나의 사례가 워낙 드물고 원인 유전자도 제각각이라는 데 있어요. 어떤 유전자 변이가 이 환자의 증상을 일으켰는지 짚어내려면 기존 연구 문헌·데이터베이스에 그 유전자와 질병의 연관성이 이미 보고돼 있어야 하는데, 희귀질환일수록 그런 선행 연구 자체가 없는 경우가 많거든요. 그래서 환자와 가족들이 정확한 진단명 하나를 듣기까지 여러 전문의를 거치며 몇 년을 보내는 일이 드물지 않아요. 이 과정을 두고 '진단 오디세이(diagnostic odyssey)'라는 표현을 쓰기도 하는데, 그만큼 길고 고단한 여정이라는 뜻이겠죠.

왜 하필 '진화적으로 보존됐는가'를 볼까

여기서 EvORanker의 핵심 아이디어가 나와요. 어떤 유전자가 사람뿐 아니라 초파리, 어류, 다른 포유류처럼 서로 아주 멀리 떨어진 생물종에서까지 비슷한 형태로 계속 유지되고 있다면, 그건 그 유전자가 생명 활동에 있어 웬만해선 바뀌면 안 되는 중요한 역할을 하고 있다는 뜻일 가능성이 높아요. 진화 과정에서 어떤 유전자에 변이가 생겼는데 그 생물이 생존·번식에 불리해진다면, 그 변이는 자연선택으로 걸러지고 원래 서열이 살아남는 식이거든요. 반대로 별로 중요하지 않은 유전자는 세대를 거치며 서열이 비교적 자유롭게 바뀌어도 생존에 큰 지장이 없으니 변이가 잘 축적돼요. 진화적 보존 정도가 곧 그 유전자의 기능적 중요도를 짐작하게 해주는 단서인 셈이죠. EvORanker는 이 논리를 거꾸로 이용해서, 환자에게서 발견된 변이 유전자들 중 진화적으로 유난히 잘 보존된 것들을 우선순위로 짚어내요.

쌤 한마디 — 이 접근이 특히 유용한 이유는, 지금까지 어떤 질병과도 연결된 적이 없던 유전자까지 후보로 올릴 수 있다는 점이에요. 기존 진단 도구 상당수는 "이 유전자가 이미 어떤 질병과 관련 있다고 보고된 적 있는가"에 크게 의존하는데, 희귀질환은 애초에 그런 선행 보고 자체가 없는 경우가 많잖아요. 진화적 보존 패턴은 질병 데이터베이스가 아니라 생물종 비교라는 완전히 다른 정보원에서 단서를 얻으니까, 기존 방식으로는 못 찾던 유전자까지 걸러낼 수 있는 거예요.

실제로 얼마나 정확할까

연구팀이 실제 환자 데이터로 검증한 결과, EvORanker는 진짜 원인 유전자를 1순위 후보로 정확히 맞힌 비율이 약 70%, 5순위 이내에 포함시킨 비율은 95%에 달했어요. 특히 기존 진단 도구들이 어려워하던 까다로운 사례에서 더 뛰어난 성능을 보였다고 하는데, 이게 왜 의미가 있냐면 — 임상 현장에서는 후보를 몇백 개, 몇천 개로 좁히는 것보다 상위 5개 안에서 확인하는 쪽이 실제 검증 작업의 부담을 훨씬 줄여주거든요. 유전자 하나하나를 실험으로 확인하는 데도 시간과 비용이 들기 때문에, 후보 순위를 좁혀주는 것 자체가 진단 오디세이를 단축시키는 실질적인 도움이 되는 거예요.

이 연구는 비교유전체학(comparative genomics)이라는 접근을 잘 보여주는 사례이기도 해요. 사람 유전체 하나만 들여다봐서는 안 보이던 정보가, 여러 생물종의 유전체를 나란히 놓고 비교하는 순간 드러나는 거죠. 연구팀은 지금은 희귀질환 진단에 집중하고 있지만, 종양이 어떻게 행동하고 치료에 반응하는지를 이해하는 데에도 같은 방식을 적용할 수 있을지 검토 중이라고 해요. 암세포에서 일어나는 유전자 변이 역시 어떤 유전자가 기능적으로 중요한지 파악하는 게 핵심이니, 같은 논리가 통할 여지는 충분해 보여요.

