오태광의 바이오 산책 <86> 농축산 식품 바이오 및 산업바이오의 인공지능 활용 > News Insight

 바이오산업은 의학/의료분야의 Red Biotechnology 이외에 농식품, 축산산업을 나타내는 Green Biotechnology, 산업 바이오의 White Biotechnology의 3가지로 구분하지만, 최근, 화장품 산업이 크게 성장하여 Pink Biotechnology를 따로 독립하여 4개 분야로 구분하기도 한다. 

Green Biotechnology 분야는 역시 수많은 동식물의 유전체와 유전체에서 추출한 유용 유전자의 스와핑(Swapping) 기술로 다변한 환경에 적응하면서 살아가는 동식물, 온실효과를 해결하는 동식물 개발, 고효율 생산을 위한 스마트 팜 기술 등에도 인공지능을 사용하고 있다. 스마트 팜(Smart farm)은 ICT(정보통신) 기술을 활용하여 “시간과 공간의 제약 없이 원격으로”, 자동으로 작물의 생육환경을 관측하고 최적의 상태로 관리하는 과학 기반 농업기술로 기후변화나 병충해의 영향을 받지 않아서 농약사용을 최소화하여 건강에 좋은 농작물을 획기적으로 생산할 수 있다. 

또한, 각기의 많은 스마트 팜이 생산하는 작물, 생산방법, 과정과 생산량 및 품질뿐만 아니라 유통과정까지 자동으로 저장되고 각 농장끼리 농업 데이터를 클라우딩(Clauding) 하여 직접 경험하거나 연구하지 않고도 생산방법을 획기적으로 진화시킬 수 있다. 작목별, 지역별로 저장된 빅데이터는 인공지능으로 분석되어서 농업생산 기술이 엄청난 속도로 진화되고 있다. 비단 농작물뿐만 아니라 소, 돼지, 닭을 비롯한 양축 방법에도 활용되고 나아가서는 1차 농축산물뿐만 아니라 식품생산 유통 분야에도 활용되고 있다. 

한편, 산업 바이오 분야는 미생물 및 동식물의 유용 유전자를 활용하여 친환경, 저공해 및 효율성이 높은 생물 전환기술인 합성생물학 분야가 주목받고 있다. 오늘날 ICT 산업이 획기적인 발전을 할 수 있었던 것은 아날로그(Analog)에서 디지털(Digital)화하고 공학적인 DBTL(설계(Design), 제조(Build), 시험(Test). 학습(Learn)) 주기를 컴퓨터로 가상실험(in silico)으로 짧은 시간에 무한 반복하여 최적의 상태를 실제 생산(in vivo)으로 구현할 수 있는 파운드리(Foundries)를 구축하였기 때문에 오늘날, 혁명에 가까운 발전을 할 수 있었다.

 바이오 분야도 생체 내에서 일어나는 수없이 많은 생화학반응을 정확하게 예측하려면 수많은 유전자(Genomics), 단백질(Proteomics)) 및 대사체(Metabolomics)를 인지할 뿐만 아니라 이들의 상관관계를 이해하는 연결체(Connectome)를 조절할 수 있어야 하는데, 인간의 능력으로는 한계가 있어서 빅테이터를 인공지능화할 수 있는 바이오 파운드리(Bio foundries)의 구축은 필요하다. 바이오 역시 인공지능 기술로 획기적으로 진화하면서 만들어진 신규 기능 물질은 물론, 생산량에 문제가 있는 기존 산업 물질도 획기적 생산이 가능하게 된다. 

모든 바이오 분야에 인공지능 기술을 이용한다면 인간이 감지할 수 없는 분야조차도 쉽게 인지할 수도 있고, 생물이 가지는 수도 없이 많은 유전자를 적재적소에 활용하여 인간이 원하는 미래의 신물질을 획득할 수도 있다. 하지만, 인공지능 사용하는 2진법은 0, 1 구성된 단순한 언어를 사용하기 때문에 아주 간단한 실수로 0을 1로 바꾸면, 완전 역방향으로 진행되어서 유용한 결과를 얻는 것이 아니라 반대로 최악의 결과로 바뀔 수 있어서 모든 바이오 기술이 그러하듯이 발생할 수 있는 윤리적인 문제에는 각별한 관심이 필요하다. 농식품 축산(Green biotechnology), 산업 바이오(White Biotechnology) 기술별로 인공지능을 사용하는 현황을 조사/분석하는 것은 앞으로 바이오산업 발전 방향을 예측하는데 중요한 요인이 될 수 있을 것으로 판단한다. 

