[오프라인 학습리포트-이목중학교 2학년 권나윤 세션 D]

1. 국내 석학 강의-서울대 화학과 석차옥 교수 (10:00~10:50)

<주제: 생명과 분자-데이터로부터 세상을 이해하는 방법>

달과 나와 지구 이 세계의 물체에 대해서 신비롭게 느껴지는 경험에 대해 소개하고, 현재 분자 세계를 지배하는 어떤 법칙을 연구하고 있다고 이야기하였다. 양자역학과 통계역학은 모든 것을 아우르는 화학 법칙이라고 할 수 있다. 양자역학을 통해 미시 분자 세계를 이해하고 통계 역학을 통해 거시 분자 세계를 이해할 수 있게 된다. 이론화학 분야의 노벨 화학상은 100년 전부터 주어졌고 가장 최근에는 98년과 2013년에 노벨화학상이 나왔다. 세상을 이루는 힘의 근원 2가지를 꼽자면 쿨롱의 힘과 반데르발스의 힘이 있다. 양자역학을 기반으로 시뮬레이션을 하면 너무 오랜 시간이 소요되기 때문에 고전역학을 통해 전체적으로 계산하고, 부분적인 것을 양자역학을 이용하는 아이디어를 낸다. 코로나 바이러스가 가지고 있는 단백질이 기능을 못하게 하면 그게 약이 되는 것이며 바이러스가 제 기능을 못하게 하는 막는 약이 바로 PAXLOVID이다. 3대 생체 분자 구조 결정 기술에는 엑스선 결정학, 핵자기공명 분광학, 극저온 현미경이 있다. 과연 이론과 계산만으로 구조를 예측할 수 있을까? Linus Pauling이라는 사람이 최초로 단백질 구조를 예측을 하였다. 구조 예측에 지금까지 양자역학, 통계역학이 이용되었다면 이제는 인공지능을 활용할 시대이다. 2020년대 초 AlphaFold2의 등장으로 바이오, 의학 분야의 역사적 전환점을 맞이하게 된다. 우리가 흔히 누가, 언제, 어디서, 무엇을, 어떻게, 왜를 6하 원칙이라고 부른다면 인공지능 연구에는 무엇을, 무엇으로부터, 어떻게, 얼마나 잘, 즉 4하 원칙이 있다. AI는 input된 것을 알려진 Data(잘 알려진 input, output 사례)로 학습하여 output을 도출해내고, 학습을 위해 고안된 수학적 체계인 Architecture(비유: 생물학적 뇌)를 통해 학습을 위해 고안된 보상체계인 Learning strategy(비유: 교육, 환경)가 된다. 석차옥 교수는 실제 신약 개발 회사 창업을 한 경험과 인공지능 단백질 구조 예측 대회에 심사위원으로 참가한 경험들도 공유하였다. 마지막으로, 석차옥 교수는 과학의 연구 이유, 가치와 의미를 그 아름다움, 감동, 열정(자연의 아름다움, 역경 극복의 아름다움, 사회 공헌의 아름다움)에 있다고 말한다.

2. 해외 석학 강의- Prof. dr. Joris Vankerschaver, Prof. dr. Wesley De Neve, Prof. dr. Shodhan Rao (11:00~12:00)

<Topic: Machine Learning in Life Science: An Introduction>

1) Prof. dr. Joris Vankerschaver

-Historical Development: The lecture traces the historical development of neural networks, from their initial concept in the 1940s to their significant advancements in the 1960s and beyond.

-Neural Networks: The lecture emphasizes the idea of connecting artificial neurons to build neural networks, also known as multi-layer perceptrons. These networks can process inputs and make decisions, making them a powerful tool in machine learning.

-Image Recognition Challenge: It highlights the challenge of using neural networks to process visual data, like images, and how convolutional neural networks (CNNs) were introduced to address this issue.

-GPU Acceleration: The importance of graphical processing units (GPUs) in accelerating machine learning tasks, allowing for significant advancements in the field, is discussed

-Unexpected Outcomes: The lecture discusses how neural networks can sometimes yield unexpected or incorrect results due to their reliance on patterns, potentially raising concerns in fields like medical diagnostics.

-Protein Structure Prediction: Notably, the lecture highlights recent breakthroughs in using machine learning, such as AlphaFold, to predict protein structures with great accuracy, revolutionizing the field of computational biology.

