2. 연구에 활용하는 소재 자원은 어떻게 확보하고 있으며, 선행 연구 자료는 주로 어떤 방식으로 탐색하고 계신가요?
연구에는 세포, 제브라피시, 마우스, 오가노이드 등 다양한 생체 모델을 활용하고 있으며, 이들 모델에서 얻은 오믹스 데이터를 기반으로 생체 내 통합 기전을 분석하고 있습니다. 연구에 필요한 오가노이드, iPSC, primary cell 등은 주로 세포주은행이나 ATCC, 제브라피시 연구자원 거점은행을 통해 확보하고 있습니다.
저는 주로 신규 화학물질이나 의약 물질을 대상으로, 신약 개발 관점에서 새로운 타깃을 탐색하거나 질환 모델을 구축하는 연구를 수행하고 있습니다. 이러한 연구에서는 다양한 생체 모델 소재에 대한 신속하고 정확한 정보 탐색이 매우 중요합니다. 특히 특정 모델을 어떻게 구축하는지, 어떤 스크리닝 방법이 사용되는지를 빠르게 파악하는 것이 연구 효율과 직결됩니다.
선행 연구 자료 탐색을 위해 ChatGPT와 Claude의 유료 버전을 모두 사용하며, 두 서비스를 병행해 학술 자료 검색에 활용하고 있습니다. AI 도구를 사용하면서 이 과정에 투입되는 인력 소모가 크게 줄었고, 필요한 정보를 훨씬 효율적으로 확보할 수 있게 되었습니다.
다만 생성형 AI는 할루시네이션으로 인해 정보의 신뢰성이 떨어질 수 있어, 핵심 자료는 결국 Google 검색이나 원문 논문을 통해 다시 확인해야 하는 한계가 있습니다. 이러한 점에서 BioOne이 AI와 결합해 국내 연구 동향, 질환·타겟 정보, 실험 모델, 참고문헌 등을 체계적으로 제공하는 플랫폼으로 발전한다면, 연구 배경 설계나 실험 디자인 단계에서 연구자에게 실질적인 도움이 될 것으로 기대하고 있습니다.
3. 전반적인 연구 진행 과정에 대한 설명 부탁드립니다.
저는 질량분석 기반의 오믹스 연구를 중심으로 신경계 질환 모델 연구를 수행하고 있습니다. 연구의 시작 단계는 적절한 생체 모델을 구축하는 것으로, 학술 문헌을 근거로 제브라피시나 세포 모델 등을 활용해 독성·질환 모델을 제작합니다. 이 과정에서 후보 바이오마커 역시 문헌 기반으로 탐색하며, 해당 마커의 타당성을 검증하기 위해 심층적인 조사를 진행합니다.
모델 구축이 완료되면 정상군과 질환군을 비교 분석합니다. 생체 모델에서 뇌 조직을 분리해 시료를 전처리한 후, 신경전달물질과 아미노산 등을 대상으로 질량분석을 수행합니다. 분석 결과로 나타난 특정 분자의 증가·감소 패턴을 통계적으로 해석하고, 운동성 변화나 경련(siezure) 발생과 같은 행동 실험 결과와 과학적으로 매칭해 의미 있는 바이오마커를 도출합니다.
도출된 바이오마커는 반드시 밸리데이션 과정을 거칩니다. 모델 종류별, 발생 단계별, 생체 조직별, 상위·하위 기전 관점에서 바이오마커의 변화를 추가 실험을 통해 검증합니다. 이후 분자생물학적 실험을 병행해 생체 내 작용 기전을 종합적으로 해석하고, 최종적으로는 독성 및 질환 모델 기반의 기전 연구 논문을 작성합니다.
그리고 질량분석 기반 의약품·내인성 분자에 대한 분석법 개발 및 약물 동태 연구와 바이오마커 평가법 개발도 함께 수행하고 있습니다. 해당 실험 설계 단계에서 가장 중요하게 고려하는 요소는 신규성, 당위성, 진보성입니다. 따라서 초기 단계에서는 분석 대상 분자에 대한 문헌 및 특허 조사, 물리화학적 성질 분석, 구조 유사체 관련 선행 연구 탐색을 통해 연구의 차별성과 타당성을 확보합니다. 이후 이를 바탕으로 분석법을 설계하고 실제 연구를 수행합니다. 의약품이나 독성 물질의 경우 동물 모델에 경구 투여한 후 농도 변화를 분석하고, 내인성 저분자의 경우에는 바이오마커를 조절할 수 있는 독성 물질이나 보호 물질을 투여해 생체 시료를 분석합니다. 이러한 전 과정을 거쳐 얻은 결과를 종합해 최종적으로 분석 논문을 작성하게 됩니다.
4. 연구를 기획하고 수행하는 과정에서 가장 중요하게 확인하시는 정보는 무엇인가요?