 <Green Biotechnology에서 인공지능의 이용>

농업 분야 기업들은 인공지능의 기계학습 솔루션으로 농작물 경작 및 수확 등에 사용하는 자율로봇을 개발하여 현재 사용하고, 심층 학습 알고리즘으로 각종 데이터를 처리하고 분석하여 더 좋은 농업 생명공학을 발전시키는 솔루션을 제공한다. 농업 분야 기업이 사용되는 인공지능 연구는 주로, 6가지의 세부 분야로 구성되어 아래와 같이 활용하고 있다. 

1) 토지 관리 ; 광활한 토지 위에 유기물과 토양 질감을 특정화하여 경작지 및 초지 관리에 가능한 정보자원을 제공할 수 있다. 정밀한 토지 공간 자료수집으로 건전한 토지지도 작성과 향상된 토지 원격감지 정보로 지속 가능한 토지관리 시스템을 구축할 수 있다. 

2) 식량 안보; 기후변화에 맞추어 농업관리를 조정하는 인공지능으로 식량 생산의 안전성을 유지하여 식량 안보의 솔루션을 제공할 수 있다. 특히 환경변화로 발생하는 가뭄, 저온, 고온 등과 같은 극한상황에 탄력적인 저항성 작물을 특정화하고, 생산성에 심각한 영향을 미치는 스트레스 상황에서도 작물의 수확량을 유지할 수 있게 환경변화에 강한 신규 작물 표현형을 분석/보완하는 해결책을 만들 수 있다. 

3) 이미지(Image) 처리 기술 ; 기후변화 영향에 대한 빅 데이터 해석을 지원하기 위해서 인공지능과 결합한 새로운 이미지 처리 기술이 등장하고 있고, 이미지 기반으로 인간의 눈에 보이는 데이터를 넘어서, 유전체 변이, 유전자 및 단백질 발현, 작물 스트레스 요인과 분자 수준의 작물 대사 스트레스 정보와 연관된 호르몬 등을 관리할 수 있는 프로토콜을 개발할 수 있었다. 

4) 농업 빅 데이터 ; 스마트 팜의 이미지 기반 표현 플랫폼, 현장감시/측정이 가능한 무인항공기 시스템(UAS), 전 세계를 모니터하는 위성 기반 원격감지와 근거리 원격감지에 이르는 적용기술 통해 얻는 데이터의 가용성이 기하급수적으로 증가하고 있어서 인공지능을 이용하여 얻어진 정보를 활용한 컴퓨터 비전 알고리즘은 전례에 없는 농업발전에 기회를 제공할 수 있을 것이다. 

5) 인공지능을 이용한 분자육종, 미세번식 및 체외배양 기술 활용 ; 식물의 조직배양기술에 여러 가지 최적화 알고리즘의 인공지능 결합은 효율적인 생산성 달성이 가능하다는 것이 이미 기술적으로 입증되었고, 이미 개발된 만능유도 줄기세포를 이용한 미세번식도 가능하다. 작물 종 번식 및 육종에 사용하는 가장 중요기술에 하나인 식물조직 일부를 떼어내어서 배양액에서 키우는 체외배양에 인공지능을 사용하는 것은 개발하는데 비현실적으로 많은 데이터 처리해야 하는 문제점은 기존 통계로는 해결할 수 없는 관련 요인과 이들 간의 상호작용 문제를 이해하는데 인공지능은 매우 유용하게 사용되어서 이미, 식물조직 학자들은 인공지능을 일반적인 방법으로 적용할 수 있게 되었다. 

6) 해충 및 질병 제어 인공지능; 환경오염 및 독성이 있는 식물보호제를 인공지능으로 지능적이고 정밀한 적용이 가능하여 기존 농업 시스템에서 문제시 되는 해충 및 질병 제어는 이제 해결되어서 지속가능성이 증대시키고 있다. 정밀한 농업에서 컴퓨터 비전과 인공지능을 활용하여 작물의 장애 요인(질병/해충 종류) 식별하여 효율적인 처리방안을 즉각적인 선정이 가능하게 되어서 성숙도와 수확시기를 정확하게 예측할 수 있게 되었다. 