-Protein Design: The lecture introduces the concept of generative neural networks that can design entirely new proteins with specific properties, potentially revolutionizing drug design and other areas.

→ Conclusion: In summary, the lecture underscores the rapid progress of machine learning and deep learning in various fields, including medicine and biology. It emphasizes the importance of continued research and the promising future of computational biology, drug discovery, and molecule design through machine learning techniques.

2) Prof. dr. Wesley De Neve

-Surgical Video Analysis: The use of AI in analyzing surgical videos, particularly for monitoring the impact of chemotherapy on tumor presence. Surgical videos often contain a lot of visual variation, making it a challenge.

-Parasite Detection in Microscopy Images: AI is applied to automatically screen microscopy images for the presence of parasites, particularly Trypanosomes. This automated approach improves efficiency and reduces subjectivity compared to manual screening.

-Microplastic Detection in Food: AI is used to detect and classify microplastics in food samples, addressing environmental concerns about plastic ingestion by marine organisms and humans. AI-based image analysis significantly speeds up the process.

-Detection of Impurities in Biologics: Deep neural networks are employed to detect impurities in biopharmaceutical formulations, such as silicone or glass particles or protein aggregates. This automated approach enhances the accuracy and efficiency of impurity detection.

-Genome Annotation: Deep artificial neural networks are used to annotate genomes, specifically focusing on identifying splice sites in DNA sequences. This aids in understanding the functional aspects of DNA.

→ Conclusion: The presentation highlights the power of deep neural networks in improving the accuracy and efficiency of various tasks in different domains. It also emphasizes the need for interdisciplinary professionals with expertise in both biology and computational skills to bridge the gap between the growing biological data and data analysis in biotechnology. Lastly, it recognizes the significant contributions of AI in the life sciences, such as AlphaFold's impact on protein structure prediction.

3) Prof. dr. Shodhan Rao

-Definition of a System: A system is defined as a combination of various elements that work together to perform a specific function. Systems have surrounding environments that may or may not interact with them.

-Systems Engineering: Systems engineering involves the process of mathematical modeling, which consists of creating mathematical models to describe the dynamics of a system.

-Mathematical Modeling: A mathematical model is a set of equations that relates the variables in a system. These equations are derived based on ideal assumptions about how the system behaves.

-Purpose of Mathematical Models: Mathematical models are used to describe the dynamical processes in a system. They help in understanding how different variables change over time and provide a foundation for control and analysis.

-Types of Systems: Various types of systems, such as thermal, hydraulic, pneumatic, chemical, biochemical, and more, are encountered in engineering and bioscience.

-Variables in a System: Variables are elements that change with time within a system. They can be categorized as inputs (controllable variables), outputs (variables of interest), and latent variables (neither inputs nor outputs).

-Constraints and Parameters: Constraints in a system refer to fixed conditions that do not change with time and are represented as parameters in mathematical models.

-Feedback Control: Feedback control is a method used to control systems by adjusting inputs based on the system's outputs. It helps maintain desired states or behaviors in the system.

-Applications in Bioscience: Mathematical modeling is crucial in bioscience for understanding processes like metabolism, gene regulation, and biochemical reactions. Models help analyze equilibrium states and stability of systems.

-Equilibrium States: Equilibrium states are states in which variables do not change with time. They are important for understanding the behavior of systems.

-Stability of Equilibria: Stability of equilibria is essential for ensuring that a system returns to a desired state after perturbation. Stable systems are desirable for safety and control.

→ Conclusion: The lecture highlights the relevance of systems and control engineering, especially in industries like energy and encouraging students to explore these topics in their future studies. Overall, presentation emphasizes the significance of mathematical modeling and control in understanding and managing complex systems in bioscience and engineering fields.

My questions:

1) Prof. dr. Joris Vankerschaver

Q1. 1. How can we prevent models from overfitting the training data and ensure they generalize well to new, unseen data?

A1. Overfitting occurs when a model learns not just the underlying pattern in data but also the noise. To prevent overfitting, one approach is to provide more training data to the model. Additionally, techniques like early stopping can be used to monitor model performance on new data and stop training when overfitting is detected.

Q2. How do we mitigate bias in machine learning models, especially when dealing with diverse populations in healthcare research?

Bias can be introduced into machine learning models if the training data is not diverse or representative. To mitigate bias, it's essential to ensure that the training data includes samples from diverse populations. Responsible data curation and ethical considerations are crucial to avoid perpetuating biases in AI models. Ongoing discussions, education on ethics, and regulatory frameworks play a role in addressing bias in machine learning.

