[이미디어= 황원희 기자] 뉴캐슬 대학교의 연구에 따르면 기계 학습이 지구상에서 가장 풍부한 효소인 루비스코(Rubisco)의 생물학적 특성을 예측할 수 있다는 것을 처음으로 보여줬다고 밝혔다,

루비스코(리불로스 1,5-이중인산 카복실화효소/산소화효소)는 지구상의 거의 모든 생명체에 탄소를 공급하는 역할을 한다. 루비스코는 지구 대기의 CO2를 유기 탄소 물질로 변환함으로써 기능하는데, 이는 지구상의 대부분의 생명을 유지하는 데 필수적이다.

그동안 육지 식물의 루비스코 단백질들 사이에서 자연적 변화가 관찰되어 왔으며 모델링 연구에 따르면 특정한 기능적 특성을 가진 루비스코 단백질을 이식할 경우 대기 중의 CO2 작물을  식물이 흡수하고 저장할 수 있는 양을 증가시킬 수 있다는 것을 보여주었다.

뉴캐슬 대학교 자연환경학교 연구진은 놀랍게도 우수한 정확도로 수많은 육상 식물 루비스코 단백질의 성능 특성을 예측할 수 있는 기계 학습 도구를 개발했다. 이 도구는 밀과 같은 주요 작물에 생명공학적으로 사용될 수 있는 '초과 충전된' 루비스코 단백질을 찾는 것을 가능하게 할 것이라는 희망이 있다.

실험 식물학 저널에 발표된 이 연구는 공학적인 노력뿐만 아니라 루비스코 진화 및 적응에 대한 근본적인 연구를 위해 식물 루비스코 키네틱을 선별하고 예측하는 데 유용한 도구를 제시한다. 루비스코 동역학의 자연 다양성을 선별하는 것은 작물 공학 노력을 위해 더 나은 루비스코를 찾는 데 사용되는 주요 전략이다.

글로벌 광합성 추정치의 정확도 향상도 중요한 문제다. 연구진은 이 연구를 통해 기후 모델과 생명공학 작물에 큰 영향을 미칠 것으로 보았다. 이 연구는 식물 생물학자들에게 작물 공학적 노력을 위한 더 나은 동력학을 보여줌으로써 루비스코 종을 강조하기 위한 사전 선별 도구를 제공하기 때문이다.

기계 학습 도구는 전 세계 광합성 추정치의 정확도를 향상시키는 데 사요오딜 수 있다, 루비스코 성능 특성은 기후 과학자들이 사용하는 지구시스템모델(ESM)과 호환된다. 현재 ESM은 생태계 규모에서 광합성을 추정하기 위해 동일한 종의 단일 루비스코 특성을 사용한다. 따라서 기계 학습 도구는 ESM의 정확도를 향상시키는 대부분의 육상 플랜트에 대한 예측을 제공할 수 있다.

이 작업의 다음 단계에는 실험실의 예측에서 확인된 최고의 루비스코 단백질을 분리하는 것과 외래 루비스코 단백질로 식물종을 생물공학화하는 시도를 할 것으로 보인다.

[저작권자ⓒ 이미디어. 무단전재-재배포 금지]