 동물 생명공학인 축산업은 지구상에 가장 많은 토지자원을 사용하는 산업으로 온실가스인 이산화탄소 및 메탄 발생 문제 해결과 같은 환경적 측면과 생산 효율성 향상과 같은 경제적 고려를 염두에 둔 정밀 축산방안의 도입이 필요할 뿐만 아니라 동물건강/복지에 관한 관심도 필요하다. 농업생산 시스템 전 과정 분석(LCA)에서 정밀축산 기술에 대한 평가가 포함되어야 하고 수작업 기술을 지능형 노동기술로 전환하여야 하고, 비용과 환경영향을 줄여서 생산에 지속가능성을 높일 뿐만 아니라 동물복지 향상도 시켜야 한다. 아울러 축산업의 생산과정 추적하여 자료를 수집 평가하여 유용정보를 제공하고 농업생산 전 과정 분석을 통해 얻은 데이터 추적으로 지속 가능한 축산 사료용 작물생산, 동물의 실시간 위치 추적 및 건강 모니터링부터 운송, 식육 가공 및 보관에까지 데이터를 축적할 수 있어서 소비자 건강과 안전을 보장할 수 있게 된다.

 또한, 축산업 관련 제품 추적은 투입량을 줄여서 자원과 비용을 절감할 뿐만 아니라 기후변화에 피드백하는 온실가스 배출량을 줄임으로 순환을 촉진하는 빅 데이터가 생성되는 인공지능 알고리즘이 만들어진다면 효율적 관리가 충분히 가능할 것이다.

생물정보 인공지능 활용 중 의학 연구는 시스템 생물학적 접근인 유전체, 단백체, 대사체, 연관체 등의 다중 오믹스 (Omics)데이터가 통합하는 기계학습으로 이미 잘 정립되어서 실제 이미 많이 활용되고 있지만, 환경과학은 여전히 큰 노력이 필요하고, 농축산업이나 임업 분야에도 응용할 가능성이 커지고 있다.

 생명공학 분야의 인공지능 연구 경향은 작물-토양 미생물 간 상호작용인 마이크로바이옴(Microbiome)에 대한 연구 결과가 많이 발표되고 있다. 식물 뿌리에 살아가면서 식물과 교류하는 미생물군인 마이크로바이옴의 데이터를 확립하면, 마이크로바이옴에 맞는 개량작물의 육종도 가능하다. 인공지능을 활용하여 식물 뿌리 근처에 사는 수많은 미생물군의 커뮤니티 분석이 가능하게 되면, 식물 스트레스 저항성 향상에 이바지하는 유전형 검출이 가능하게 되어서 식물 성장/건강을 유지하면서 환경에 해로운 농약 투입을 줄일 수 있다. 대규모의 토양-기후변화-작물 간의 유전자 분석 데이터로 영양분 흡수, 식물 면역체계 개선과 같은 효과적인 기능을 할 수 있는 생물 비료, 생물 살충제 같은 친환경 미생물 제품이 개발되고 있다. 

인류와 지구 생명체의 미래를 보장받고자 하는 지구의 변화에 대한 대규모 데이터 세트 연구는 지구의 생물다양성을 유지하는 데 매우 중요하다. 생물다양성 손실을 막고 안정적인 생태계 건전성을 유지하기 위해서는 지구변화에 대한 대규모 데이터 세트에 대한 정밀한 분석이 요구된다. 최근에 급격히 발전하고 있는 오믹스 초고속처리 기술 플랫폼과 컴퓨터 공학적 구현은 지금까지 풀지 못하던 환경 시스템 이해도를 높여서 인간의 삶과 복지에 필수적인 지구 생태계 기능을 유지하는 데 필수적인 핵심 요소를 효율적으로 관리한다면 지구 생명체의 항상성 유지는 유리한 환경을 만들 수 있을 것이다.

