KAIST

플라빈은 우리 몸 등 생명체 내의 에너지 생산과 생화학 반응에 관여하는 중요한 조효소이자 특정 색의 빛을 방출하는 형광 분자다. 하지만 자연계의 플라빈은 대부분 파란색에서 초록색 영역까지 짧은 파장의 빛을 낼 수 있어, 그보다 긴 파장인 적외선 영역까지는 확장되기 어렵다. KAIST 연구진이 기존 한계를 극복하고 플라빈이 내뿜는 형광 파장을 근적외선까지 확장하여 의료·환경·에너지 분야의 새로운 가능성을 제시했다. 우리 대학 화학과 백윤정 교수 연구팀은 근적외선 파장에서 발광이 가능한 5개의 고리 구조를 가진 새로운 오환형 플라빈 분자를 세계 최초로 개발하는 데 성공했다. 백윤정 교수 연구팀은 전통적으로 세 개의 고리를 갖는 플라빈 구조에서 플라빈의 핵심 구조를 5개의 고리로 확장하고, 여기에 산소 및 황 등 이종 원자를 정교하게 도입함으로써 분자의 전자 구조를 정밀하게 조절하는 새로운 합성 전략을 제시했다.  특히 이번에 개발된 분자는 적외선에 가까운 짙은 붉은색 및 근적외선 영역의 빛을 낼 수 있어, 기존 플라빈 색소가 낼 수 있었던 색의 범위를 획기적으로 확장했다는 평가를 받고 있다. 그 결과, 황이 포함된 구조체는 772 nm에 달하는 근적외선 영역에서 발광하며, 이는 지금까지 보고된 플라빈 유도체 중 가장 긴 파장이다. 또한 이 분자는 기존의 플라빈에서 드물게 관찰되던 준가역적인 산화 특성을 나타내어 전기화학적 기능성까지 동시에 갖춘 다기능성 분자 플랫폼으로 주목받고 있다.  연구팀은 분자의 구조를 미세하게 조절함으로써, 빛을 어떻게 흡수하고 방출할지를 원하는 대로 설계할 수 있게 되었고, 전기 신호를 전달하거나 변환하는 능력 또한 함께 제어할 수 있음을 입증했다.  이번 연구는 기존 플라빈의 한계를 뛰어넘어 빛의 파장을 바꿈으로서 활용 기술과 응용 범위를 넓힐 수 있다는 것을 보여줬다. 예를 들어, 근적외선(NIR) 같은 긴 파장의 빛을 통해 몸 속 더 깊이 정확하게 진단·치료하게 하며, 오염이나 독성물질이 특정 빛에 반응하도록 설계도 가능하며, 긴 파장의 빛을 흡수해서 친환경 에너지로 만들게 하는 등 발광 파장과 전자 특성을 정밀하게 제어하는 새로운 플랫폼을 제시하였다.  백윤정 교수는 “플라빈의 빛 파장을 바꿀 수 있다는 것은 우리가 원하는 상황에 맞게 빛을 자유롭게 설계하고 활용할 수 있다는 뜻으로, 앞으로 우리 손으로 원하는 색과 성질을 가진 분자를 정밀하게 디자인하고 만들수 있다는 가능성을 보여준 것”이라며, “이는 의료, 환경, 에너지 등 빛 기반 기술이 적용되는 수많은 분야에서 게임 체인저가 될 수 있는 기반 기술이 될 것”이라고 말했다. 해당 성과는 세계적인 국제 학술지 Nature사가 발행하는 `네이처 커뮤니케이션즈(Nature Communications)'에 4월 15일자로 게재되었다.  ※ 논문명 : Expanding the Chemical Space of Flavins with Pentacyclic architecture  ※ 저자 정보 : 서다영 (KAIST, 제1 저자), 권성연 (기초과학연구원, 공동 제2 저자), 윤가혜 (KAIST, 공동 제2 저자), 손태일 (KAIST, 공동 제2 저자), 원창현 (KAIST, 제3 저자), Neetu Singh (KAIST, 제4 저자), 김동욱 (기초과학연구원, 제5 저자) 및 백윤정 (KAIST, 교신저자) 포함 총 8 명  DOI: 10.1038/s41467-025-58957-2  한편, 이번 연구는 과기정통부가 지원하는 개인기초연구사업의‘우수신진연구’와 산업통상자원부가 지원하는‘소재부품개발사업’과제의 지원을 받아 수행됐다.

