ViroNEXT: A multilayer hybrid system for high-precision detection of known and divergent viruses in metagenomics
ViroNEXT는 메타게놈 데이터에서 알려진 바이러스와 변이가 심한 바이러스를 모두 고정밀도로 검출하는 동시에 위양성 분류를 현저히 줄이기 위해 참조 기반 방식과 머신러닝 방식을 결합한 완전 자동화된 오픈 소스 다층 하이브리드 파이프라인입니다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
인간의 건강이라는 보이지 않는 세계에서 바이러스는 끊임없이 이동하는 여행자입니다. 어떤 것들은 익숙한 질병을 일으키고, 다른 것들은 공격할 때까지 숨어 있습니다. 수십 년 동안 의사들은 이러한 침입자를 찾아내기 위해 표적 검사에 의존해 왔지만, 그 검사들은 이전에 무엇을 찾고 있는지 정확히 알고 있어야 합니다. 만약 바이러스가 형태를 바꾸었거나 처음으로 나타난 것이라면, 표준 검사들은 이를 완전히 놓치곤 합니다. 메타게놈 시퀀싱(metagenomic sequencing)이라 불리는 새로운 접근 방식은 다른 길을 제시합니다. 이 방법은 특정 용의자를 쫓는 대신, 마치 제목을 모르는 상태에서 거대한 도서관을 뒤져 단 한 권의 책을 찾는 것처럼 샘플 내의 모든 유전 물질 가닥을 읽어 들입니다. 이 기술은 어떤 바이러스든 찾아낼 수 있다는 가능성을 품고 있지만, 두 가지 주요 문제로 어려움을 겪어 왔습니다. 즉, 무해한 유전적 노이즈를 위험한 바이러스로 오인하거나, 과학자들이 이미 알고 있는 것들과 크게 달라진 바이러스를 인식하지 못하는 경우가 빈번하다는 점입니다.
연구팀은 이제 이 문제들을 해결하기 위해 ViroNEXT라는 새로운 시스템을 개발했습니다. 이 시스템은 서로 다른 두 가지 사고방식을 결합한 고도로 숙련된 필터처럼 작동합니다. 시스템의 첫 번째 부분은 전통적인 사서처럼 작동하여, 모든 유전 코드를 알려진 바이러스의 방대한 데이터베이스와 대조합니다. 일치하는 항목이 발견되면 표시가 됩니다. 하지만 시스템은 여기서 멈추지 않습니다. 시스템은 모든 잠재적 일치 항목에 대해 유전 코드가 어떻게 배열되어 있는지, 그리고 샘플 내에 바이러스가 실제로 얼마나 존재하는지를 살피는 일련의 엄격한 검사를 수행합니다. 이러한 다층적 접근 방식은 가장 신뢰할 수 있는 결과만이 앞으로 나아가도록 보장하며, 이전 방식들을 괴롭혔던 가짜 알람을 효과적으로 제거합니다.
시스템의 두 번째 부분은 미지의 존재를 위해 설계되었습니다. 첫 번째 부분이 데이터베이스에서 일치하는 항목을 찾지 못하면, 유전 코드는 머신러닝 모델로 전달됩니다. 이 모델은 알려진 바이러스와의 정확한 일치를 찾는 것에 의존하지 않습니다. 대신, 이 모델은 유전 코드의 서열이 이전에 본 적이 없는 것이라 할지라도, 그것이 바이러스처럼 보이게 만드는 일반적인 패턴과 구조적 특징을 인식하도록 훈련되었습니다. 알려진 목록을 확인하는 정밀함과 머신러닝의 패턴 인식 능력을 결적으로 결합함으로써, 이 시스템은 익숙한 바이러스와 기이하고 이질적인 형태로 진화한 바이러스를 모두 식별할 수 있습니다.
이 새로운 시스템이 얼마나 잘 작동하는지 테스트하기 위해, 연구진은 일련의 도전적인 시나리오를 구축했습니다. 그들은 타겟 바이러스가 수십억 개의 다른 가닥들 사이에 숨겨져 있는 실제 상황을 시뮬레이션하기 위해, 인간 및 박테리아의 유전 물질과 혼합된 합성 샘플을 만들었습니다. 이 테스트에서 그들은 알려진 버전과 0%에서 25% 사이의 유전적 변이를 가진 바이러스들을 도입했습니다. 기존의 다른 도구들이 변이가 증가함에 따라 실패하거나 많은 가짜 알람을 생성하기 시작한 반면, ViroNEXT는 높은 정확도를 유지했습니다. ViroNEXT는 바이러스가 상당히 변했음에도 불구하고 성공적으로 식별해 냈으며, 다른 시스템들이 바이러스를 놓치거나 실제로 존재하지 않는 바이러스를 보고하기 시작할 때도 그러했습니다.
연구진은 또한 설명되지 않은 발열과 감염을 앓고 있는 환자들의 샘플을 포함한 실제 데이터를 통해 시스템을 테스트했습니다. 이 임상 사례들에서도 시스템은 명확하고 신뢰할 수 있는 결과를 제공함으로써 그 가치를 입증했습니다. 시스템은 다른 도구들이 만들어내는 수십 개의 관련 없는 잘못된 추측들로 보고서를 채우지 않고도 질병을 일으키는 바이러스를 식별해 냈습니다. 21개의 서로 다른 바이러스가 복잡하게 섞인 특정 테스트에서, 시스템은 경쟁 도구들보다 훨씬 적은 가짜 알람을 생성하면서 거의 모든 바이러스를 정확하게 식별했습니다. 심지어 다른 도구들이 놓친 샘-플 내의 숨겨진 오염 물질을 포착해 냈으며, 이 발견은 이후 독립적인 실험실 테스트를 통해 확인되었습니다.
이 시스템의 결정적인 강점은 알려진 것들과 너무 달라서 표준 데이터베이스에 전혀 나타나지 않는 바이러스들을 처리하는 능력입니다. 연구진이 시스템의 참조 라이브러리에서 바이러스 군 전체를 제거한 엄격한 테스트에서, 머신러닝 구성 요소는 여전히 이들을 탐지해 냈습니다. 시스템은 훈련된 내용을 바탕으로 바이러스 패턴을 인식하여, 이 "새로운" 바이러스들의 유전 서열을 높은 정확도로 회복했습니다. 이는 시스템이 아직 과학계에 등록되지 않은 신종 위협을 포착할 수 있음을 시사하며, 이는 팬데믹 대비에 필수적인 능력입니다.
연구진은 이 도구를 대중에게 무료로 공개하여, 값비싼 컴퓨터나 전문적인 훈련 없이도 누구나 웹 인터페이스를 통해 사용할 수 있도록 했습니다. 진정한 바이러스 신호와 배경 노이즈를 분리하는 복잡한 과정을 자동화함으로써, ViroNEXT는 우리가 바이러스 감염을 탐지하고 이해하는 방식을 개선할 수 있는 실용적인 방법을 제시합니다. 이 시스템은 단순히 더 많은 바이러스를 찾는 것이 아니라, '올바른' 바이러스를 찾아냄으로써 과학자와 의사들에게 우리의 건강에 영향을 미치는 보이지 않는 세계에 대한 더 명확한 그림을 제공합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.