덴마크 공과대학교(DTU)의 PathogenFinder2, 미지의 박테리아 위협 평가 — 하지만 해결해야 할 과제도 존재

DTU의 새로운 모델, 선명한 약속과 실질적인 긴장 속에 등장

2026년 3월 27일, Technical University of Denmark (DTU) 연구진은 새로운 AI 서비스인 PathogenFinder2를 출시했습니다. 이는 Global Pathogen Analysis Platform (GPAP)의 무료 모듈로, 사용자가 박테리아 전체 게놈을 테스트하면 해당 게놈이 초래할 수 있는 잠재적 위협을 평가해 줍니다. Bioinformatics지에 게재된 논문과 함께 발표된 요약문에서 Alfred Ferrer Florensa가 이끄는 연구팀은 이 모델이 유전적으로 가까운 친척 종이 없는 유기체인 경우에도 병원성(virulence)과 관련된 단백질 및 유전적 신호를 포착할 수 있다고 설명합니다. 그 결과, 하수 조사, 야생 미생물 발견 및 마이크로바이옴 스캔을 위한 빠르고 해석 가능한 분류 시스템이 탄생했으며, 이는 이론적으로 평가 단계를 "알 수 없음"에서 "우려됨"으로 격상시킵니다.

이러한 역량은 폐수, 식품, 동물 저장소 및 인체 샘플의 게놈 시퀀싱이 폭발적으로 증가한 현재 매우 중요합니다. 임상 기록이 없는 박테리아 종들이 계속 발견되고 있으며, 공중보건 기관은 사소한 경보가 울릴 때마다 배양 작업과 긴 표현형 분석을 위해 몇 주씩 기다릴 여유가 없습니다. PathogenFinder2는 이러한 발견물들을 선별(triage)하여, 어떤 게놈이 긴급한 습식 실험실(wet-lab) 후속 연구가 필요한지, 어떤 것을 배경 노이즈로 분류할 수 있는지 제안합니다. 하지만 이 기술은 익숙한 절충안도 수반합니다. 더 빠른 선별은 더 많은 오보를 의미하며, 모델의 해석 가능성은 훈련 세트의 편향성을 동반합니다. 또한 공중보건적 가치는 크지만, 누가 경고에 따라 행동할 것인가에 대한 거버넌스의 공백도 상당합니다.

도구가 잠재적 위협을 평가하는 방법: 단백질 언어 모델과 21,000개의 게놈

연구팀은 현재까지 가장 큰 규모의 라벨링된 데이터셋을 통해 시스템을 훈련하고 검증했습니다. 여기에는 임상 분리주, 마이크로바이옴 조사, 프로바이오틱스 균주, 심지어 극한 생물에서 추출한 질병 관련 또는 비병원성으로 주석이 달린 21,000개 이상의 게놈이 포함됩니다. 결정적으로, 이 모델은 설명도 제공합니다. 고위험 점수에 가장 큰 영향을 미치는 특정 단백질이나 영역(독소나 부착소와 같은 고전적 병원성 인자뿐만 아니라 실험실 연구가 필요한 이전에 특성화되지 않은 단백질 포함)을 강조 표시합니다. 이러한 해석 가능성은 의도된 것입니다. DTU는 PathogenFinder2를 병원성의 최종 판정자가 아닌 증거 우선순위 지정 도구로 정의합니다.

잠재적 위협 평가 시 고려사항: 강점, 사각지대 및 실험실 테스트와의 비교

그러나 전산적 예측이 표현형(phenotype)을 대체할 수는 없습니다. 성장 곡선, 숙주 세포 상호작용 분석, 동물 모델 및 임상적 상관관계와 같은 전통적인 미생물학은 박테리아가 질병을 일으킨다는 것을 입증하는 표준(gold standard)으로 남아 있습니다. AI 점수는 확률적이며 두 가지 실질적인 오류가 발생하기 쉽습니다. 위음성(모델이 학습하지 못한 새로운 메커니즘)과 위양성(일부 맥락에서는 병원성과 관련이 있지만 다른 맥락에서는 무해한 생화학적 특성)입니다. 또한 Illumina와 Nanopore 같은 시퀀싱 플랫폼은 서로 다른 오류 프로필을 가지며, 이러한 기술적 차이가 단백질 식별의 신뢰성에 영향을 줄 수 있습니다. 결과적으로 PathogenFinder2는 공중보건 판독기가 아니라, 표적 실험실 검증을 위해 표본의 우선순위를 정하는 의사결정 지원 필터로 보는 것이 가장 적합합니다.