연구를 기획하는 단계에서는 단순히 논문만 검토하는 것을 넘어 전체적인 연구 동향, 특히 산업계까지 포함한 흐름을 함께 파악하는 것이 중요합니다. 예를 들어 최근에는 동물대체시험법과 관련해 오가노이드와 같은 기술들이 빠르게 주목받고 있는데, 이러한 흐름은 논문만으로 충분히 이해하기 어렵습니다.
특히 신약 개발 연구의 경우에는 유효성, 작용 기전, 연구개발 동향 등을 먼저 파악해야만 연구 디자인이 가능합니다. 어떤 타깃이 실제로 의미가 있는지, 해당 분야의 기술 수준이 어디까지 와 있는지, 향후 확장 가능성은 어떤지를 미리 판단해야 하기 때문입니다. 새로운 스크리닝 방법을 구축해야 할 때도 마찬가지로, 기존에 어떤 방식들이 사용되고 있는지를 폭넓게 조사하는 과정이 필수적입니다.
그래서 실제 연구 현장에서는 산업계까지 아우르는 연구·개발 동향을 파악하기 위해 전문 기관에서 발행하는 유료 보고서를 참고하는 경우가 많습니다. 이러한 자료들은 사람이 직접 조사하고 분석해 작성한 것이기 때문에, AI나 일반 검색 플랫폼으로는 아직 그 깊이나 정확성을 대체하기 어렵다고 느끼고 있습니다. 생성형 AI는 문서 정리나 아이디어를 구조화하는 데에는 도움이 되지만, 산업 동향이나 시장성, 실제 기술 발전 속도까지 파악하기에는 한계가 있는 것 같습니다.
또 하나의 어려움은, 이러한 정보를 한 곳에서 구조적으로 정리된 효율적인 데이터베이스가 거의 없다는 점입니다. 학술 논문, 특허, 과제 정보, 산업 동향 자료 등이 여러 플랫폼에 흩어져 있다 보니, 실험 디자인이나 연구 타당성 검토, 참고 문헌 정리에 많은 시간이 소요됩니다.
박사급 연구자들은 실험 수행뿐만 아니라 연구계획서나 기획보고서를 작성하는 업무 비중도 크기 때문에, EPA, FDA, KFDA, ICH, OECD 등 규제 기관에서 제공하는 공식 가이드라인과 해설서, 안내 문서를 빠르고 정확하게 확인하는 것도 매우 중요합니다. 이런 점에서 BioOne이 다양한 연구 정보를 한 곳에서 체계적으로 탐색할 수 있는 시스템으로 발전한다면, 연구자에게 큰 도움이 될 것 같습니다.
5. BioOne과 같은 국내 연구 플랫폼이 연구자에게 제공해야 할 핵심 기능은 무엇이라고 생각하시나요?
연구자 입장에서 가장 필요하다고 느끼는 기능은 관심 키워드와 관련된 연구 동향을 한눈에 파악할 수 있는 검색 환경입니다. 예를 들어 ‘제브라피시’를 검색했을 때, 해당 키워드가 어떤 세부 연구 분야에서 활용되고 있는지 카테고리별로 정리되어 있다면 소재의 활용 가능성을 보다 직관적으로 이해할 수 있을 것 같습니다.
저는 연구를 할 때 항상 '발전 속도의 기울기', 즉 연구 트렌드가 시간에 따라 어떻게 변화하고 있는지를 가장 중요하게 봅니다. 시간이 지날수록 모든 연구 테마는 발전하고 기술도 계속 향상되기 때문에, 연구자는 그 변화를 따라가야 합니다. 10년 전 논문을 기반으로 연구를 설계하면 현재 연구 흐름과는 맞지 않는 주제가 될 수 있고, 심지어 올해 발표된 논문을 바탕으로 연구를 시작하더라도 실제로 실험을 진행하고 논문을 작성하는 시점에는 트렌드가 한 단계 더 앞서 나가 있을 수 있습니다. 그래서 단순히 올해나 작년 논문만 보는 것이 아니라, 최근 몇 년간 논문 수가 어떻게 증가하거나 감소해 왔는지, 그 흐름과 속도를 통해 앞으로의 방향을 예측하는 것이 매우 중요하다고 생각합니다.
이러한 관점에서 연도별 연구 트렌드 변화의 시각화는 특히 중요합니다. 특정 키워드와 관련된 논문이 단순히 나열되는 방식보다는, 막대그래프나 꺾은선그래프 형태로 증가·감소 추이를 보여준다면 연구 흐름을 훨씬 쉽게 파악할 수 있을 것 같습니다. 현재는 이러한 정보를 확인하려면 유료 기획보고서를 구매하거나 연도별로 일일이 검색해 비교해야 해 비효율적인 부분이 큽니다.
