< (왼쪽부터) 생명화학공학과 이상엽 특훈교수, 채동언 박사 >
우리 대학 생명화학공학과 이상엽 특훈교수 연구팀이 `비식용 바이오매스를 여러 가지 짧은 길이의 일차 아민들로 전환하는 미생물 균주 개발'에 성공했다고 11일 밝혔다.
이번 연구결과는 국제적인 학술지인 `네이쳐 커뮤니케이션스(Nature Communications)'에 게재됐다.
※ 논문명 : Microbial production of multiple short-chain primary amines via retrobiosynthesis
※ 저자 정보 : 이상엽(한국과학기술원, 교신저자), 김동인(한국과학기술원, 공동 제1저자), 채동언(한국과학기술원, 공동 제1저자), 김현욱(한국과학기술원, 공동 제1저자), 장우대(한국과학기술원, 제4저자), 포함 총 5명
석유화학산업은 화석원료를 이용해 우리 생활 전반에 광범위하게 이용되는 범용화학물질들을 생산해왔다. 그러나 원유 매장량 고갈에 대한 우려와 원유 산업으로부터 발생하는 지구 온난화 등의 환경문제가 전 세계적으로 매우 심각한 상황이다. 특히 우리나라의 경우 석유를 전량 수입에 의존하기 때문에, 국제 유가 변동에 매우 취약한 실정이다. 이에 환경문제를 해결하면서 원유를 대체할 수 있는 지속 가능한 바이오리파이너리의 구축이 시급히 요구되고 있다.
바이오 리파이너리란 화석원료가 아닌 비식용 바이오매스를 원료로 사용해 미생물로 산업적으로 유용한 화학물질들을 생산하는 기술이다. 여기서 미생물은 원료인 바이오매스를 우리가 원하는 화학물질로 전환하는 세포 공장과 같은 역할을 한다. 이러한 미생물의 복잡한 대사회로를 효과적으로 조작할 수 있게 하는 시스템 대사공학은 바이오 리파이너리에서 핵심기술 중 하나다.
지금껏 석유화학 공정을 통해서 합성되던 화학물질 중에는 미생물 시스템 대사공학을 통해서 바이오 기반으로 생산되는 사례가 점차 늘고 있지만, 아직 의약품 및 농약품들의 전구체로 널리 사용되는 짧은 탄소 길이를 가진 일차 아민들의 생산은 보고된 바가 없었다.
이에 KAIST 이상엽 특훈교수 연구팀은 여러 가지 짧은 탄소 길이를 갖는 일차 아민들을 생산할 수 있는 대장균 균주 개발 연구를 수행했다.
지금까지 이러한 일차 아민들을 생산하는 균주들이 개발되지 못한 가장 큰 이유는 생합성 대사회로의 부재였다. 이러한 문제를 해결하기 위해 역 생합성 시뮬레이션을 통해 모든 가능한 대사경로들을 예측했다. 그 후 전구체 선택과정을 통해 가장 유망한 대사회로들을 선정했다.
이렇게 디자인된 신규 대사회로들을 실제 실험을 통해 검증했으며 이를 통해 10가지 종류의 다른 짧은 길이의 일차 아민들을 생산하는 대장균 균주들을 최초로 개발하는 데 성공했다.
또한 대표적인 일차 아민들을 선정해 폐목재, 잡초 등 지구상에서 가장 풍부한 바이오매스의 주원료인 포도당을 단일 탄소원으로 사용한 생산과 시스템 대사공학을 통한 생산량 증대를 보임으로써 바이오 기반 생산의 가능성을 보여줬다.
이번 연구에서 활용된 역 생합성과 전구체 선택과정을 같이 사용한 전략은 짧은 탄소 길이를 가진 일차 아민들 뿐만 아니라 다른 그룹의 여러 가지 화학물질들을 동시에 생산하는 대사회로들을 구축하는 데도 유용하게 쓰일 것으로 예상된다.
< 그림 1. 총 12가지 짧은 탄소길이의 일차 아민 생산을 위해 구축된 생합성 경로 >
이상엽 특훈교수는 “이번 연구는 지금까지 석유화학 산업 기반으로만 생산할 수 있었던 짧은 탄소 길이를 가진 일차 아민들을 재생 가능한 바이오 기반 화학산업을 통해 생산할 가능성을 세계 최초로 제시한 점에 의의가 있다”며 “앞으로 더 많은 연구를 통해 생산량과 생산성을 증대시킬 계획이다”라고 밝혔다.
한편 이번 연구는 과기정통부가 지원하는 기후변화대응기술개발사업의 '바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제'의 지원을 받아 수행됐다.
