인터뷰

세라핌 바초글루 박사, 시어 최고 데이터 책임자 – 인터뷰 시리즈

Antoine Tardif
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Seer의 Proteograph 플랫폼은 기존 방법보다 혈장에서 5배에서 8배 더 많은 단백질을 검출하여 이전에는 발견되지 않던 질병 신호를 밝혀냅니다.
더 보기
  • Seer의 Proteograph 플랫폼은 기존 방법보다 혈장에서 5배에서 8배 더 많은 단백질을 검출하여 이전에는 발견되지 않던 질병 신호를 밝혀냅니다.
  • 대규모 언어 모델(LLM)은 방대한 환자 데이터를 분석하여 진단 과정에서 인간 전문가를 보조할 것이나, 환각(hallucination) 위험으로 인해 완전 자율 운영은 불가능합니다.
  • 머신러닝은 표적을 식별하고 화합물을 최적화함으로써 신약 개발을 가속화하며, 수십억 달러의 비용과 10년 이상의 개발 기간을 단축할 잠재력을 가지고 있습니다.

세라핌 바초글루는 Seer의 최고 데이터 책임자입니다. Seer에 합류하기 전에는 Insitro에서 최고 데이터 책임자로 일하며 신약 발굴을 위한 머신러닝과 데이터 과학을 이끌었습니다. 그전에는 Illumina의 응용·계산 생물학 부문 부사장으로서, 인간 건강 분야에서 게놈 데이터를 더 잘 해석할 수 있도록 AI와 분자 분석법의 연구 및 기술 개발을 이끌었습니다.

처음 유전체학 분야에 관심을 갖게 된 계기는 무엇인가요?

MIT 컴퓨터 과학 박사 과정 초기에 보니 버거와 데이비드 기퍼드가 가르치는 수업을 들으면서 계산 생물학에 관심을 갖게 되었습니다. 버거는 제 박사 지도교수가 되었습니다. 당시 인간 게놈 프로젝트가 속도를 내고 있었고, MIT 게놈 센터를 이끌던 에릭 랜더가 공동 지도교수가 되어 저를 프로젝트에 참여시켰습니다. 인간 게놈 프로젝트에서 동기를 얻어 인간과 생쥐 DNA의 전체 게놈 조립과 비교 게놈학을 연구했습니다.

그런 다음 스탠퍼드 대학교에서 컴퓨터 과학부 교수로 15년 동안 재직하며, 30명의 매우 재능 있는 박사 과정 학생들과 많은 박사 후 연구원 및 학부 학생들을 지도했습니다. 저의 팀은 알고리즘, 기계 학습 및 소프트웨어 도구 개발을 통해 대규모 게놈 및 생물 분자 데이터를 분석하는 데 중점을 두었습니다. 2016년에 스탠퍼드 대학교를 떠나 일루미나에서 연구 및 기술 개발 팀을 이끌었습니다. 이후 저는 산업계에서 연구 개발 팀을 이끌면서 팀워크, 비즈니스 측면, 사회에 대한 직접적인 영향이 학계보다 산업계에서 더 크다는 것을 알게 되었습니다. 저는 2009년에 제가 공동 설립한 DNAnexus, Illumina, Insitro 및 현재 시어를 포함한 다양한 혁신적인 회사에서 일했습니다. 계산 및 기계 학습은 바이오테크놀로지에서 기술 개발, 데이터 수집, 생물학적 데이터 해석 및 인간 건강으로의 번역에 걸쳐 전 기술 체인에서 필수적입니다.

