자주 걸리는 감기는 왜 면역이 안 될까?

감기 코로나 스파이크 단백질서 '면역 회피' 진화 흔적 발견
신종 코로나, 유사 변이 가능성 주목…저널 '이라이프' 논문

 

 특정 바이러스에 감염되거나 바이러스 백신을 맞으면 몸 안의 면역세포가 항체를 형성한다.

 이런 항체는 바이러스 표면의 특이 단백질을 인지해 결합하는데 이를 항원이라고 한다.

 동일한 바이러스가 재감염했을 때 인체 면역계는 바이러스 항원에 대한 기억을 되살려 반응한다.

 그런데 계절 독감 같은 일부 바이러스에선, 항원이 변해 진화하는 '항원 변이'(antigenic drift)가 일어날 수 있다.

 이렇게 되면 면역계는 다시 침입한 바이러스를 알아보기 어려워 면역반응도 일으키지 못한다.

 신종 코로나(SARS-CoV-2)와 같은 계열에 속하는 감기 코로나바이러스에서 스파이크 단백질의 '면역 회피' 진화 흔적이 발견됐다.

 코로나 계 바이러스의 표면에 돌기처럼 뻗어 있는 스파이크 단백질은 인체 면역계의 주요 표적이다.

 만약 신종 코로나도 이런 식의 진화를 한다면 항원이 변이할 때마다 백신을 다시 만들어야 한다는 걸 시사한다.

 미국 워싱턴 의대와 프레드 허친슨 암 센터 과학자들은 이런 요지의 논문을 19일(현지 시각) 저널 '이라이프'(eLife)에 발표했다.

 
스파이크 단백질의 역할

 코로나바이러스라는 명칭은 표면을 덮고 있는 스파이크 단백질 돌기가 왕관(corona)처럼 보인다고 해서 붙여졌다.

 지금까지 알려진 수백 종의 코로나바이러스 중 인간에게 감염해 질병을 일으키는 건 현재 유행하는 신종 코로나, 사스(중증 급성호흡기증후군) 코로나(SARS-CoV), 메르스(중동호흡기증후군) 코로나(MERS-CoV), 계절성 인간 코로나(HCoVs) 4종 등 모두 7종이다.

 연구팀은 이 가운데 코와 목 등에 가벼운 감기 증상을 일으키는 HCoVs에 주목했다.

 이런 감기 코로나는 오래전부터 인간들 사이에 퍼져, 인간의 면역계에 저항하는 진화 압력이 바이러스 항원에 가해졌을 가능성이 크다.

 연구팀은 감기 코로나 4종의 유전자 서열을 컴퓨터로 분석해 진화 과정을 추적했다.

 특히 스파이크 단백질처럼 주요 항원이 될 수 있는 바이러스 단백질의 변화에 초점을 맞췄다.

 절반인 2종(OC43, 229E)의 스파이크 단백질에서 높은 비율의 진화 흔적이 발견됐다.

 바이러스에 이로운 대부분의 변이는, 인간 세포에 감염할 때 도움을 주는 스파이크 단백질의 특정 영역(S1)에 집중돼 있었다.

 
신종 코로나바이러스 입자(금색)의 전자현미경 이미지

 이 발견은 신종 코로나의 '면역 회피' 변이 가능성을 보여줘 주목된다.

 또한 흔한 감기 코로나의 감염이 장기간 반복되는데도 면역이 안 되는 이유도 설명한다.

 감기 코로나가 인간 면역계를 회피하는 방향으로 진화한 결과, 항원 변이로 면역 반응이 봉쇄된 상태에서 쉽게 재감염이 이뤄진다는 것이다.

 이처럼 감기 코로나에 이로운 스파이크 단백질의 변이는 대략 2, 3년에 한 번꼴로 일어난 것 같다고 연구팀은 추정했다.