또한 현재의 검색 방식은 키워드 자체에만 집중되어 있어, 연구자가 미처 인지하지 못했지만 중요한 연관 키워드나 소재를 AI가 함께 제안해주는 기능이 있다면 좋을 것 같습니다. 연구 동향은 계속 변화하기 때문에, 맞춤형 서비스처럼 유사한 분야의 연구자들이 어떤 키워드나 소재에 관심을 보이고 있는지를 함께 제안해준다면 연구 설계 단계에서 큰 도움이 될 것입니다.
필터 기능 역시 단순 분류 수준을 넘어, 보다 세부적이고 체계적인 카테고리 구조로 개선되면 좋을 것 같습니다. 특정 분야를 검색했을 때 관련 연구자, 최근 연구 동향, 주요 논문·특허·소재가 구조적으로 연결되고, 키워드 간의 관계가 시각적으로 표현된다면 연구자가 해당 분야를 전체적으로 파악하는 데 큰 도움이 될 것입니다.
BioOne의 검색 기능이 사용자가 입력한 키워드에 대한 결과를 보여주는 데서 나아가, AI를 활용해 연구자가 알지 못했던 정보까지 능동적으로 제안하는 방향으로 발전해야 한다고 생각합니다. 특정 키워드를 검색했을 때 해당 분야의 최신 연구 동향, 주요 논문·특허·소재 정보, 키워드 중요도의 변화, 연관성이 높은 다른 키워드까지 함께 제공된다면 BioOne만의 차별성이 분명해질 것 같습니다.
6. BioOne이 향후 어떤 연구 플랫폼으로 발전하길 기대하시나요?
BioOne과 같은 연구 플랫폼이 단순히 논문이나 데이터만 제공하는 것을 넘어, 연구자 간 네트워크를 형성하여 국내 전문가 정보와 연구 과제, 관련 기업 정보까지 함께 연계해주는 역할을 수행한다면 활용도가 훨씬 높아질 것이라고 생각합니다. 최근에는 연구기관에서 자체 시스템을 통해 연구자 프로필과 전문 분야 정보가 공개되는 경우가 있기 때문에, 이러한 정보를 효과적으로 활용할 수 있는 구조가 마련된다면 연구자 간 협력과 네트워크 형성에 큰 도움이 될 것입니다.
실제로 제가 신경전달물질 분석 연구를 주로 수행하고 있다는 점이 알려지면서 여러 대학이나 연구소로부터 분석 의뢰를 받고 있습니다. 이 과정에서 국내 연구자들이 공통적으로 느끼는 어려움은, 분석을 맡기고 싶어도 어디에서 수행하는지 정보를 찾기 어렵다는 점입니다. 예를 들어 제브라피시 모델에서 신경전달물질 분석을 진행하고자 할 경우, 연구자들은 관련 논문을 검색하며 국내에서 누가 이 연구를 수행하고 있는지, 어디에 문의해야 하는지를 일일이 추적해야 하는 상황입니다.
최소한 기관 단위의 정보나 연구 분야 수준에서라도 체계적으로 정리된 데이터베이스가 제공된다면 연구자 입장에서는 큰 도움이 될 것입니다. 국내에서 어떤 연구자가 어떤 분야를 지속적으로 연구하고 있는지를 한눈에 확인할 수 있는 정보가 정리된다면, BioOne은 단순한 정보 검색 플랫폼을 넘어 연구자와 연구자를 연결하는 ‘바이오 연구 정보 허브’로 기능할 수 있을 것이라고 생각합니다.
현재 국내에서는 연구자 간 네트워크를 형성하는 것이 쉽지 않은 구조이기 때문에, 관련 연구를 수행하는 연구자들의 분야별 리스트나 연구 이력 정보를 제공해 준다면 연구 협력, 분석 의뢰, 정보 교류가 훨씬 활성화될 것으로 기대합니다.
7. 앞으로 박사님께서 중점적으로 하고자 하시는 연구 목표나 계획은 무엇인가요?
앞으로의 연구에서 가장 중점적으로 추진하고자 하는 목표는 질량분석 기반의 오믹스 프로파일링을 통해 신약 개발에 활용할 수 있는 통합적인 생체 기전을 예측하는 것입니다. 단일 물질이나 단편적인 결과에 국한되지 않고, 생체 내에서 어떤 물질이 보호 작용을 하는지, 또는 어떤 물질이 독성 작용을 유발하는지를 전체적인 흐름 속에서 이해하고자 합니다.
이를 위해 다양한 생체 모델(세포, 제브라피시, 마우스 등)에서 얻은 질량분석 기반 오믹스 데이터를 통합해 독성·보호 기전을 체계적으로 정리하고 싶습니다. 환경오염 물질, 대체 화학물질, 신약 후보 물질, 내인성 분자 등 다양한 화학물질에 대해 나타나는 오믹스 연관성을 통합적으로 볼 수 있다면, 독성이나 질환을 제어하거나 치료하는 과정에서 어느 지점을 타깃으로 조절하는 것이 가장 효율적이고 유망한지를 예측하는 데에도 실질적인 도움이 될 것으로 기대하고 있습니다.