약 20년 전 아주 작은 나노 크기 0차원 강유전체 내부에 특이한 형태의 분극 분포가 발생할 수 있음이 로랑 벨라이쉬(Laurent Bellaiche) 교수(現 미국 아칸소대 물리학과 교수) 연구진에 의해 이론적으로 예측됐다. 해당 소용돌이 분포를 적절히 제어하면 기존에 비해 10,000배 이상 높은 용량의 초고밀도 메모리 소자로 응용이 가능할 것이라는 가능성이 제시돼 학계의 이목을 끌었으나, 3차원 분극 분포 측정의 어려움으로 인해 실험적인 규명이 되지 못하고 있었다. 우리 대학 물리학과 양용수 교수 연구팀이 포항공과대학교, 서울대학교, 한국기초과학지원연구원과의 공동연구 및 미국 로런스 버클리 국립연구소, 아칸소대학교 연구진과의 국제협력 연구를 통해 나노강유전체 내부의 3차원 소용돌이 형태 분극 분포를 최초로 실험적으로 규명하였다고 30일 밝혔다. 영구자석과 같이 외부의 자기장이 없어도 자화 상태를 스스로 유지할 수 있는 물질들을 강자성체(ferromagnet)라 하고,
2024-05-30디지털 암 정보 축적의 시대에는 데이터 생산을 넘어서, 데이터의 수집 및 관리 방법을 정립하고 거대 규모의 빅 데이터를 운용하는 것이 가장 큰 경쟁력이 될 수 있다. 전략적으로는 정밀 임상 정보와 연계할 수 있는 국내 생산 데이터와 다양성에 대한 이해를 도모할 수 있는 대규모 국제 데이터를 모두 수집해 통합하는 것은 매우 중요한 과제다. 우리 대학 의과학대학원 박종은 교수, 바이오및뇌공학과 최정균 교수 공동 연구팀(제1 저자: 강준호 박사, 이준형 박사)이 세계 최대 규모의 암 조직 단일세포 및 공간전사체* 데이터베이스를 구성하고, 이를 바탕으로 삼성서울병원 이세훈 교수 연구팀과 함께 면역 치료의 예후 예측에 중요한 세포 생태계 타입을 보고했다고 22일 밝혔다. *단일세포 및 공간전사체: 모든 유전자의 발현 양상을 개별 세포 단위에서 혹은 3차원 조직 구조상에서 분석한 데이터 암은 우리 몸 안에서 스스로 진화하는 특성을 가지고 있어 암 조직 내의 세포 생태계를 구성하는
2024-05-22평균이 아닌 개인차를 고려하는 정밀 의학 시대가 열렸다. 사람마다 다른 유전적 특징을 알아내는 기술이 비약적으로 발전한 덕분이다. 더 빠르고, 정확하게 전사체를 해독할 수 있는 새로운 도구가 개발됐다. 우리 대학 수리과학과 김재경 교수(IBS 수리 및 계산 과학 연구단 의생명 수학 그룹 CI) 연구팀은 전사체 분석 빅데이터에서 유용한 생물학적 정보만 골라내는 새로운 도구인 ‘scLENS(single-cell Low-dimension Embedding using Effective Noise Subtraction)’를 개발했다. 단일세포 전사체 분석은 최근 생물학, 신약 개발, 임상 연구 등 여러 분야에서 주목받는 도구다. 개별 세포 단위에서 유전적 변화를 확인할 수 있기 때문이다. 가령, 단일세포 전사체 분석을 이용하면 암 조직 내 수십 가지 종류의 세포를 구분하고, 유전적 변이가 발생한 세포만 표적하는 정밀 치료가 가능해진다. 단일세포 전사체 분석 기술이
2024-05-09분자의 크기와 모양에 따라 분자를 구별할 수 있는 분리막 공정*은 기존의 열 분리 공정(예: 증류법)보다 훨씬 적은 에너지를 소비하며 화학 산업의 탄소 배출량을 줄일 수 있는 잠재력을 가지고 있다. *분리막 공정: 분리막은 물질의 크기나 흡수력에 따라서 특정 물질을 선택적으로 통과시키거나 배제하는 역할을 하는 선택적 장애물로 분리막을 이용한 분리 공정은 기존의 공정과 달리 많은 에너지를 사용하지 않고도 화합물들을 효율적으로 분리할 수 있음 우리 대학 생명화학공학과 고동연, 임성갑 교수 공동연구팀이 기존에 분리하기 어려웠던 크기의 활성 제약 분자들을 매우 높은 선택도로 분리할 수 있는 초박막 분리 기술을 세계 최초로 개발했다고 29일 밝혔다. 분리막은 산업계 전반에 사용되는 유기용매들을 분리하는데 저에너지, 저탄소 해결법을 제공할 수 있어 비교적 짧은 상업화 역사에도 불구하고 석유화학, 반도체, 재생합성연료(E-Fuel), 바이오 제약 분야 등 폭넓은 분야에 응용되고 있
2024-04-29최근 자연어나 이미지, 동영상, 음악 등 다양한 분야에서 주목받는 생성형 AI가 신약 설계 분야에서도 기존 신규성 문제를 극복하고 새로운 혁신을 일으키고 있다고 하는데 어떤 기술일까? 우리 대학 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다. 신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다. 또한 사업성이 높은 계열 내 최초(First-in-class) 타겟 단백질에 대해서는 실험 데이터가 매우 적거나 전무한데, 이 경우 기존 방식의 생성형 AI를 활용하는 것이 불가능하다. 연구팀
2024-04-18