생명공학기술 기반 서비스 산업의 딥러닝
※ 원문제공기관과의 협약에 따라 개인회원에게 무료로 제공됩니다. 원문정보초록한국어 생명공학기술(Life-Bio Technology)은 다양한 생체 정보를 계측하고 관리할 수 있는 기술을 지속적으로 개발하고 사용해 왔다. 빅데이터의 근간이라 할 수 있는 여러 기술들이 생명공학기술과 함께 공진화하고 있다는 점은 고무적이다. 한편으로 생명공학기술의 데이터를 바탕으로 한 서비스 개발도 착실히 진행 중이다. 특히 IBM 왓슨(Watson)의 활용 사례가 의료 생명 분야라는 점은 주목되어야 한다. 생명공학 분야의 빅데이터는 대부분의 병원에서 환자들의 병리 정보가 누적되면서 축적된다. 환자들의 유전체 정보 역시 커지고 있으며 데이터 축적의 속도도 점차 빨라지고 있다. 이와 같은 데이터는 정형화된 데이터 베이스에 축적되어 있어 비정형적 데이터를 근간으로 하는 웹의 각종 서비스 영역과는 달리 데이터의 품질이 높은 편이다. 따라서 딥러닝과 같은 계량적 추론 방법, 혹은 머신러닝의 활용 가능성이 높다. 생명공학기술 분야의 데이터 마이닝 기술은 범위가 점차 넓어지고 깊이가 확장되는 모양새다. 최근 딥러닝(Deep Learning) 혹은 다층신경망 구조에 관한 연구 성과들이 축적되고 있어 주목된다. 최근의 혁신적인 딥러닝 연구들은 생명공학 분야의 전통 산업들이 수행해 온 비즈니스 프로세스에 강력한 영향을 미칠 것으로 기대된다. 이미지 인식, 자연어 처리 등을 포함한 광범위한 기술적 대안들은 인공 지능(Artificial Intelligence) 기반 서비스의 탄생과 대중화를 예고하고 있다. 또한 성능 면에 있어서도 괄목할만 하다. 생명공학기술의 빅데이터 축적과 딥러닝 기술의 발전이 교차되면서 탄생하는 서비스 과학의 진화적 발전에 대한 논의가 진행되어야 할 이유는 충분하다. 본 논문을 통해 이 진보의 교차점을 이해하고 앞으로의 방향성을 고민해본다. 또한 딥러닝을 바이오 빅데이터에 적용한 최근의 연구들이 어떻게 극적인 결과들을 가져오고 있는지 알아본다. 마지막으로 이와 같은 연구들이 앞으로 헬스케어 시장에 줄 영향에 대해 살펴본다.참고문헌간행물 정보발행기관
간행물
이 권호 내 다른 논문 / KMIS International Conference 2018년 경영정보관련 추계학술대회함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.소속기관 조회 이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오. 분류연구·기술작성일2020.12.18작성자 산학협력단 조회수759 [한국생명공학연구원] AI를 도입한 미생물 바이오센서로 환경 유해물질 탐지한다(20.12.17.)
○ 제목: AI를 도입한 미생물 바이오센서로 환경 유해물질 탐지한다 ○ 자료 출처: [한국생명공학연구원] AI를 도입한 미생물 바이오센서로 환경 유해물질 탐지한다(20.12.17.) ○ 주요 내용 ※ 산학협력 동향에 등록되는 게시물은 외부 기관의 발간 자료 탐색을 통해 수집·등록되고 있습니다. ※ 따라서 등록되는 모든 게시물의 저작권은 해당 자료를 발간·등록한 기관에 있으며, 해당 기관의 저작권 정책을 준수하여야 함을 알려드립니다. 생명공학 속의 AI 바야흐로 인공지능(AI)의 시대이다. 모든 과학기술 분야에서는 앞다투어 AI를 외치고 있다. 온라인에는 AI와 관련된 뉴스와 교육자료가 넘쳐나고 있다. 우리 사회가 AI에 관심을 가지게 된 결정적인 사건으로 많은 사람들이 영국 DeepMind 사의 AlphaGo와 이세돌 전 프로바둑 기사와의 대결을 꼽을 것이다. 대학원생 시절부터 컴퓨터 관련 분야인 시스템 생물학 연구를 수행한 필자는 AlphaGo의 등장 이후로 시스템 생물학에 대한 관심도 덩달아 높아졌음을 느낄 수 있었다. 그림 1. BT News 2009년도 가을호(2009 Vol. 16 No. 2)의 표지와 목차
분석 기술의 발달로 생명공학 연구의 규모가 커지는 것은 쉽게 생각해 볼 수 있다. 10년 전에도 ‘게놈 수준’(genome-scale)이라는 표현은 흔히 사용되어 왔다. 한 세포 안의 모든 유전자들을 고려하기에 게놈 수준이라는 표현이 사용되어 왔지만, 이제는 약간 진부한 표현이 되어 버린 것 같다. 근래에는 여러 세포의 유전체를 전체적으로 분석하는 연구를 자주 볼 수 있게 되었다 [1,2]. 일례로 가장 잘 알려져 있는 박테리아인 대장균 (Escherichia coli)의 경우, 50여균주에 대한 게놈 수준의 대사 (metabolism) 연구가 2013년에 첫 선을 보였으며 [3], 그 이후로 박테리아 범유전체(pan-genome) 연구가 여럿 나오기 시작하였다. 올해 초에 발표된 38가지 암 종류에 해당하는 총 2658개 암 조직 샘플에 대한 유전체 분석 연구도 대표적인 예가 될 수 있겠다 [4]. 이
연구는 37개국 1300여명의 과학자들이 참여한 Pan-Cancer Analysis of Whole Genomes (PCAWG) 국제 컨소시엄이 수행하였으며, 이 대규모의 국제공동연구를 통해서 38종 암들의 유전자 돌연변이 특징을 자세히 분석하였다. 그림 2. DeepEC의 EC 번호 예측을 위한 단백질 서열정보 처리 과정 (왼쪽) 및 DeepEC와 다른 EC 번호 예측 프로그램들과의 정보처리 속도 비교 (오른쪽) 머신러닝은 양날의 검 그림 3. 머신러닝 분야에서 흔히 사용되는 ‘garbage in, garbage out’ 개념
배우기 쉬워진 시대 그림 4. YouTube에서 ‘machine learning’
검색어를 통해 검색된 수 많은 교육자료들
결론 및 전망 참고 문헌 |