교모세포종(Glioblastoma)은 가장 공격적이고 예후가 나쁜 대표적 악성 뇌종양으로, 광범위한 뇌 절제술을 포함한 표준 치료 후에도 1년 이내 대부분 재발하며 생존률이 매우 낮은 치명적인 질환이다. KAIST 연구진이 교모세포종에 암세포로 발전하는 가능성을 가진 전암세포가 있다는 것을 최초로 밝혔다.  우리 대학 의과학대학원 이정호 교수 연구팀은 세계 최초로 교모세포종의 진화와 재발 및 치료 저항성의 근원이 되는 ‘전암세포(Precancerous cell)’를 규명했다. 이정호 교수 연구팀은 2018년 교모세포종이 뇌 깊은 곳에 있는 돌연변이 줄기세포로부터 시작된다는 것을 최초로 밝혀내며 ‘네이쳐(Nature)’지에 게재한 바 있다. 이번 연구에서는 암의 씨앗과 같은 ‘전암 세포’가 어디서 유래하는지, 즉, 돌연변이 기원 세포가 어떻게 분화되는지를 규명하였고 이 전암 세포가 종양 내 세부 유형의 암세포들을 만들어 암이 재발하는 중심축 역할을 한다는 사실도 밝혔다.  특히, 교모세포종 같은 악성 뇌종양에서는 암세포들이 매우 다양한 형태로 공존하고, 각각이 치료에 다르게 반응하는데, 이를 ‘종양 내 이질성’(intratumoral heterogeneity)이라고 한다. 이 이질성은 교모세포종 치료의 가장 큰 걸림돌로 꼽히는데, 이번 연구는 종양 내 이질성 현상을 일으키는 뿌리가 전암세포 때문이라는 것을 세계 최초로 밝혀낸 것이다.  이번 연구를 통해 교모세포종의 전암세포를 표적으로 삼아 암 진화와 재발을 효과적으로 억제할 수 있는 새로운 치료 패러다임의 기초를 마련할 것으로 예상된다. 이는 기존의 암 세포 자체를 겨냥한 치료에서 벗어나 악성 뇌종양의 근원인 전암 세포를 선제적으로 제거함으로써 암의 진화와 재발을 막는 정밀 맞춤형 치료가 가능할 것으로 평가된다.  이를 바탕으로, 교원창업기업 소바젠(주) (대표이사 박철원)은 암 진화와 재발을 억제하는 교모세포종 RNA 치료제 혁신 신약을 연구 개발하고 있다.  여성 의사 과학자이자 논문의 단독 제1 저자인 KAIST 의과학대학원 김현정 박사(현, 고려대학교 의과대학 교수)는 “전암세포는 종양을 더욱 복잡하고 공격적인 형태로 진화시키는 ‘암 이질성의 씨앗’과 같은 존재이다”라며, “이 전암세포를 이해하고 표적화하는 것이 교모세포종을 근본적으로 극복할 열쇠가 될 수 있다”라고 설명했다. 해당 논문은 암 분야 세계적 권위지인 ‘캔서 디스커버리(Cancer Discovery, IF=30.6)’지에 4월 16일 字로 게재됐다. ※ 논문명: Precancerous cells initiate glioblastoma evolution and contribute to intratumoral heterogeneity DOI: https://doi.org/10.1158/2159-8290.CD-24-0234  ※ 저자정보: 김현정(카이스트 의과학대학원, 현 고려대학교 의과대학, 제1 저자), 이정호(카이스트 의과학대학원, 소바젠, 교신저자) 한편, 이번 연구는 한국연구재단, 서경배과학재단 등의 지원을 받아 수행됐다.