지난 20년 동안, 인간 게놈의 서열 분석은 훨씬 더 저렴하고 빠르게 되었습니다. 이는 게놈 서열 분석 시장의 급격한 성장과 생명 과학 산업에서 더 광범위한 채택으로 이어졌습니다. 우리는 이제 인구 게놈, 다중 오믹스 및 표현형 데이터를 충분한 규모로 확보하여 예방, 진단, 치료와 신약 발굴을 포함한 의료를 의미 있게 혁신할 수 있는 시점에 있습니다. 우리는 게놈 데이터의 계산적 분석을 통해 개인의 질병의 분자적 기초를 점점 더 많이 발견할 수 있으며, 특히 암 및 희귀 유전 질환의 경우 개인에게 맞춤형 및 타겟팅된 치료를 받을 기회가 있습니다. 의학 이외의 분야에서도 기계 학습과 게놈 정보를 결합하여 우리의 가계, 영양 등에 대한 통찰력을 얻을 수 있습니다. 향후 몇 년 동안 개인화된, 데이터 기반 의료가 처음에는 희귀 질환 환자와 같은 특정 인구 집단을 대상으로 확대되며, 점차적으로 더 광범위한 대중에게 확대될 것입니다.

현재 직책에 앞서 Insitro의 최고 데이터 책임자로서 신약 발굴을 위한 머신러닝과 데이터 과학을 이끄셨습니다. 머신러닝으로 신약 발굴을 가속하는 방법에 관해 당시 얻은 핵심 교훈은 무엇인가요?

전통적인 시행착오 방식의 신약 발굴·개발은 비효율적이고 시간이 매우 오래 걸립니다. 약물 하나가 시장에 나오기까지 10억 달러 이상과 10년 이상이 들 수 있습니다. 머신러닝을 통합하면 여러 단계에서 비용과 시간을 크게 줄일 수 있습니다. 첫째는 표적 식별입니다. 대규모 유전적·화학적 교란과 영상·기능 유전체학 같은 표현형 측정을 통해, 질병 표현형을 조절하거나 병든 세포 상태를 더 건강한 상태로 되돌리는 유전자 또는 유전자 집합을 찾습니다. 다음은 화합물 식별과 최적화입니다. 머신러닝 기반 컴퓨터 예측(in silico)과 시험관 내 선별(in vitro)로 소분자나 다른 유형의 치료제를 설계하고, 용해도·투과성·특이성·비독성 같은 바람직한 성질을 최적화할 수 있습니다. 가장 어렵고 중요한 부분은 아마도 인간에게 적용하는 일입니다. 유도만능줄기세포 유래 세포주, 환자의 일차 세포주와 조직 시료, 동물 모델 중 어떤 모델을 어느 질병에 사용할지에는 중대한 상충관계가 있습니다. 이는 결국 해당 데이터와 머신러닝의 결과를 환자에게 적용할 수 있는지를 좌우합니다.

시어 바이오는 프로테옴의 비밀을 해독하여 인간 건강을 개선하기 위한 새로운 방법을 개척하고 있습니다. 프로테옴이란 무엇입니까?

프로테옴(단백체)은 유기체가 시간의 흐름과 환경·영양·건강 상태에 반응하여 생성하거나 변형하는, 계속 바뀌는 단백질 집합입니다. 단백체학은 특정 세포 유형이나 조직 시료의 단백체를 연구합니다. 인간이나 다른 유기체의 게놈은 체세포 돌연변이라는 중요한 예외를 빼면 정적입니다. 태어날 때의 게놈을 평생 지니며 몸의 각 세포에 정확하게 복사합니다. 단백체는 역동적이며 수년, 수일, 심지어 수분 단위로 변합니다. 따라서 게놈보다 표현형, 궁극적으로 건강 상태에 훨씬 가까우며 건강 감시와 질병 이해에 더 많은 정보를 제공합니다.

Seer는 혈장 같은 복잡한 시료에서 단백질과 프로테오폼을 더 깊이 이해할 수 있는 새로운 단백체 접근법을 개발했습니다. 혈장은 채취하기 쉬운 시료지만, 지금까지 전통적인 질량분석 기반 단백체학에서는 다루기 매우 어려웠습니다.

시어의 Proteograph 플랫폼은 무엇이며 프로테옴에 대한 새로운 관점을 제공하는 방법은 무엇입니까?