<White Biotechnology의 인공지능 이용>

White Biotechnology 분야에 현재 가장 관심이 많은 기술은 당연히 바이오 파운드리(Bio Foundry)기술일 것이다. 바이오 파운드리 기술은 유전자 설계, 유전자를 합성, 조립하여 최종 유전체까지 생산하고, 자동화와 고속탐색으로 최적화를 시험(Test)을 학습하고 있다. 학습은 실제로 물질이나 인공생물을 만들어 실제 검증하는데, 대부분 기술이 인공지능을 통해서 이루어지고 있다. 기존의 반도체, 자동차 등의 파운드리가 Engineering Biology의 4대 요소인 DBTL (Design-Build-Test-Learn, 설계-생산-검사-학습)에 따라 하듯이 바이오 파운드리 기술도 DBTL을 반복하여 거치면서 미흡한 점을 보완하여 새로 설계하고 다시 생산. 시험, 학습을 통해서 최적의 물질이나 신규 기능의 물질은 물론, 현재, 이미 인공생물체를 만드는 데 성공하였다. 자동화된 시설로 로봇을 이용하여 24시간 쉬지 않고 DBTL을 반복하여 만족할 정도로 최적의 생산시스템과 물질<그림 1>을 만들 수 있다.  

설계부터 학습까지 진행하면서 중간에 얻어진 모든 자료가 컴퓨터에 기억되어서 유사한 공정개발 시 자료로 사용하거나 얻어진 데이터를 인공지능으로 자동으로 독창적 기술 진화도 할 수도 있다. 또한. 이미 기존으로 얻어진 유전체 정보를 근간으로 대량 유전자 테스트-학습 결과가 피드백하도록 하는 시스템을 인공지능으로 만들어 설계 프로세스를 향상할 수도 있다. 

Design(설계)은 만들고자 하는 목표 기능을 정의하고 유전자, 유전체, 단백질 기능 및 대사경로를 설계하는 단계이다. 다른 바이오 파운드리와 협력할 수 있는 Network가 생기면 직접 제조, 시험하지 않은 결과도 다른 파운드리에서 미러링(Mirroring)하여 가져와서 설계할 수 있는 장점이 있다.

 Build(제조)는 자동화된 장비, 로봇으로 목표로 하는 DNA를 대량 합성/조립으로 유전체까지 합성할 수 있다. 한 개의 파운드리에서 수행할 수 없을 때는 다른 파운드리의 도움을 받거나 협업을 할 수도 있고 필요하면 아예 외주를 통한 제조도 가능하다. 

Test(시험)는 다양한 자동화 장비를 이용한 유전체(자) 성능 분석하고 원하는 기능을 고속으로 탐색할 수 있다. 

Learn(학습)은 만들어진 유전자 또는 인공물을 실제로 또는 인공지능을 이용하여 반복해서 진행하여 설계를 검정하고 문제점을 초기 설계를 검정하여 차후 설계 방향을 결정할 수 있게 된다. 

하지만, 인체는 모든 생명 활동 즉, 수많은 분해/합성, 다양한 세포 생산/조절, 생체 외 물질에 대한 면역 방어, 자손을 퍼뜨리는 번식 등 이외도 생체 기능에는 필요한 수없이 많은 화학 대사물질을 생산/분해, 조립/검사, 분화, 유통 및 처리하고 있어 실제 수없이 많은 파운드리로 운영되고 있어서, 복잡해 보이는 반도체 파운드리는 인체에 비하면 아주 간단하다고 표현할 수밖에 없다. 단백질 부품만 하더라고 적어도 10만 개가 넘어서 생산/조절하여야 하기에는 어려움이 많고, 단백질을 만들 때 1개의 염기만 잘못되어도 심각한 질병에 걸릴 수도 있기에 사람이 만들어 운영되고 있는 바이오 아닌 어떤 다른 생산 파운드리 보다도 만들기 힘이 들 것이다.

 하지만, 인공지능과 로봇을 이용하면 인간의 육체적 및 정신적 능력을 뛰어넘을 수 있어서 충분히 복잡다단하게 보이는 바이오 파운드리를 이미 일부 성공하고 있다. 이제 기존의 생명체를 이용하지 않고 인공적으로 파운드리에서 생산이 충분히 가능한 이유는 지구상 모든 생물은 A,T,C,G의 4개의 염기를 사용하여 합성할 수 있어서 현재 컴퓨터가 사용하는 2진법으로 생명현상을 변환시켜 컴퓨터의 빠른 속도를 이용하면 혁신적 기술 개발이 가능할 것이다. 복잡한 바이오 현상을 표준화하여 공학적인 처리로 최적화가 가능하여 파운드리를 만들 수 있었다. 

