In-molecule machine learning with microfluidic integrated DNA neural computing

수십 년 동안 과학자들은 생명을 구성하는 바로 그 분자들로 컴퓨터를 만드는 꿈을 꾸어 왔습니다. 그 아이디어는 유전의 화학적 코드인 DNA를 단순히 정보를 저장하는 용도가 아니라, 계산을 수행하는 데 사용하는 것입니다. 전통적인 컴퓨터에서 실리콘 칩은 전기를 사용하여 데이터를 처리합니다. 분자 컴퓨터에서는 화학 반응이 데이터를 처리합니다. 만약 성공한다면, 이러한 시스템은 생물학적 샘플을 직접 분석하여, 샘플을 먼 곳의 실험실로 보낼 필요 없이 특정 유전적 표지를 탐지함으로써 질병을 진단할 수 있을 것입니다. 그러나 오랫동안 이러한 분자 컴퓨터들은 근본적인 물리적 함정에 갇혀 있었습니다. 서로 다른 DNA 가닥들을 하나의 용기 안에 섞으면, 그것들은 무작위로 움직이며 우연히 서로 충돌하게 됩니다. 서로 다른 가닥의 수가 증가함에 따라, 이들은 서로 간섭하기 시작하여 의도한 계산이 소음 속에서 길을 잃는 혼란스러운 수프를 만들어냅니다. 이러한 무작위성은 분자 컴퓨팅을 작고 단순한 수준에 머물게 했으며, 현대 인공지능이 쉽게 처리하는 복잡한 과제들을 다룰 수 없게 만들었습니다.

연구팀은 화학 작용이 일어나는 환경을 바꿈으로써 이 함정에서 벗어날 방법을 마침내 찾아냈습니다. DNA 가닥들이 커다란 액체 풀 안에서 자유롭게 떠다니게 하는 대신, 그들은 특정 DNA 지침 세트를 포함하는 아주 작은 액체 방울들을 미세한 칩 안에 가두었습니다. 그런 다음 그들은 인간의 눈에는 보이지 않을 정도로 미세한 규모에서 로봇 팔과 같은 정밀도로 이 액체 방울들을 움직일 수 있는 시스템을 구축했습니다. 어떤 액체 방울들이 언제 만날지를 정확하게 제어함으로써, 연구진은 혼란스러운 화학 혼합물을 구조화되고 프로그래밍 가능한 기계로 탈바꿈시켰습니다. 그들이 'DNA 부호화 미세유체 집적 회로'라고 부르는 이 새로운 장치는 필기체 글자와 숫자를 식별하는 것과 같은 복잡한 패턴 인식 작업을 성공적으로 수행했으며, 심지어 인간의 혈액 샘플에서 다양한 유형의 암을 진단하기도 했습니다. 이 연구는 공학자들이 전자 회로에 사용하는 것과 동일한 정밀도로 그 움직임을 제어할 수 있다면, 생물학적 분자를 사용하여 대규모의 지능형 시스템을 구축하는 것이 가능하다는 것을 입증합니다.

이 돌파구의 핵심은 연구진이 화학 반응을 어떻게 조직했느냐에 있습니다. 과거에 분자 컴퓨터를 만들려던 과학자들은 모든 재료를 단일 시험관에 섞어야 했습니다. '균질 반응(homogeneous reaction)'이라고 알려진 이 방식은 분자가 파트너를 찾을 때까지 무작위로 헤매는 확산에 의존합니다. 이것은 단순한 작업에는 효과적이지만, 시스템이 커지면 분자들이 서로 간섭하기 시작하기 때문에 실패하게 됩니다. 새로운 시스템은 이 단일 시험관을 방대한 수의 작고 격리된 구획들로 대체합니다. 연구진은 각기 다른 DNA 성분을 포함하는 미세한 액체 방울인 '분자 칩렛(molecular chiplets)' 라이브러리를 만들었습니다. 어떤 칩렛은 입력 데이터를 담고 있었고, 다른 것들은 계산을 위한 규칙을 담았으며, 또 다른 것들은 가시적인 신호를 생성하는 데 필요한 부품들을 담고 있었습니다. 이 칩렛들은 특수 제작된 칩 위의 저장소에 보관되었습니다.

이 칩렛들이 함께 작동하게 만들기 위해, 연구진은 칩 표면 아래에 미세한 전극 그리드를 사용했습니다. 특정 전극에 전기 신호를 가함으로써, 그들은 나노리터 단위의 정밀도로 액체 방울들을 밀고, 당기고, 병합할 수 있었습니다. 나노리터는 먼지 한 점 정도 크기의 믿을 수 없을 정도로 작은 액체 양입니다. 이러한 전기적 제어를 통해 시스템은 표준 컴퓨터 아키텍처의 유체 버전처럼 작동할 수 있었습니다. 저장소는 칩렛 라이브러리를 저장하는 메모리 역할을 했습니다. 반응 챔버는 화학적 계산이 일어나는 프로세서 역할을 했습니다. 외부 전자 장치는 어떤 액체 방울을 언제 이동시킬지 결정하는 컨트롤러 역할을 했습니다. 이 설정은 연구진이 컴퓨터 프로그램을 물리적 움직임의 순서로 컴파일할 수 있게 해주었습니다. 컴퓨터는 필요한 액체 방울을 가져와 반응 챔버로 운반하고 이를 병합하여 특정 계산을 수행하며, 이 과정에서 분자들이 결코 혼란스러운 혼합물 속에서 길을 잃지 않도록 했습니다.