2) Prof. dr. Wesley De Neve

Q3. There are many critics worrying abou the ethical problems or side effects of machine ai. How can we ensure that the use of machine learning in life science maximizes benefits to patients and society while minimizing harm or unintended consequences? What are the potential long-term ethical implications of using machine learning in areas like personalized medicine, genetic engineering, and disease predictionand and how can we deal with it.

A3. AI in life sciences can have both positive and negative impacts, and ethical considerations are vital. Misuse of AI can lead to harmful consequences, and responsible stewardship of AI models is necessary. Educational programs on ethics and discussions about ethical use cases can help guide ethical AI development. Regulatory frameworks, such as those introduced by the EU, can provide guidelines for responsible AI development and deployment. There's an ongoing debate about proprietary models versus open-source models to balance security and transparency.

3) Prof. dr. Shodhan Rao

Q4. How can you strike a balance between model accuracy and model simplicity, especially in cases where complex models may be computationally intensive?

A4. Due to the lack of time, I couldn't get the answer but the professor promised to upload his answer for my question on the notification page.

3. 점심 시간 (12:00-13:00)

4. 바이오기업 현장견학-Cytiva (13:00-13:50)

1) Cytiva 기업에 대한 소개

Cytiva는 항체 정제 분야로는 세계 1위를 자부한다. 1733년 Whatman에 의해 처음 창립된 Cytiva는 바이오 의약품 개발 및 생산에 필수적인 핵심 기술과 서비스를 제공하는 글로벌 생명과학 선도 기업이다. 싸이티바(Cytiva)는 ‘세포(cell)’를 의미하는 그리스어 CYTO 와 ‘할 수 있다(capable of)’를 의미하는 라틴어 접미사 Iva를 합성한 단어로, 혁신적인 치료법 개발을 통해 인류의 건강을 증진시키고자 하는 비전을 나타낸다. 2020년 4월 다나허 그룹(Danaher Corporation)이 GE 헬스케어의 생명과학 부문을 인수하였다. mAbs, mRNA 의약품, 세포 치료제, Viral vector분야를 지원한다. 60년의 바이오 제약 산업 경력을 가진 Cytiva는 41개국에 걸쳐 16,000명의 임직원이 있고 36곳의 전세계 공장이 있으며 23곳의 R&D 및 혁신 센터를 운영한다. 삼성 바이오로직스, SK 바이오사이언스, 셀트리온 등에 원부자재를 공급한다.

2) Cytiva Fast Track 투어

배양하는 공간과 정제를 하는 공간으로 나누어져 있다. 배양기에 온도나 ph농도 등을 잘 조절하고 외부에 의해 오염되지 않는 환경을 조정한 후 세포를 넣고 배양을 한다. 생산물에서 불순물을 제거하기 위해 실린더에 넣으면 레진으로 된 미세한 공들에 흡수된 후, 필요 없는 불순물만 버리고, 다시 특수 화학물에 넣으면 흡수되었던 것들이 다시 나오게 된다. 정전이 될 시 배양을 처음부터 다시 시작해야 하기 때문에 대비용으로 대용량 축전기가 비치되어 있다. 마지막으로 얻어낸 세포가 무엇인지 잘 배양 및 정제가 되었는지 분석을 한다.

5. 바이오 주제별 실험 및 실습-가천의과대학교 이길여 암당뇨연구원 (14:20-17:20)

1조로 배정되어 지하 1층과 지하 2층의CACU 실험동물센터에서 A→C→G 순서대로 실습을 하였다.

실험 마우스와 랫드의 건강(외부 균이나 바이러스 등으로부터 보호)을 위해 매 실습 마다 실험복, 모자, 마스크, 신발 덮개를 교체한 후 실험 구역에 입장하였다.