Seer의 Proteograph 플랫폼은 독자적으로 설계한 나노입자 라이브러리와 간단하고 빠른 자동화 작업 흐름을 활용하여 단백체를 깊이 있게, 확장 가능한 규모로 조사합니다.

Proteograph는 단백질별 존재량이 여러 자릿수 차이 나는, 동적 범위가 큰 혈장과 기타 복잡한 시료를 조사하는 데 강점이 있습니다. 기존 질량분석법은 이러한 시료에서 존재량이 적은 단백체 부분을 검출하지 못합니다. Seer의 나노입자는 조절 가능한 물리화학적 성질을 갖도록 설계되어 동적 범위 전반의 단백질을 편향 없이 수집합니다. 일반적인 혈장 시료에서 이 기술은 Proteograph 없이 원래 혈장을 처리할 때보다 5~8배 많은 단백질을 검출할 수 있습니다. 시료 준비부터 장비와 데이터 분석까지 Proteograph 제품군은 다른 방법으로는 검출하지 못할 질병 관련 단백체 신호를 찾도록 돕습니다. 저희는 Seer가 단백체로 통하는 새로운 문을 연다고 말합니다.

또한 과학자들이 대규모 단백유전체학 연구를 쉽게 수행하도록 지원합니다. 단백유전체학은 게놈과 단백체 데이터를 결합해 단백질 변이체를 식별·정량하고, 게놈 변이를 단백질 존재량과 연결합니다. 궁극적으로 게놈과 단백체를 표현형과 질병에 연결하고, 질병과 관련된 원인 및 하위 유전 경로를 풀어나갑니다.

현재 시어 바이오에서 사용되는 기계 학습 기술에 대해 논의해 주시겠습니까?

시어는 기술 개발부터 다운스트림 데이터 분석까지 모든 단계에서 기계 학습을 활용하고 있습니다. 이러한 단계에는 다음이 포함됩니다. (1) 우리의 고유한 나노 입자의 설계, 여기서 기계 학습이 특정 제품 라인 및 어세이와 함께 작동할 수 있는 물리화학적 속성 및 나노 입자 조합을 결정하는 데 도움이 됩니다. (2) MS 기기에서 생성된 리드아웃 데이터에서 펩타이드, 단백질, 변이체 및 프로테오폼을 감지 및 양화하는 것. (3) 대규모 인구 집단에서 다운스트림 프로테오믹스 및 프로테오게노믹스 분석.

작년에 저희는 단백체학, 나노공학, 머신러닝을 결합하여 단백질 코로나 형성 메커니즘의 이해를 높이는 Advanced Materials에 논문을 발표했습니다. 이 논문은 나노·생물학적 상호작용을 밝혔으며, Seer가 향후 더 나은 나노입자와 제품을 만드는 데 정보를 제공합니다.

나노입자 개발 외에도 변이 펩타이드와 번역 후 변형(PTM)을 식별하는 새로운 알고리즘을 개발해 왔습니다. 최근에는 단백질 변이체에 강건한 단백질 양적 형질 유전자좌(pQTL) 검출 방법을 개발했습니다. 단백질 변이는 친화도 기반 단백체학에서 알려진 교란 요인입니다. 스펙트럼 라이브러리 크기를 늘리지 않고 검색할 수 있도록, 딥러닝 기반 de novo 서열 분석으로 원시 스펙트럼에서 이러한 펩타이드를 직접 찾는 방향으로 연구를 확장하고 있습니다.

머신러닝에 깊은 전문성이 없는 과학자도 발굴 연구에서 모델을 최적으로 조정하고 활용할 수 있도록 방법을 개발하고 있습니다. 이를 위해 AutoML 도구 기반의 Seer ML 프레임워크를 사용하며, 베이지안 최적화로 효율적인 하이퍼파라미터 조정을 수행합니다.