이 플랫폼을 사용하여, 팀은 인간의 뇌에서 영감을 얻은 컴퓨터 프로그램인 신경망을 DNA만으로 구축할 수 있음을 보여주었습니다. 그들은 2,300개 이상의 개별적인 액체 방울 이동을 통해 연결된 144개의 독특한 DNA 뉴런을 포함하는 네트워크를 조립했습니다. 이 네트워크는 숫자 0부터 9까지와 알파벳을 포함한 36가지의 서로 다른 필기 기호를 인식하도록 설계되었습니다. 연구진이 특정 DNA 가닥의 존재 여부로 인코딩된 기호의 이미지를 시스템에 입력했을 때, 네트워크는 80% 이상의 확률로 올바른 문자를 성공적으로 식별해 냈습니다. 이는 분자 시스템이 전통적인 화학 시스템에서 구현하기 어려운 유형의 딥러닝 알고리즘인 합성곱 신경망(convolutional neural network)의 복잡성을 처리할 수 있음을 보여준 중요한 도약이었습니다. 성공의 비결은 네트워크의 각 부분이 상호작용이 필요한 정확한 순간까지 서로 격리되어 있도록 유지함으로써, 기존의 시스템을 제한했던 크로스토크(crosstalk, 간섭) 현상을 방지한 데 있었습니다.

패턴 인식 외에도, 연구진은 자신들의 시스템이 학습하고 적응할 수 있음을 보여주었습니다. 그들은 시스템이 자신의 실수를 바로잡음으로써 성능을 개선하는 과정인 지도 학습(supervised learning)을 수행하도록 칩을 프로그래밍했습니다. 이 실험에서 시스템은 세 가지 서로 다른 필기 모양을 구별하도록 훈련받았습니다. 과정은 시스템이 추측을 하고, 그 추측을 정답과 비교한 다음, 다음 시도를 개선하기 위해 DNA 뉴런 사이의 연결을 물리적으로 재배치하는 과정을 포함했습니다. 연구진은 시스템이 뉴런 사이의 연결 강도를 나타내는 내부 가중치를 조정할 수 있으며, 결국 모양을 인식하는 데 있어 100% 정확도에 도달할 수 있음을 관찰했습니다. 이는 이 플랫폼이 단순히 정적인 계산기가 아니라, 물리적 재구성을 통해 스스로 최적화할 수 있는 동적인 기계임을 입증했습니다.

이 기술의 가장 즉각적인 응용 분야는 의학 진단 분야에서 나타났습니다. 팀은 임상 혈청 샘플을 분석하여 다양한 유형의 암을 탐지하고 분류하기 위해 자신들의 분자 컴퓨터를 사용했습니다. 그들은 2단계 결정 과정을 설계했습니다. 먼저, 분류에 사용되는 알고리즘의 일종인 서포트 벡터 머신(support vector machine)이 샘플이 건강한 사람의 것인지 환자의 것인지를 결정했습니다. 만약 샘플이 암인 것으로 식별되면, 두 번째 신경망이 폐암, 간암, 난소암 중 구체적인 암의 종류를 판별했습니다. 시스템은 15명의 환자 샘플과 5명의 건강한 대조군 샘플을 대상으로 테스트되었습니다. 시스템은 암 사례의 90%를 정확히 식별했으며, 양성 사례 중 특정 암 유형을 90%의 정확도로 구분해 냈습니다. 또한 시스템은 건강한 샘플을 거의 모든 경우에 건강하다고 정확히 식별하여 매우 높은 특이도를 보여주었습니다. 이러한 결과는 이 기술이 궁극적으로 복잡한 생물학적 샘플을 현장에서 직접 분석할 수 있는 휴대용 자동 진단 장치를 만드는 데 사용될 수 있음을 시사합니다.

이 연구의 중요성은 실험의 구체적인 결과 그 이상을 의미합니다. 이는 물리적 하드웨어와 논리적 프로그램을 분리하는 분자 컴퓨팅의 새로운 엔지니어링 프레임워크를 확립합니다. 전통적인 분자 컴퓨팅에서는 화학적 네트워크의 설계가 물리적 혼합물과 밀접하게 결합되어 있어 규모를 키우기가 어려웠습니다. 이 새로운 시스템에서 하드웨어는 재사용 가능한 전극과 저장소의 플랫폼인 반면, '프로그램'은 단순히 기계에게 어떤 액체 방울을 움직일지 알려주는 일련의 지침입니다. 이러한 분리 덕분에 동일한 물리적 장치가 액체 방울의 움직임을 제어하는 소프트웨어를 변경하는 것만으로도 필기체 인식에서 질병 진단에 이르기까지 완전히 다른 작업을 수행하도록 재프로그래밍될 수 있습니다. 연구진은 현재의 제한 사항이 화학적 상호작용 자체가 아니라 칩 위의 전극 밀도와 관련된 것이라고 언급했는데, 이는 제조 공정의 추가적인 개선이 더 크고 복잡한 분자 컴퓨터로 이어질 수 있음을 시사합니다.