효소는 세포 내에서 일어나는 생화학적 반응을 촉매하는 단백질로, 세포의 대사 과정에서 핵심적인 역할을 수행한다. 이에 따라 새로운 효소의 기능을 규명하는 것은 미생물 세포공장 구축에서 핵심적인 과제다.  KAIST 연구진이 인공지능(AI)을 활용해 자연에 존재하지 않는 새로운 효소를 설계함으로써, 미생물 세포공장 구축을 가속화하고 신약·바이오 연료 등 차세대 바이오산업의 개발 가능성을 크게 높였다. 우리 대학 생명화학공학과 이상엽 특훈교수 연구팀이 AI를 활용한 효소 기능 예측 기술의 발전 과정과 최신 동향을 정리하고, AI가 새로운 효소를 찾고 설계하는데 어떤 역할을 해왔는지 분석하여 ‘인공지능을 이용한 효소 기능 분류’를 발표했다. 이상엽 특훈교수 연구팀은 이번 연구에서 머신러닝(Machine learning)과 딥러닝(Deep learning)을 활용한 효소 기능 예측 기술의 발전 과정을 체계적으로 정리·분석하여 제공했다.  초기의 서열 유사성 기반 예측 기법에서부터 합성곱 신경망, 순환 신경망, 그래프 신경망, 그리고 트랜스포머(Transformer) 기반 대규모 언어 모델까지 다양한 AI 기법이 효소 기능 예측 연구에 접목된 사례를 다루며, 이들 기술이 단백질 서열에서 의미 있는 정보를 어떻게 추출하고, 예측 성능을 극대화하는지를 분석했다. 특히, 딥러닝 기술을 활용한 효소 기능 예측은 단순한 서열 유사성 분석을 넘어, 구조적·진화적 정보 등 아미노산 서열에 내재된 효소의 촉매 기능과 관련된 중요한 특성을 자동으로 추출함으로써 보다 정밀한 예측이 가능하다는 점이 강조됐다.  이는 기존의 생명정보학적 접근법과 비교해 인공지능 모델이 가지는 차별성과 장점을 부각하는 중요한 부분이다.  또한, 생성형 인공지능 모델의 발전에 기반하여, 기존 효소 기능 예측을 넘어 자연계에 존재하지 않는 새로운 기능을 가진 효소를 생성하는 기술이 미래 연구 방향이 될 것으로 제시했다. 이러한 AI 기반 효소 예측 및 설계 기술의 지속적인 발전은 향후 바이오 산업과 생명공학 연구의 방향성에 큰 변화를 가져올 것으로 전망했다. 공동 제 1저자인 생명화학공학과 김하림 박사과정생은 “AI 기반 효소 기능 예측 및 효소 설계는 대사공학, 합성 생물학 및 헬스케어 등 다양한 분야에서 매우 중요”하다고 말했다.  이상엽 특훈교수는“AI 활용 효소 기능 예측은 다양한 생물학적 문제 해결에 효과적으로 적용될 수 있는 가능성을 보여주며 바이오 분야 전반의 연구를 가속화하는 데 크게 기여할 것.”이라고 밝혔다. 해당 논문은 셀(Cell) 誌가 발행하는 생명공학 분야 권위 저널인 `생명공학 동향(Trends in Biotechnology)'에 3월 28일자 게재됐다.   ※ 논문명 : Enzyme Functional Classification Using Artificial Intelligence doi.org/10.1016/j.tibtech.2025.03.003  ※ 저자 정보 : 김하림(한국과학기술원, 공동 제1 저자), 지홍근(한국과학기술원, 공동 제1 저자), 김기배(한국과학기술원, 제3 저자), 이상엽(한국과학기술원, 교신저자) 포함 총 4명 한편, 이번 연구는 과기정통부가 지원하는 석유 대체 친환경 화학기술 개발 사업의‘바이오 제조 산업 선도를 위한 첨단 합성 생물학 원천기술 개발’, 그리고 과기정통부와 보건복지부가 지원하는 ‘딥러닝 기반 합성 생물학을 이용한 혁신구조 항생제 개발’ 과제의 지원을 받아 수행됐다. 