 이는 H3N2 인플루엔자 바이러스에서 나타나는 변이 주기의 절반 내지 3분의 1에 해당한다.

 논문의 수석저자인 프레드 허친슨 암 센터의 트레버 베드퍼드 박사는 "신종 코로나 등 다른 코로나바이러스가 같은 방향으로 진화할지는 아직 확실치 않다"라면서 "(만약 그렇다면) 신종 코로나 감염증 백신을 새로운 변종에 맞춰 계속 다시 만들어야 할지도 모른다"라고 말했다.


의료.병원,한방

더보기
서울성모병원 등 15개 병원, 암 병리 AI데이터 16만건 구축
가톨릭대학교 서울성모병원은 정찬권 병리과 교수를 중심으로 한 다기관 디지털 병리 인공지능(AI) 의료기술 연구사업단이 대규모 암 병리 데이터를 구축했다고 1일 밝혔다. 이번 사업에는 서울성모병원을 비롯한 15개 대학병원과 어반데이터랩 등 9개 기업이 참여했다. 정부 연구비 지원을 바탕으로 2021년 작업을 시작한 사업단은 16만장 이상의 암 병리 전체 슬라이드 영상과 병리 단위의 정밀 어노테이션 데이터(병리 영상에서 암 조직과 정상 조직 등을 구분해 AI가 학습할 수 있도록 한 데이터)를 구축했다. 디지털 병리는 전통적인 유리 슬라이드 대신 고해상도 디지털 영상으로 조직을 분석하는 기술로 최근 AI와 결합하면서 진단 정확도를 높이는 데 기여할 것으로 기대되고 있다. 서울성모병원은 사업단이 이러한 클라우드 기반 플랫폼을 구축해 연구 단계에 머물던 기술을 실제 산업 현장으로 연결하는 성과를 이뤘다고 강조했다. 정찬권 교수는 "이번 사업은 단순한 데이터 구축을 넘어 연구자와 기업이 실제 활용할 수 있는 데이터 인프라를 마련했다는 점에서 의미가 있다"며 "앞으로도 디지털 병리 데이터의 품질과 활용도를 높여 연구와 산업을 연결하는 개방형 플랫폼으로의 역할을 이어가겠다

학회.학술.건강

더보기
KAIST, '뇌를 닮은 AI' 개발…예측이 틀려도 한번 더 생각
한국과학기술원(KAIST)은 뇌인지과학과 이상완 교수 연구팀이 인간 뇌의 학습 원리를 딥러닝에 적용해 인공지능(AI) 모델도 안정적으로 학습시키는 새로운 기술을 개발했다고 1일 밝혔다. 우리 뇌는 현재 벌어지는 일을 단순히 인식하는 데 그치지 않고 '다음에 무슨 일이 일어날까'를 먼저 예측하고, 실제 결과가 다르면 그 차이를 줄이는 방향으로 스스로 수정한다. 바둑에서 상대의 다음 수를 예상했다가 빗나가면 전략을 바꾸는 것과 비슷하다. 이 같은 정보처리 방식을 '예측 부호화'라고 한다. 과학자들은 이 원리를 AI에 적용하려 했지만 신경망이 깊어질수록 오차가 특정 부위에 몰리거나 아예 사라져 성능이 떨어지는 문제가 반복되면서 어려움을 겪었다. 연구팀은 AI가 결과만 예측하는 것이 아니라 '예측 오차가 앞으로 어떻게 변할지'까지 다시 예측하도록 만들었다. 연구팀은 이를 '메타 예측'이라 설명하는데 '틀림을 한 번 더 생각하는 AI'를 말한다. 이 방식을 적용하면서 깊은 신경망에서도 학습이 멈추지 않고 안정적으로 진행됐다. 총 30가지 실험 중 29개에서 현재 AI의 표준 학습법인 '역전파'보다 높은 정확도를 기록했다고 연구팀은 설명했다. 역전파는 AI가 '틀린 만