마지막으로 배치 효과를 줄이고 질량분석 측정값의 정량 정확도를 높이는 방법을 개발하고 있습니다. 측정된 정량값을 모델링하여 단백질 그룹 내 펩타이드 간 강도값 상관관계 같은 기대 지표를 최대화합니다.

LLM에서 흔히 발생하는 문제인 환각(hallucination)에 대한 해결책은 무엇입니까?

LLM은 대규모 말뭉치를 받아 유사한 텍스트를 생성하도록 훈련하는 생성 방법입니다. 특정 단어나 토큰 조합이 얼마나 자주 함께 나타나는지 같은 단순한 국소 특성부터, 맥락과 의미를 이해하는 듯한 고차원 특성까지 훈련 텍스트의 통계적 성질을 포착합니다.

하지만 LLM은 주로 정확성을 목표로 훈련하지 않습니다. 인간 피드백 기반 강화학습(RLHF) 등은 정확성을 비롯한 바람직한 성질을 학습하도록 돕지만 완전하지 않습니다. 프롬프트를 받으면 훈련 데이터의 통계적 성질에 가장 가까운 텍스트를 생성하며, 이는 흔히 사실이기도 합니다. 예컨대 «알렉산더 대왕은 언제 태어났는가?»의 정답은 기원전 356년이며, 훈련 데이터에서 이 값이 자주 등장하므로 LLM도 그렇게 답할 가능성이 큽니다. 반면 훈련 말뭉치에 없는 가상의 인물 «레지넬라 황후는 언제 태어났는가?»에는 환각을 일으켜 출생 이야기를 꾸며낼 수 있습니다. 정답 자체가 없거나 다른 통계적 이유로 정답을 찾지 못하는 질문에도, 아는 것처럼 답을 지어낼 가능성이 있습니다. 이는 «특정 암을 어떻게 치료하는가?» 같은 중요한 응용에서 명백한 문제가 됩니다.

환각에 대한 완벽한 해법은 아직 없습니다. LLM의 설계에 내재된 문제입니다. 부분적인 해결책은 «주의 깊게 단계별로 생각하라»처럼 적절한 프롬프트를 주는 것으로, 이야기를 지어내지 않을 가능성을 높입니다. 개발 중인 더 정교한 접근은 지식 그래프입니다. 지식 그래프는 미리 정해진 논리적 방식으로 개체들을 연결한 구조화 데이터입니다. 특정 분야의 그래프를 구축하기는 어렵지만 자동화·통계적 방법과 큐레이션을 결합하면 가능합니다. 내장 지식 그래프가 있으면 LLM이 생성한 진술을 알려진 사실의 구조화 집합과 대조하고, 그래프와 모순되거나 뒷받침되지 않는 진술을 만들지 않도록 제한할 수 있습니다.

환각의 근본적인 문제와, 논리적 추론 및 판단 능력의 부족으로 인해, LLM은 현재 정보를 검색, 연결 및 요약하는 데 강력하지만, 의료 진단 또는 법률 자문과 같은 심각한 응용 분야에서 인간 전문가를 대체할 수 없습니다. 그러나 LLM은 이러한 분야의 인간 전문가의 효율성과 능력을 크게 향상시킬 수 있습니다.

데이터가 가설보다 생물학을 주도하는 미래에 대한 비전을 공유해 주시겠습니까?

전통적인 가설 주도 접근에서는 연구자가 패턴을 찾고 가설을 세운 다음 실험이나 연구로 검증하고 데이터에 따라 이론을 다듬습니다. 이는 데이터 기반 모델링이라는 새로운 패러다임으로 대체되고 있습니다.

새로운 패러다임에서는 사전 가설 없이 대규모 데이터를 생성하는 것으로 시작합니다. 이어 가려진 데이터를 정확히 재구성하거나 여러 후속 과제에서 회귀·분류 성능을 높이도록 LLM 같은 머신러닝 모델을 훈련합니다. 모델이 데이터를 정확히 예측하고 실험 반복 간 유사도에 견줄 충실도를 달성하면, 연구자는 모델을 탐색해 생물학적 시스템에 대한 통찰과 기저 원리를 알아낼 수 있습니다.