뉴랜지스터(Neuransistor)는 ‘뉴런(Neuron) + 트랜지스터(Transistor)’의 합성어로 뇌의 뉴런 특성을 구현하는 트랜지스터라는 의미로 만들어진 새로운 용어이다. 이는 뇌 속 신경세포(뉴런)의 흥분과 억제 반응을 모방하여 시간에 따라 달라지는 정보를 스스로 처리하고 학습할 수 있는 차세대 인공지능 하드웨어의 핵심 반도체 소자다. KAIST 연구진이 뉴랜지스터의 개념을 제시하고 최초로 뉴랜지스터를 개발하는데 성공했다. 우리 대학 신소재공학과 김경민 교수 연구팀이 시간에 따라 변화하는 정보를 효과적으로 처리할 수 있는 액체 상태 기계(Liquid State Machine, 이하 LSM)*의 하드웨어 구현을 가능케 하는 뉴랜지스터 소자 개발에 성공했다. * 액체상태 기계(LSM): 생물학적 신경망의 동적 특성을 모사해, 시간에 따라 변화하는 입력 데이터를 처리하는 스파이킹 뉴럴 네트워크 모델  현재의 컴퓨터는 동영상과 같이 시간 흐름에 따라 변하는 데이터인 시계열 데이터를 분석하는데 복잡한 알고리즘을 사용하며, 이는 매우 많은 시간과 전력 소모를 필요로 했다.  김경민 교수 연구팀은 이러한 난제를 해결하며 뇌 속 뉴런처럼 흥분하거나 억제되는 반응을 전기 신호만으로 동시에 구현하여 시계열 데이터의 정보 처리에 특화된 단일 반도체 소자를 새롭게 설계했다.  해당 소자는 산화 티타늄(TiO2)과 산화 알루미늄(Al2O3)이라는 두 산화물층을 쌓아 만든 구조로, 두 층이 맞닿는 계면에서는 전자가 자유롭게 빠르게 이동하는 이차원 전자가스(2DEG)** 층이 형성된다. 그리고, 이 층의 양 끝에는 흥분성 및 억제성 신호에 모두 반응하는 뉴런형 소자가 연결되어 있다.  **2DEG(Two-Dimensional Electron Gas): 계면에서 전도성이 우수한 전자 층이 형성되는 현상으로, 높은 이동도와 빠른 응답속도를 제공함 이러한 독특한 구조 덕분에 뉴랜지스터는 게이트 전압의 극성에 따라 소스와 드레인 간에 흥분성(EPSP) 또는 억제성(IPSP) 반응을 선택적으로 구현할 수 있다. 이 소자는 또한 기존 LSM 구현에서 필수적이었던 복잡한 입력 신호 전처리 과정(마스킹)도 간단히 해결했다. 기존에는 '마스킹' 기능 구현이 매우 복잡했으나, 뉴랜지스터는 소스 전극에 가해지는 전압을 조절함으로써 간단하게 마스킹 기능을 구현하고, 시계열 입력 신호를 다차원의 출력 정보로 정확하게 변환하였다. 또한, 높은 내구성과 소자 간의 균일성도 확보해 실용성도 역시 뛰어났다. 연구팀은 뉴랜지스터를 기반으로 복잡한 시계열 데이터를 처리하는 ‘두뇌형 정보처리 시스템’인 LSM을 구현하였다. 실험 결과, 뉴랜지스터를 활용하는 경우 기존의 방식보다 10배 이상 낮은 오차율과 높은 예측 정확도를 기록했고, 학습 속도도 더 빨라졌다. 김경민 교수는 “이번 연구는 인간 뇌의 신호 처리 방식과 유사한 구조를 실제 반도체 소자로 구현했다는 데 큰 의의가 있다”며 “이 기술은 향후 뇌신경 모사형 AI, 예측 시스템, 혼돈 신호 제어 등 다양한 분야에서 중요한 역할을 할 것으로 기대된다”고 전했다. 이번 연구는 신소재공학과 정운형 박사, 김근영 박사가 공동 제1 저자로 참여했으며, 재료 분야 세계적 권위의 국제 학술지 ‘어드밴스드 머터리얼즈(Advanced Materials, IF: 27.4)’에 2025년 4월 8일 字 게재됐다.  (논문명: A Neuransistor with Excitatory and Inhibitory Neuronal Behaviors for Liquid State Machine, DOI: 10.1002/adma.202419122) 한편, 이번 연구는 나노종합기술원, 한국연구재단의 지원을 받아 수행됐다. 