감시 체계 내 PathogenFinder2의 역할과 공중보건 결정의 변화

게놈 선별 도구를 현명하게 적용하면 발견과 조치 사이의 시차를 단축할 수 있습니다. DTU와 파트너들은 공중보건 팀에 이미 익숙한 용도들을 제시합니다. 조기 발병 신호를 감지하기 위한 하수 감시, 식품 공급망의 환경 샘플 스크리닝, 위험한 특성을 가진 균주를 식별하기 위한 건강한 사람의 마이크로바이옴 채굴 등입니다. 만약 폐수 관로에서 나온 게놈이 여러 고영향 단백질과 함께 감지된다면, 실험실은 해당 표본에 배양 및 감염력 분석을 우선적으로 할당할 수 있고, 규제 당국은 표적 접촉자 추적이나 샘플링을 시작할 수 있습니다.

그럼에도 불구하고 이러한 도구가 정책에 미치는 영향은 몇 가지 운영상의 현실에 달려 있습니다. 첫째, 실험실 및 임상 역량은 지역마다 크게 다릅니다. 많은 공중보건 시스템은 AI 경보를 확인하는 데 필요한 고위험군 격리 시설과 특수 테스트 역량이 부족합니다. 둘째, 관계 기관은 해당 지역 설정에서의 도구 작동 특성(민감도, 양성 예측도, 위양성 패턴 등)에 대한 확신이 필요하며, 이를 위해서는 DTU가 구축한 훈련 세트뿐만 아니라 독립적인 검증 데이터셋이 필요합니다. 셋째, 정책 입안자들은 AI의 단서에 따라 행동하는 비용과 성급한 경보로 인한 사회적, 경제적 결과를 저울질해야 합니다. 이 도구는 게놈 선별이라는 일정은 단축하지만, 게놈 신호에서 효과적인 개입으로 이어지는 고리를 스스로 완성하지는 못합니다.

권력, 프라이버시, 이중 용도: 위협 평가 모델 배포가 시사하는 거버넌스 과제

PathogenFinder2는 역량과 책임이 뒤섞인 복잡한 지점에 위치해 있습니다. 주목해야 할 세 가지 거버넌스 위험이 있습니다. 첫째는 프라이버시 및 데이터 공유법입니다. 게놈 데이터는 특히 인간이나 농업 메타데이터와 연결될 때 많은 관할권(예: 유럽의 GDPR)에서 엄격한 규칙의 적용을 받습니다. 강력한 훈련과 평가에 필요한 국가 간 데이터 흐름은 종종 정책에 의해 제약받습니다. 둘째는 형평성입니다. 부유한 실험실은 AI 경보를 빠르게 검증하겠지만, 자원이 부족한 지역은 예측 도구로 인해 실행 능력의 한계가 더욱 부각되어 감시 격차가 벌어질 수 있습니다.

세 번째 위험은 이중 용도(dual-use)입니다. 전문가들은 AI 방식이 생물학적 작용제를 설계하거나 조정하는 데 전용될 수 있다고 지적해 왔습니다. PathogenFinder2 팀은 해석 가능성과 공익적 사용을 강조하지만, 개방적이고 강력한 모델은 필연적으로 투명성과 잠재적 오용 사이의 절충안을 요구합니다. 이 분야는 역량 구축과 함께 계층화된 안전 장치를 병행해야 합니다. 원시 시퀀스 검색에 대한 접근 제어, 모델 내부 정보의 단계적 공개, 그리고 병원체 감시 및 식품 안전을 이미 담당하고 있는 국제 기구의 강력한 감독이 필요합니다. 이러한 조치가 없다면, 기습적인 위협을 줄이기 위해 의도된 도구가 새로운 위험의 매개체가 될 수 있습니다.

데이터 공백과 향후 필요한 증거

게놈은 정밀하지만, 이를 바탕으로 내리는 결정은 그렇지 않습니다. PathogenFinder2는 단백질을 읽습니다. 기관들이 그 경고를 올바르게 읽느냐에 따라 이 도구가 다음번 발병을 막을 것인지, 아니면 이미 포화 상태인 공중보건 조종석에 대시보드 하나를 더 추가하는 것에 그칠 것인지가 결정될 것입니다.

출처

• Bioinformatics (학술지) — Florensa A. F. et al., 단백질 언어 모델을 이용한 박테리아 병원성 역량의 전유전체 예측 (PathogenFinder2).
• Technical University of Denmark (DTU) — DTU 국립식품연구소 보도 자료 및 게놈 역학 연구 그룹.
• npj Science of Food (Nature) — 리뷰: 미생물 위험 평가 및 탐지 기술의 발전.
• World Health Organization (WHO) — 국제 위험 평가 프레임워크 및 데이터 공유를 위해 참조된 지침 문서.