표면 증강 라만 분광법에 딥러닝 모델 결합
별도로 박테리아 분리하는 단계 없이 가능
정확도 약 98%..."의료·식품 안전 분야 응용"
딥러닝 모델로 빠르고 정확히 박테리아를 검출하는 기술이 나왔다. 한국과학기술원(카이스트, 총장 이광형)은 자체 개발한 딥러닝 모델로 '표면 증강 라만 분광법(SERS, Surface-Enhanced Raman Spectroscopy)'을 분석해 박테리아 검출에 성공했다고 10일 밝혔다. 정확도는 최대 98%다. 박테리아 유형 구분뿐만 아니라 혈액 등 의학 샘플에서도 도움이 될 전망이다.
※ 표면 증강 라만 분광법 : 산란(scattering)되는 빛의 양이 적어 강도(intensity)가 약한 분자 단위 분석물의 고유 라만(Raman) 신호를 강화하는 기법이다. 플라즈모닉 나노구조체의 국부적 표면 플라즈몬 공명(localized surface plasmon resonance) 현상을 이용해 진행한다.
해당 연구는 조성호 카이스트 전산학부 교수와 정연식 신소재공학과 교수 연구팀이 공동 진행했다. 노어진 카이스트 전산학부 석박사통합과정 학생과 기민준 신소재공학과 박사과정 학생도 공동 제1 저자로 참여했다.
박테리아를 대상으로 한 기존 SERS 신호 분석은 박테리아 고유 신호와 간섭현상을 일으키는 환경 매질 신호를 제거하기 위해 번거로운 박테리아 분리 과정까지 거쳐서 시간 소모가 컸다.
연구팀은 해당 분리 단계를 완전히 생략했다. 박테리아가 담긴 서식 용액을 SERS 측정 기관에 올려 신호를 측정해 딥러닝으로 분석했다. 이를 위해 서로 다른 커널 크기(kernel size)를 가진 이중 분기 네트워크로 구성된 ‘듀얼 WK넷(DualWKNet, Dual-Branch Wide Kernel NEtwork)’ 딥러닝 모델을 자체 개발했다.
연구팀은 듀얼WK넷으로 스펙트럼 신호 특징을 추출했다. 물, 소변, 소고기 용액, 우유, 배양 배지 등 다양한 환경 내 대장균과 표피 포도상구균의 신호를 학습해 최대 98%의 정확도로 검출할 수 있었다.
조성호 카이스트 교수는 “이번 연구는 딥러닝 기술을 활용해 실제 환경에서 사용 가능한 라만 신호 분석 방법을 제시했다는 점에서 의미 있다”며 “의료·식품 안전 분야로 확장해 이바지할 것”이라고 내다봤다.
이번 연구는 한국연구재단 나노 및 소재기술개발사업의 지원을 받아 수행됐다. 국제학술지 ‘바이오센서 및 바이오일렉트로닉스(Biosensors and Bioelectronics)’에 지난 18일 온라인 판에 게재됐다. 논문명은 ‘Separation-free bacterial identification in arbitrary media via deep neural network-based SERS analysis’다.
AI타임스 김미정 기자 kimj7521@aitimes.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com