바이오 파운드리도 유전자 디자인으로 기존/신물질을 생산하든 유전체 정보에 따른 인공생물체 창출하든 어떤 경우에도 파운드리의 기본적 활동인 설계, 제조, 생산/합성, 학습을 계속 반복하게 되면, 빠르게 최적화된 공정을 만들 수 있다. 설계부터 학습까지 단계를 순환하면서 얻어진 Data를 이용한 인공지능 기술로 획기적 바이오 공정 진화도 가능하게 될 것이다.

<맺 는 말>

 인류의 삶에 직접적 연관이 있는 Red Biotechnology, Green Biotechnology, White Biotechnology를 포괄한 생명공학 기술은 복잡다단하여 쉽게 접근하기가 어려워서 정확한 결론을 내리기가 힘들다. 즉, 고 및 저 분자 물질인 DNA/RNA(유전체), 기능단백질(단백체) 다양한 저분자 생리 대사 활성물질(대사체)을 인지/이해하고, 이들 간의 상관관계(연결체)를 완전히 이해하기에는 너무나 많은 데이터가 필요하여 현재까지의 연구 방법으로는 접근하기가 어렵다. 현재 인간수명 약 100년 이란 짧은(?) 기간에 인간 정신력과 육체적 능력으로는 분석하고 결론을 내리는 데는 거의 불가능한데, 이미, 잘 개발되고 있는 인공지능을 활용하면 빠르고 상당히 정확한 솔루션을 얻을 수 있지만 아직은 완벽하지 않다. 

하지만 현재의 인공지능 기술로도 불과 10~20년 전에는 상상도 할 수 없었던 좋은 결과들이 속속 발표되고 있고 이에 따라서 산업구조도 급격히 진화하고 있다. 인간 유전체(Genome)가 해독된 후 수없이 많은 동식물, 미생물 등의 유전체가 해독되었고 이런 유전체 기반의 단백체(Proteome), 대사 체(Metabolomes)간의 연결체(Connectome) 등 다양한 오믹스(Omics) 기술은 엄청난 양의 빅 데이터를 만들었다. 특히, 사람 오감으로는 너무 적거나 식별을 하지 못하고 인간보다 나은 감지 능력을 갖추고 있는 생물조차도 인지하지 못하는 시각(이미지 등), 촉각, 후각, 청각, 미각 등을 비롯한 미지의 감각조차도 인공지능화된 분석 장비로는 인식하여 의학 및 생활 데이터로 분석하여 활용할 수 있다. 

Red Biotechnology뿐만 아니라 농축산식품, 지구환경(기후변화 등) 등의 Green Biotechnology, 가공, 생산, 유통하는 White Biotechnology(산업 바이오)의 기술진화에 당연히 인공지능을 활용하고 있다. 단지 바이오 분야뿐만 아니라 건설, 생활 환경/습관, 창작 등 인간이 살아가는 모든 경제활동은 물론, 법률, 윤리, 정신활동, 예술 등 살아가는 모든 활동에 인공지능이 이미 도입되어 가고 있다. 인공지능은 효율성과 빠르고 정확한 결론을 도출할 수 있을 뿐만 아니라 모든 사람이 활용할 수 있는 점에서 가장 큰 장점이 있다.

 많은 시간과 비용이 필요한 업무도 인공지능과 로봇을 사용하면 짧은 시간과 적은 비용으로 개발할 수 있어서 모든 사람이 경제적 부담이 그다지 크지 않게 사용할 수 있는 날이 가까운 장래에 가능하리라고 생각한다. 하지만, 인공지능에 대한 윤리 문제와 인공지능이 인간의 능력을 뛰어넘는 특이점에 대해서도 철저한 준비로 대응할 수 있어야 한다. 따라서, 생명윤리를 지키는 진화된 연구/교육은 물론 새로운 공공적 규정이 필요하다고 생각한다. 

<ifsPOST>