ISMB/ECCB 2025
뉴스 · 2025-08-18 · 조회 82
2025년 7월 20일부터 24일까지 진행된 ISMB/ECCB 2025 학회는 최신 생물정보학 연구의 흐름과 혁신 기술을 집약한 자리였다. 이번 학회는 단일세포 오믹스와 후성유전체학, 시스템 생물학 기반의 유전자 조절 네트워크 해석, 그리고 AI 기반 구조 예측 및 약물개발 등 다양한 주제를 다루었다. 특히 각 일자별로 개최 Distinguished Keynote 세션은 생물정보학의 현재와 미래를 통찰할 수 있는 고품질 강연으로 구성되어 참가자들의 큰 관심을 끌었다.
학회 내용
7월 20일
노벨상 수상자이자 Google DeepMind의 John Jumper는 “Extending AlphaFold to make predictions across the universe of biomolecular interactions”라는 주제로 첫번째 Keynote 발표를 진행했다. AlphaFold2로 단백질 3차원 구조 예측의 새 지평을 연 그와 DeepMind 팀은, AlphaFold3를 통해 단백질-
핵산 상호작용, 단백질-소분자 결합 예측, 복합체 형성 및 후성번역 조절과 같은 더 복잡한 생물학적 상호작용을 예측하는 모델을 개발했다. 이 발표는 구조 예측을 넘어서 기능 예측, 약물 설계, 생물학적 상호작용 모델링으로 까지 AI 기술이 확장되고 있음을 보여주는 전환점이었다.
7월 21일
Swiss-Prot와 UniProt의 창립자인 Amos Bairoch는 “Plus ça change, plus c’est la même chose”라는 제목의 기조연설을 통해, 지난 40여 년간 생물정보학의 근본적 가치는 변하지 않았다는 점을 강조하였다. 자동화, 딥러닝, 대규모 데이터 통합이 강조되는 시대임에 도 불구하고, 고품질 큐레이션, 표준화, 재현가능성은 여전히 핵심임을 환기시킨 발표였다. 이와 동시에 다양한 포스터 세션이 시작됐다. 포스터는 4일에 걸쳐 1,000개 이상의 포스터가 개제 되었으며, 본 참여자의 연구와 관련된 scATAC-seq을 활용하여 Pseudotime을 연구한 포스터를 접할 수 있었다. 이 외에도 네트워크 세션이 추가로 존재했다.
7월 22일
Stanford의 James Zou가 “Computational biology in the age of AI agents”라는 주제로 AI 기반 생물학 실험 설계에 관한 기조연설을 진행하였다. 그는 GPT류 대형 언어 모델과 custom agent들이 단순한 분석을 넘어서 실험 설계, 문헌 요약, 후보 유전자 필터링 등 을 자율적으로 수행하는 사례를 소개하였다. 각각의 agent들이 학생, PI, 리뷰어 등 다양한 역할군을 맡아 서로 소통하며 연구 주제를 피드백 하는 부분이 매우 흥미로웠다. 대
표적으로 단일세포 데이터 분석에 특화된 CellVoyager, 단백질 기능 예측 모델 interPLM 등이 공개되었다. 이는 생물학 연구의 인공지능 기반 자동화 가능성을 매우 구체적인 예로 보여주는 발표였다. 같은 날 NetBio: Network Biology 트랙에서는 단일세포 오믹스 데이터를 활용한 네트워크 분석 발표들이 이어졌다. Laura Cantini는 다양한 단일세포 오믹스 데이터를 통합 분석하기 위한 multi-modal deep learning 모델을 소개했고, Mayra Ruiz Tejada는 질병 특이적인 cellular niche를 규명하는 ‘Nichesphere’를 발표했다.. 또한, Saniya Khullar는 전사인자 기반 조절 네트워크를 embedding으로 학습하는 NetREm 모델을, Giulia Cesaro는 단일세포 신호전달망을 위한 그래프 기반 연산 알고리즘을, Sindhura Kommu는 GAT 기반 유전자 조절 예측 모델을 각각 소개하였다. 이들 발표는 단일세포 데이터가 더 이상 개별 발현 해석에 그치지 않고, 네트워크 수준의 조절 기전 탐색 도구로 진화하고 있음을 보여주었다.
7월 23일
Charlotte Deane가 “Building the future of AI-driven structure-based drug discovery”라는 주제로 기조연설을 진행하였다. 그녀는 산업계와 학계를 넘나들며 AI를 이용한 신약개발의 실용화 경험을 공유하였다. 특히 단백질-소분자 결합 예측, 구조 기반 약물 친화도 스크리닝, 생성형 AI를 통한 후보물질 생성 등, 실제로 Exscientia와 같은 기업에서 사용되고 있는 AI 기술을 바탕으로 발표가 진행되었다. AI 기반 신약개발이 구조 생물정보학과 결합하여 어떻게 실제 제약 프로세스를 바꾸고 있는지 명확히 보여준 발표였다. 이외에 도 Regsys : Regulatory & systems 트랙에서 regulatory network를 재구축하는 GARDENNET와, Gene regulatory network를 유전자 조절 거리 관점에서 연구한 Yijie Wang의 발표가 본 참여자의 연구와 밀접한 연관이 있어서 흥미로웠다.