1) A 구역

실험동물센터를 투어한 후, A구역에서 브리딩하고 있는 실험 마우스와 랫드를 관찰하였다. (약 6500마리 정도를 키우고 있다고 한다.) 특히 가슴샘의 열화 또는 결손을 일으켜 T세포의 수가 대폭 감소했기 때문에 면역시스템이 억제되는 유전자 돌연변이주의 실험용 마우스인 누드 마우스도 보았다. (면역력이 약한 탓에 몇 몇 통에 사체 발생 카드가 붙어있는 것을 볼 수 있었다.) 또한 마우스는 한 통에 5마리까지 키울 수 있다면 랫드의 경우 3마리까지 키웠고 랫드는 마우스보다 똑똑하다고 한다. 일주일 전에 옆구리에 종양 세포를 찔러 넣은 C57BL/6 종에 해당하는 검은색 마우스 5마리로 실험을 진행하였다. 옆구리에서 증식한 종양은 육안으로 확인될 정도로 커져 있었다. 액체인 Isoflurane을 기화시켜서 실험용 마우스들을 마취시켰다. 마우스 옆구리의 종양 부위에 루시퍼라아제를 넣는다. 루시퍼라아제는 반딧불이가 빛을 내는 모습에서 고안한 것으로 효소-기질 반응 때문에 질환 부위에 관계없이 광감작제의 활성화를 가능하게 한다.) 루시퍼라아제가 잘 반응할 수 있도록 약 2분정도 기다린 후 한 마리씩 총 5마리를 IVIS 장비에 넣었다. 마우스들도 30분정도의 긴 시간 마취되면 죽을 수 있기 때문에 빨리 진행되어야 한다고 하였다. (IVIS 장비 내에 마취 기체가 나오는 칸에 코와 입 부분을 넣는다.) IVIS 장비를 작동시키자 내부에 들어가 있던 마우스들의 사진이 촬영되었으며, 종양이 있는 부위에서 발광하는 것을 발견할 수 있었다. (색깔이 붉은 색을 띌수록 종양이 더 발달한 것이라고 한다.)

2) C 구역

C 구역에서는 2가지 장비를 볼 수 있었다. 먼저, 자가공명장치(MRI)의 원리에 대해 알아보았다. 자가공명장치는 9.5 Tesla에 해당하는 자기장의 세기(지구의 자기장은 0.5Gaus이며 1Tesla=10000Gaus)를 갖는다고 하였다. (자기장의 세기가 매우 세기 때문에 핸드폰, 카드, 시계 등은 빼고 들어가야 했다.) MRI는 자장이 발생하는 커다란 자석통 속에 인체를 들어가게 한 후 고주파를 발생시켜 인체에 있는 수소 원자핵을 공명시켜 해당 신체조직의 물리 화학적 특성을 담은 신호정보를 컴퓨터로 재구성하여 인체의 모든 단면영상을 입체적으로 얻는다. (평소에 수소는 각기 다른 방향을 향해 다양하게 분포 되어있다. 하지만 강한 자기장에 노출되면 모든 양자들이 자기장의 방향으로 정렬되고, 각기 고유한 진동수를 가지며 자기장을 중심으로 회전한다. 양자들은 고유한 진동수로 회전하며 에너지를 발산한다. 여기에 고주파를 쏘면 양자들이 이를 흡수했다가 방출하며 이 신호를 통해 얼마나 많은 양자들이 인제 내부에 있는지 파악할 수 있다. 강한 자기장 외에도 약한 자기장을 더하면 다양한 세기의 자기장이 생긴다. 약한 자기장부터 강한 자기장까지 차례로 나열되고, 이는 회전 진동수를 분리시킨다. 머리 쪽에 있는 양자가 발 끝에 있는 양자보다 더 빠르게 회전한다. 머리부터 발끝까지 각 부위별로 특정한 회전수를 보이기 때문에 각 부위에서 방출되는 특정 고주파를 분석한다. 그러면 진동수와 자기장의 스펙트럼을 이용해 인체의 단면을 파악할 수 있다. 이 기법을 통해 인체를 3D이미지로 구현할 수 있다.) MRI를 세팅하는 것만 해도 1시간이 걸리기 때문에 사용하는 방법만 알아보았다. MRI를 이용하여 마우스의 뇌의 해부학적 영상 촬영한 자료를 살펴보았는데 인위적으로 뇌의 혈관 하나를 끊은 마우스와 뇌출혈이 발생한 마우스의 MRI 사진을 정상적인 마우스의 MRI사진과 비교하며 혈관이 막힌 곳(머리의 뒷부분에 영양소 및 산소가 공급되지 않아 검게 나타났다), 혈압이 높은 곳 등을 관찰할 수 있었다. 동물용 MRI와 사람용 MRI는 차이점이 다양하지만 그 중 가장 큰 차이점이라고 하면, 먼저 크기가 다르고, 동물용 MRI는 동물을 마취시켜야 하기 때문에 마취 기체가 나오는 호스가 연결되어 있다. 체성분 및 골밀도 분석기를 이용한 X-ray 영상 획득 및 골밀도, 체지방, 제지방을 측정하였다. 각 자 한 마리씩 마취된 마우스(A구역에서 사용 한 마우스와 같은 종이었다.)를 체성분 및 골밀도 분석기에 넣고 다리가 잘 펴질 수 있도록 긴 면봉을 사용하여 펴준다. (체성분 및 골밀도 분석기 내부의 마취 기체가 나오는 칸에 코와 입 부분을 넣는다.) 그 후 프로그램을 작동시키면 X-ray 영상을 획득할 수 있고, 골밀도, 체지방, 지방의 면적, 제지방 등의 정보를 얻을 수 있다. 이는 X-ray가 체지방과 제지방을 투과하는 정도가 다른 원리를 활용한 것이라고 한다.