수학에서는 도형을 분류할 때 구멍(genus)의 개수를 기준으로 삼기도 한다. 예를 들어, 구멍이 하나 있는 도넛(torus)은 구멍이 없는 구(sphere)와는 구분되지만, 머그컵과는 같은 부류에 속한다. 구멍의 개수처럼 도형을 구부리거나 늘이는 연속적인 변형에도 변하지 않는 성질을 위상적 성질이라 하며, 위상수학에서는 이러한 성질을 기준으로 도형을 구분한다.  이와 유사하게, 음향 양자 결정(phononic crystal)도 파동 특성이 갖는 위상적 성질에 따라 분류가 가능하다. 예를 들어, 1차원 음향 양자 결정은 Zak 위상이 0인 구조와 π인 구조로 구분할 수 있다.  우리 대학 기계공학과 전원주 교수 연구팀이 메타물질의 파동적 특성 관점에서 “도넛 구멍의 개수가 꼭 자연수여야만 할까?"라는 질문을 바탕으로, 위상적 성질이 0이나 π로 양자화된 기존 분류 체계를 넘어, 0과 π 사이의 비양자화된 성질을 갖는 메타물질을 개발하였다. 이러한 비양자화된 위상적 성질의 도입은, 그동안 학계의 난제로 꼽히던 파장 대비 매우 작은 크기의 음향 양자 결정으로 파동 에너지를 제어하는 문제를 해결하는 데 중요한 실마리가 되었다. 더 나아가, 비양자화된 Zak 위상을 원하는 값으로 자유자재로 조정함으로써, 메타물질 내 집속되는 파동의 주파수를 조절할 수 있다. 이를 통해 목표 주파수의 파동을 제어하거나, rainbow trapping과 같이 파동 에너지를 주파수별로 원하는 위치에 집속할 수 있게 되었다 (그림 1(b) 참고). 전원주 교수 연구팀은 연구실 핵심 기술 중 하나인 ‘음향 블랙홀 기반의 포노닉 빔 설계 기술’을 위상 절연체(topologial insulator) 분야에 활용하여 연구 성과를 이끌어냈다. 전원주 교수는 “양자화된 Zak 위상 개념 위주로 연구되던 기존 메타물질 설계 방식을 넘어, 비양자화된 Zak 위상을 갖는 구조를 개발함으로써 주파수와 집속 위치 관점에서 파동에너지를 정밀하게 제어할 수 있게 되었다”며, “이번 연구에서 제시한 비양자화된 Zak 위상을 활용한 새로운 개념의 파동 집속 기술은 향후 초미세 진동 감지 센서, 고효율 에너지 하베스팅 장치 등 파동 집속이 필요한 다양한 공학적 응용으로 이어질 수 있을 것”이라고 말했다. 이번 연구는 박성민 박사과정(현, KAIST 기계기술연구소 연수연구원)이 제1저자로 참여했으며, 기계공학 분야 국제 학술지인 Mechanical Systems and Signal Processing (JCI 기준 상위 2.5%(5/183))에 4월 1일 게재되었다.  ※ 논문명: Phononic crystals with non-quantized Zak phases for controlling interface state frequencies 한편, 본 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행되었다.

