Development of AOP relevant to microplastics based on toxicity mechanisms of chemical additives using ToxCast™ and deep learning models combined approach (2020)

최근 유해화학물질의 사용으로 인한 사고가 끊이지 않고 있으며, 미세플라스틱 등 새로운 환경물질의 등장으로 화학물질의 안전한 관리가 시급한 과제로 떠오르고 있다. 최근 동물실험을 대체하기 위한 다양한 대체시험법이 개발되고 있지만 생물학적인 증거 부족으로 인해 규제에 활용되지 못하고 있다. 이에 독성발현경로 (AOP) 등 알려진 독성 메커니즘을 기반으로 화학물질의 유해성을 판단하기 위한 개념이 등장하였고, 부족한 화학물질의 독성 메커니즘 정보의 수집과 분석을 위해 빅데이터 분석 및 독성 예측 기법의 연구가 가속화되고 있다. 

우리 연구실의 정재성 박사는 미세플라스틱에 함유된 첨가제의 독성 메커니즘을 밝히기 위해서 ToxCast 데이터베이스와 딥러닝 모델을 사용하였고 그 결과를 독성발현경로 (AOP)로 제안하였다. 이 접근법은 독성 데이터베이스의 빅데이터와 딥러닝 인공지능 모델을 이용하여 독성이 알려지지 않은 새로운 물질의 독성 메커니즘을 조사하는 방법을 제시한 것이다. 본 연구에서 제안한 빅데이터와 첨단 인공지능 기법을 사용하면 화학물질의 독성 메커니즘을 손쉽게 확인할 수 있으므로 유해화학물질의 사용으로 인한 피해를 방지할 수 있을 것이다. 특히 딥러닝 인공지능 모델의 사용을 통해 데이터갭을 없애 독성 정보가 부족한 신규 유해화학물질의 독성 메커니즘을 확인할 수 있었으며, 이는 미래 독성 메커니즘 기반 화학물질 관리에 크게 기여할 것으로 기대된다. 

이 연구는 국제학술지 Environment International의 2020년 4월호에 게재되었다. (논문 링크: https://doi.org/10.1016/j.envint.2020.105557)