3) G 구역

G 구역에서는 ICR이라는 종류의 하얀색 마우스를 활용하였다. 먼저 개인당 한 마리씩 마우스를 잡고 교감하는 시간을 가졌다. 마우스를 실험용으로 많이 사용하는 이유들을 알아보자면, 첫째, 인간과 유사한 점이 많다. (인간과 유전자는 90%정도 일치하고 장기도 비슷하다. 유전자가 비슷하기 때문에 유전자 가위로 유사한 부분만 잘라내어 실험할 때 활용될 수도 있다.), 둘째, 약품에 대한 반응성이 좋다, 셋째, 교배하기 쉽고 임신 기간이 짧다. (6주만 되어도 임신할 수 있으며, 3주간 임신하며, 3주동안 어미의 젖을 먹고 불리한다.), 넷째, 차지하는 공간이 적어서 키우기 효율적이다. 마우스의 꼬리 부분을 들춰보면 생식기와 항문을 볼 수 있는데, 생식기가 튀어나오고 생식기와 항문 사이의 거리가 긴 개체가 수컷이다. 또한 꼬리를 보면 붉은 색 무늬가 있는 것을 알 수 있는데 그 이유는 마우스의 꼬리의 좌우에 혈관이 있기 때문이다. 그래서 꼬리에 약물을 투여한다. 귀도 매우 얇은 혈관이 잘 보인다. 그 후 마우스를 보정하는 방법을 배웠다. 마우스를 자신의 몸과 방향이 일치하게 놓은 후 꼬리부터 귀까지 손을 쓸어 올리면서 귀에서 꽉 잡아 뒤집으면 되는 것이다. 이는 약물을 안정적으로 잘 투여하거나 약물을 입으로 주입할 때 매우 중요하기 때문에 꾸준한 연습이 필요하다. 마우스는 호기심에 사람을 물기도 하지만, 위협을 느끼거나 무서울 때 아주 세게 문다. 입으로 약물을 주입시키는 방법도 배웠다. 약물을 주입시킬 때 사용하는 주사기의 바늘은 매우 뭉툭하며 주사기의 끝을 식도를 지나가도록 해야 하고 (기도로 가지 않도록 주의해야 한다. 따라서 식도는 기도의 앞 쪽에 있으므로 약간 앞을 향해서 넣는다.) 주사기의 바늘을 위까지 깊숙이 넣어야 하는데 이때 너무 깊게 넣으면 위가 찢어질 수 있으므로, 쥐에 대한 해부학적 지식을 갖추어야 한다.

6. 나의 후기

나의 관심 분야인 인공지능과 바이오 사이언스 분야에 대해 더 깊이 있는 안목을 가지고 더 확장된 분야에도 관심을 가질 수 있는 기회였다. 바이오와 인공지능 분야에 해박하시고 전공이신 국내외의 석학 교수님들의 강연을 실제로 듣고 직접 Q&A에도 참여할 수 있어서 매우 뜻 깊었다. 또한 실제 바이오 관련 기업에 방문하고 답사하며 내 진로에 대해 더 고민해보고 알아볼 수 있는 좋은 시간이었다. 마지막으로 가천대의대 암당뇨연구원에서 실습을 하며 실제 윤리적으로 동물 실험이 이루어지는 과정과 생명윤리에 대해 다시 한번 생각해보는 계기가 되었고, 마우스를 통해 암과 의료 연구에 활용되는 과정 등 그저 책에서만 보았던 누구나 쉽게 해볼 수 없는 특별한 경험을 쌓은 것 같아서 매우 행복한 시간이었다. 기회가 된다면 다시 참여해보고 싶다.