이 접근 방식은 또한 이 분야의 오랜 과제인 분자 상호작용의 타이밍과 위치를 제어하지 못하는 문제를 해결합니다. 연구진은 반응을 별도의 액체 방울에 가두고 필요할 때만 이동시킴으로써 이전의 시도들을 괴롭혔던 무작위성을 제거했습니다. 시스템은 비평형 과정(non-equilibrium process)으로 작동하는데, 이는 분자들이 수동적으로 가라앉는 것에 의존하는 것이 아니라 외부 에너지에 의해 구조와 기능을 유지하도록 지속적으로 구동된다는 것을 의미합니다. 이러한 능동적인 제어는 생물학적 맥락에서 이전에 도달할 수 없었던 수준의 정밀도와 신뢰성을 가능하게 합니다. 수천 개의 액체 방울이 동시에 움직이며 수백만 개의 연산을 병렬로 수행할 수 있는 능력은, 살아있는 시스템의 복잡성에 부합하는 규모로 생물학적 정보를 처리할 수 있는 길을 열어줍니다.

연구진은 이 기술이 생물학적 샘플로부터 유전 물질을 추출하고 증폭하는 자동화 모듈과 통합되는 미래를 구상하고 있습니다. 이는 생물학적 샘플과 같은 가공되지 않은 샘플을 받아 인간의 개입 없이 진단 답변을 제공할 수 있는 폐쇄 루프 시스템을 만들 것입니다. 현재 시스템은 전극을 제어하고 결과를 읽기 위해 외부 장비가 필요하지만, 여기서 입증된 원리들은 완전히 자율적인 지능형 바이오센서로 가는 명확한 경로를 제공합니다. 이 연구는 분자 컴퓨팅의 모든 문제를 해결했다고 주장하는 것이 아니라, 이 분야의 성장을 가로막았던 근본적인 장벽을 제거했다는 것입니다. 거대하고 복잡한 신경망을 DNA와 미세유체 기술을 사용하여 구축하고 제어할 수 있음을 증명함으로써, 연구진은 분자 머신 러닝의 꿈이 더 이상 이론적인 가능성이 아니라 실질적인 현실임을 보여주었습니다.

이 기술이 미치는 영향은 의학과 생물학 분야에서 매우 심대합니다. 만약 분자 컴퓨터를 충분히 작고 저렴하게 만들 수 있다면, 이를 의료 기기에 직접 삽장하거나 심지어 몸속에 넣어 실시간으로 건강을 모니터링할 수 있을 것입니다. 그것들은 세포의 화학적 징후를 분석하여 질병의 초기 징후를 포착함으로써, 현재의 전자 센서가 따라올 수 없는 수준의 민감도를 제공할 수 있습니다. 생물학적 분자 위에서 직접 복잡한 계산을 수행할 수 있는 능력은, 데이터의 본래 환경에서 분석이 이루어지게 하여 시간 소모적이고 오류가 발생하기 쉬운 샘플 준비 과정을 생략하게 해줍니다. 이는 질병의 진단과 치료 방식을 혁신하여 정밀 의료를 더욱 접근하기 쉽고 효율적으로 만들 수 있습니다.

궁극적으로 이 연구는 우리가 컴퓨팅을 생각하는 방식의 변화를 나타냅니다. 이는 계산이 반드시 실리콘과 전기에서 일어나야 한다는 생각에서 벗어나, 물과 DNA에서도 일어날 수 있다는 가능성을 수용하는 것입니다. 연구진은 공학적 제어 원리를 생물학적 시스템에 적용함으로써, 우리가 한때 불가능하다고 여겨졌던 과업들을 수행하기 위해 분자 상호작용의 힘을 활용할 수 있음을 보여주었습니다. DNA 부호화 미세유체 집적 회로는 단순한 새로운 유형의 컴퓨터가 아닙니다. 그것은 생물학과 기술 사이의 관계에 대한 새로운 사고방식입니다. 이는 컴퓨팅의 미래가 더 빠른 칩을 만드는 것이 아니라, 살아있는 세계와 직접 상호작용할 수 있는 더 똑똑하고 적응력 있는 시스템을 구축하는 데 있을 수 있음을 시사합니다. 혼란스러운 화학 혼합물에서 구조화되고 프로그래밍 가능한 기계로 가는 여정은 완료되었으며, 이제 앞길은 명확해졌습니다.