Illumina NovaSeq 6000 유전체 시퀀싱 장비 참고 이미지 — 이 연구에서 실제로 사용한 장비 사진은 아니고, 대규모 유전체 시퀀싱에 쓰이는 대표적인 장비를 보여주는 일반 참고 이미지입니다. 출처: Magnus Manske, Wikimedia Commons, CC BY-SA 4.0 — 원본 보기

왜 이 주제가 세특 소재로 좋은가

생물의 유전 교과서에서 다루는 유전자·유전체 분석 기술을 실제 진단 현장 문제와 연결해서 보여줄 수 있는 소재예요. 특히 '진화적 보존'이라는 진화생물학 개념이 어떻게 질병 유전자 진단이라는 전혀 다른 분야에 응용되는지를 설명하면 교과 간 융합적 사고를 드러내기 좋고, 희귀질환 환자들이 겪는 진단 오디세이라는 사회적 맥락과도 자연스럽게 연결돼서 의학·생명공학·생물정보학 등 다양한 진로로 확장하기 좋아요.

탐구 방향성 제안

• 문헌조사 방향: 자연선택이 유전자 서열의 보존 정도에 어떤 영향을 미치는지, 그리고 이 원리가 질병 관련 유전자를 찾는 다른 생물정보학 도구에서는 어떻게 쓰이는지 조사해보세요.
• 자료 정리 아이디어: "질병 데이터베이스 기반 진단 도구"와 "진화적 보존 비교 기반 진단 도구(EvORanker)"를 정보원·강점·한계 기준으로 비교표를 만들면 두 접근의 차이가 뚜렷하게 드러나요.
• 결과 해석 시 유의할 점: 1순위 정답률 70%, 5순위 이내 95%라는 수치는 실제 환자 데이터 검증 결과이지만, 최종 진단은 여전히 임상 전문가의 추가 확인을 거쳐야 확정된다는 점을 함께 언급해야 해요.

세특 기록에 이렇게 녹일 수 있어요

실제 세특은 선생님이 학생의 활동을 관찰하고 기록하는 글이라, 자기소개서처럼 1인칭으로 쓰지 않습니다. 아래는 탐구 활동을 어떤 흐름으로 정리하면 좋을지 참고하기 위한 예시예요.

활동 계기: 희귀질환 환자들이 겪는 '진단 오디세이' 문제를 접하고, AI가 진단 과정을 어떻게 단축시킬 수 있는지 궁금해 관련 연구를 자발적으로 조사함.
탐구 내용: 1,000종 이상의 생물종 간 유전자 진화적 보존 패턴을 비교해 희귀질환 원인 유전자를 찾아내는 AI 도구 EvORanker(Canavati, Tabach et al., 히브리대학교)를 조사하고, 자연선택과 유전자 보존의 관계가 진단 기술에 응용되는 원리를 정리해 발표함.
드러난 역량: 진화생물학 개념을 의료 진단이라는 실제 문제에 적용해 이해하는 융합적 사고력을 보였으며, 정량적 성능 지표(1순위·5순위 정확도)를 근거로 기술의 의의와 한계를 균형 있게 설명하는 분석적 태도를 드러냄.
후속 연계: (생명공학, 의학, 생물정보학 등 진로 방향에 맞춰) 비교유전체학, 자연선택과 분자진화, 암유전체 분석 등 후속 개념 탐구로 확장 가능.

위 문장은 강조하면 좋을 포인트를 잡기 위한 예시일 뿐이에요. 실제 세특 문장은 선생님이 수업·발표 중 관찰한 내용을 바탕으로 작성합니다.

더 깊이 들어가기

• 자연선택이 유전자 서열에 남기는 흔적 — 같은 자리에서 일어난 변이인데 왜 어떤 건 사라지고 어떤 건 남을까
• 비교유전체학이 활용되는 다른 사례들(사람과 침팬지 유전체 비교, 모델 생물을 이용한 유전자 기능 연구 등)
• 이 도구가 종양학으로 확장된다면, 암세포의 유전자 변이를 진화적 보존 관점에서 본다는 게 구체적으로 어떤 의미일지