LLM은 특히 바이오 분자 데이터를 모델링하는 데 매우 효과적입니다. 이러한 모델은 생물학적 시스템을 인간의 능력을 훨씬 뛰어넘는 세부도에서 모델링할 수 있을 것입니다. 이러한 전환은 향후 10년 동안 점점 더 두드러질 것입니다.

질병 진단 및 의약품 발견에 대한 잠재적인 영향은 무엇입니까?

저는 LLM과 생성형 AI가 생명과학 산업에 중대한 변화를 가져오리라 생각합니다. 크게 이득을 볼 분야는 임상 진단, 특히 희귀하고 진단이 어려운 질병과 암 아형입니다. 게놈 프로파일·치료 반응·의료 기록·가족력 등 방대한 환자 정보를 활용하면 정확하고 시의적절한 진단을 도울 수 있습니다. 데이터를 개별 의료기관에 고립시키지 않고 쉽게 접근하도록 모을 수 있다면 진단 정확도를 크게 높일 수 있습니다. 그렇다고 LLM을 포함한 머신러닝 모델이 자율 진단을 한다는 뜻은 아닙니다. 기술적 한계로 가까운 미래에는 자율적으로 작동하지 않고 인간 전문가의 능력을 보강할 것입니다. 의사가 지금보다 훨씬 짧은 시간에 충분한 정보를 바탕으로 평가·진단하도록 돕고, 이를 적절히 문서화하여 환자와 머신러닝 시스템으로 연결된 전체 의료 제공자 네트워크에 전달하도록 하는 강력한 도구가 될 것입니다.

산업계는 이미 전통적인 방식보다 비용과 시간을 줄일 수 있다는 점을 강조하며 머신러닝을 신약 발굴·개발에 활용합니다. LLM은 도구를 더하고 게놈·단백체·기능 유전체·후성유전체·단일세포 데이터 등 대규모 생체분자 데이터를 모델링할 훌륭한 틀을 제공합니다. 가까운 미래에 기반 LLM은 이러한 데이터 유형들과 게놈·단백체·건강 정보가 수집된 대규모 개인 코호트를 연결할 것입니다. 이는 유망한 약물 표적 생성, 생물학적 기능·질병 관련 단백질에서 활성이 일어날 만한 포켓 식별, 소분자나 다른 치료 유형으로 특정하게 조절할 경로와 복잡한 세포 기능 제안에 도움이 됩니다. 유전적 감수성으로 약물 반응자와 비반응자를 찾거나 기존 약물을 다른 적응증에 재활용하는 데도 쓸 수 있습니다. 기존의 혁신적인 AI 신약 발굴 회사 상당수가 이미 이 방향으로 생각하고 개발하고 있을 것입니다. 인간 건강과 신약 발굴에 LLM을 활용하려는 추가 기업의 설립과 공공 부문의 노력도 기대해야 합니다.

자세한 인터뷰에 감사드립니다. 더 알아보려는 독자는 Seer를 방문하시기 바랍니다.

앙투안은 Unite.AI의 비전 있는 리더이자 창립 파트너로, AI와 로봇공학의 미래를 만들어 가고 발전시키는 데 변함없는 열정을 쏟고 있습니다. 여러 기업을 창업한 그는 AI가 전기만큼 사회를 크게 변화시킬 것이라고 믿으며, 혁신적인 기술과 범용 인공지능(AGI)의 잠재력에 관해 자주 열정적으로 이야기합니다.

미래학자로서 이러한 혁신이 세상을 어떻게 바꿀지 탐구하는 데 전념하고 있습니다. 또한 미래를 새롭게 정의하고 산업 전반을 변화시키는 첨단 기술에 대한 투자에 초점을 맞춘 플랫폼인 Securities.io의 설립자입니다.