빅데이터와 인공지능 기반의 건설재료 품질관리 혁신 기술 제시 우리 대학 건설및환경공학과 김재홍 교수 연구팀은 시멘트 분산제의 성능을 정밀하게 평가할 수 있는 자동화 실험 시스템을 개발했다. 이 시스템은 기존 수작업 실험의 한계를 극복하고, 데이터 사이언스와 머신러닝 기법을 활용해 시멘트 기반 재료의 품질 관리를 혁신적으로 개선할 수 있는 길을 열었다. 건설재료 품질관리의 도전과제 콘크리트는 전 세계에서 가장 많이 생산되는 공학 재료지만, 시멘트와 골재 같은 원재료가 지역마다 성질이 달라 품질과 성능의 변동성이 크다. 따라서 콘크리트 재료의 성능 시험에는 많은 수의 샘플이 필요하며, 이는 노동 집약적인 작업으로 이어진다. 김재홍 교수는 "건설재료는 다른 공학 재료에 비해 변동성이 매우 크기 때문에, 재료의 성능평가 신뢰성을 높이려면 충분한 양의 데이터가 필요합니다. 이를 위해서는 많은 수의 샘플을 제조하고 테스트해야 하는데, 기존의 수작업 방식으로는 단순히 품질 검증을 위한 작은 수의 샘플을 사용하여 현장에서 불량 레미콘 등의 문제가 종종 발생하고 있습니다"라고 설명했다. 혁신적인 자동화 실험 시스템 연구팀이 개발한 자동화 실험 시스템은 230mL 모르타르 샘플의 레올로지 특성을 정밀하게 측정할 수 있다. 이 시스템은 시료 준비, 재료 혼합, 레올로지 측정 등의 과정을 모두 자동화하여 인력 투입 없이도 정확하고 일관된 데이터를 생산할 수 있다. 연구팀은 이 시스템을 사용해 130개의 모르타르 샘플을 분석하여 시멘트 분산제의 효과를 포괄적으로 특성화했다. 주성분 분석(PCA)을 통해 토크 측정값의 뚜렷한 패턴을 발견했으며, 이를 통해 패턴의 분산을 설명하고 분산제 성능 차이를 효과적으로 포착할 수 있었다. 특히 이 자동화 시스템은 7%의 변동 계수로 우수한 재현성을 달성했으며, 이는 재료의 고유한 변동성으로 간주될 수 있다. 또한 관찰 기반 학습을 통해 시스템의 유용성을 확장하여 유동성과 블리딩 속도를 성공적으로 예측할 수 있었다. 이 내용은 건설공학 분야에서 권위 있는 학술지인 Cement and Concrete Research에 "Automated experimentation for evaluating cement dispersant performance"라는 제목으로 게재되었다. (https://doi.org/10.1016/j.cemconres.2025.107895) 연구 결과 및 향후 계획 연구 결과는 3세대 시멘트 분산제의 우수한 성능을 확인하는 동시에, 분산제 사용량-레올로지 관계에 대한 통합적인 분석을 제시하였다. 이러한 자동화 실험 방식은 시멘트 기반 재료의 더 효율적이고 포괄적인 평가를 위한 프레임워크를 확립했다는 데 의의가 있다. 김재홍 교수는 "이번 연구에서 개발한 자동화 실험 시스템은 단순히 실험 과정을 자동화하는 것을 넘어, 데이터 사이언스와 머신러닝을 통합하여 건설재료의 품질관리 패러다임을 변화시킬 수 있는 잠재력을 가지고 있습니다"라고 강조했다. 한편, 연구팀은 건설재료의 성능 평가를 위한 자동화 실험 시스템 개발에 앞서, 건설재료의 특성에 적합한 머신러닝 알고리즘을 개발하였다. KAIST 건설및환경공학과/데이터사이언스대학원 강인국 박사과정이 제1저자로 참여한 관찰 기반 학습(observation-based learning), 도메인 적응(domain adaptation) 학습 알고리즘 등에 관한 연구는, 건설공학 분야에서 권위 있는 학술지인 Cement & Concrete Composites 등에 게재되었다. (https://doi.org/10.1016/j.cemconcomp.2025.105943, https://doi.org/10.1016/j.conbuildmat.2023.133811). 연구팀은 앞으로 이 자동화 시스템을 확장하여 시멘트 분산제 성능 평가뿐만 아니라 강도 발현, 수화열, 내구성 등 다양한 콘크리트 성능 지표에 대한 자동화 실험을 수행할 계획이다. 또한 해외건설 및 국내건설 현장의 건설재료 변동성으로 인한 시공실패를 사전에 예측하고 방지하기 위한 성능평가 실험 자동화 및 로봇 플랫폼을 확장 구축할 예정이다. 김 교수는 "궁극적으로 우리의 목표는 건설산업에서 전문 테크니션 부족 문제, 기능인력 노령화 문제, 주52시간제 시행 등에 대응하기 위한 건설재료 품질관리 및 성능평가의 완전한 자동화 시스템을 구축하는 것입니다. 이를 통해 데이터 기반의 의사결정이 가능한 스마트 건설 환경을 조성하고자 합니다"라고 밝혔다. 이 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행되었다.