7월 24일
이날은 학회의 폐회일로 또 다른 노벨상 수상자 David Baker와 Helmholtz Munich의 Fabian Theis가 keynote를 진행하였다. Baker는 연구실 내부와 글로벌 파트너쉽을 통한 협업의 힘에 대해 이야기하며, 신진 연구자들에게 팀을 구축하는 방법에 대한 조언을 제공했다. 고품질 데이터, 커뮤니케이션에 대한 중요성을 강조하며 AI 중심적인 환경에서 과학자들의 역할이 진화하고 있다고 이야기 하였다. Fabian은 “Decoding cellular systems: From observational atlases to generative interventions”라는 제목으로 마지막 기조연설을 맡았다. Theis는 Human Cell Atlas 기반의 세포 시스템 모델링을 바탕으로, 단순 관측을 넘어서 예측 가능하고 개입 가능한 세포 상태 생성 모델의 필요성을 강조했다. 그는 Bioinformatics의 연구 환경이 어떻게 구축되어 왔는지 과거의 상황과 문제점, 그를 해결하기 위해 제시한 해결책을 설명하며, 개발된 Scanpy, SCverse 와 같은 분석 툴과 팀들의 개발 과정 히스토리를 전체적으로 매우 재밌게 설명해 주었다. 그는 spatial transcriptomics와 단일세포 데이터를 transformer 기반으로 통합하는 Nicheformer, 유전자 편집 또는 약물 투여 후 세포 반응을 generative AI로 시뮬레이션하는 Cellflow 등을 소개하며, 실험 설계와 가설 탐색을 AI가 보조할 수 있는 시대가 도래했음을 알렸다.
2025년 ISMB/ECCB는 AI와 생물정보학의 융합, 단일세포 및 후성유전체 해석 기술의 고도화, 구조 기반 예측과 조절 네트워크 통합 분석 등 현대 생물학 연구의 중추 기술이 총망라된 장이었다. 각 일자별 Keynote는 생물정보학의 거시적 방향성과 실질적 응용 가능성을 제시했으며, 세부 세션들은 단일세포 오믹스 분석을 넘어 복잡계 생물학을 통합적으로 다루는 새로운 접근법을 다양하게 공유하였다.
포스터 발표
본 참여자는 TENET+: a tool for reconstructing gene networks by integrating single cell expression and chromatin accessibility data라는 주제로 포스터 세션 발표를 진행하였다. TENET+는 단일세포 전사체 데이터를 활용하여 유전자조절네트워크를 구축하는 방법론에 관한 연구로 기존에 TENET을 기반으로 하여 발전시키려는 연구이다. 기존에 단일세포 전사체 데이터에서 후성유전체 정보를 더하여 더 정교하고 새로운 유전자 조절 네트 워크를 구축하고자 하였다. TENET+는 Transfer Entropy라는 개념을 사용하여, 전사인자들의 Binding stie에 대한 사전 정도 없이 중요한 전사인자를 밝혀낼 수 있다. 기존 정보를 사용하지 않기 때문에, 기존에 다른 방법론에서는 찾지 못하는 전사인자를 밝혀내고, 다른 방법론 대비 높은 성능을 보여준다.
포스터 발표를 통해서 비슷한 연구를 진행하고 있는 다양한 연구자들을 만나볼 수 있었다. Transfer Entropy는 생면정보 분야에서는 익숙하지 않은 개념이기 때문에 새로운 접근에 대한 흥미로움을 가지고 다야한 연구자들이 흥미를 보였고, 전사인자 Binding Site를 사용하지 않는, 즉 Motif 정보를 사용하지 않는 방법론에 많은 공감을 얻을 수 있었고 이부분을 흥미로워 했다. 이외에 멀티 오믹스를 분석할 때, 한 세포에서 동시에 시퀀싱을 진행한 Multiome 기술을 사용 했는지 multiome 처럼 paired 데이터셋이 아닐 경우에 어떠한 방향으로 분석하면 좋을지에 관련된 질문을 이야기 하며 다양한 이야기를 해볼 수 있었다.
학회 총 소감
이번 ECCB/ISMB통합 학회는 두개의 학회가 함께 진행 되는 의미있는 큰 규모의 학회였다. 규모에 맞게 세계의 유명한 연사들을 직접 들으며 다양한 연구분야에 대한 발표를 접해볼 수 있어서 매우 유익했다. 본 참여자는 단일세포 데이터에 큰 관심이 있었는데 단일세포 데이터들이 세계수준에서 어떻게 다루어지고 있는지 흐름을 알아 볼 수 있었다. 뿐만 아니라 단일세포 외 다양한 데이터가 존재하며 어떠한 방법으로 분석하고 있는지 확인해 볼 수 있는 자리였다. 특히 매우 다양한 분야와 데이터에 있어서 AI , Depp Learning, LLM이 사용되고 있음을 크게 느낄 수 있었다. 컴퓨터 분야 뿐아니라 생명 분야에 있어서도 AI의 활용성이 커지고 있으며 사용했을때의 이점이 매우 강하다고 생각되며, 나 또한 해당 데이터 분석론을 내 연구에 적용해야한다는 것을 피부로 느낄 수 있었다.
■ 학회명: ISMB/ECCB 2025
■ 개최일: 2025.07.20~2025.07.24
■ 개최지: 영국, 리버풀
■ 발표제목: TENET+: a tool for reconstructing gene networks by integrating single cell expression and chromatin accessibility data
■ 작성자: 숭실대학교 생명정보학과 석박과정수료생 김현규