오늘은 5월 2일에 참여했던 K-BioX Summit 2025 후기를 전달해보고자 한다. 

https://photos.google.com/share/AF1QipO1Mitn26f1EAQKcNughjoDq7Uoig4oIZOlJyQ4tRqOIez5eLl8jEqc6dXwimdr6g?pli=1&key=OVRtdmJoRUZxZWlyMFc2NldJUDRMZXpFcFpQWkt3

2025년 5월 2일, 연세대학교 세브란스병원에서 열린 K-BioX Summit 6에 참여하며, 바이오헬스케어와 AI 융합 연구의 최전선에서 펼쳐지는 최신 연구 동향을 직접 마주할 수 있었다. 이번 서밋은 연세대학교, Human Tumor Atlas Network(HTAN), 그리고 K-BioX가 공동 주최했으며, AI 기반 3D 종양 연구와 치료 혁신을 주제로 암의 기원과 진화, 미세환경 이해를 위한 첨단 기술과 분석법이 공유되는 뜻깊은 자리였다.

Yale University의 Rong Fan 교수는 암 연구에서 공간 오믹스의 잠재력을 극대화한 Patho-DBiT(Deterministic Barcoding in Tissue) 기술을 소개하며, FFPE(포르말린 고정 파라핀 포매) 조직에서도 정밀한 RNA 분석이 가능한 새로운 패러다임을 제시했다. Patho-DBiT는 in situ polyadenylation과 마이크로플루이딕 바코딩 기술을 결합해 전체 전사체 수준의 염기별 시퀀싱을 가능하게 하며, 이를 통해 단순 유전자 발현을 넘어 스플라이싱 이소폼, 단일 염기 변이(SNV), microRNA 네트워크, RNA 스플라이싱 다이내믹스까지 고감도로 탐색할 수 있다. 특히 단일 염기 변이를 공간적으로 매핑해 악성 아형과 비악성 세포를 구분하고, 종양 변이 부담(TMB) 추론까지 가능하다는 점은, 임상 병리학과의 접목 가능성을 넘어 정밀의료의 현실화를 한층 앞당길 기술로 느껴졌다. Fan 교수는 Patho-DBiT의 잠재력을 에피게놈, 단백질체, 대사체 등 다양한 오믹스와의 통합, AI 기반 병리 이미지 분석, 오가노이드 기반 기능 유전체학 등과의 융합으로 확장하며, 임상 바이오마커 발굴과 치료법 개발을 향한 미래적 비전을 제시했다.

https://www.cell.com/cell/fulltext/S0092-8674(20)31390-8?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0092867420313908%3Fshowall%3Dtrue

KAIST의 YongKeun Park 교수는 Tomocube 홀로토모그래피와 AI 기술을 결합해 형광 표지 없이, 저독성으로, 고해상도 3D로 살아있는 세포와 조직, 오가노이드를 장시간 정량적으로 이미징하는 혁신적인 플랫폼을 소개했다. 형광 표지의 한계(세포 스트레스, 포토블리칭) 없이 세포 본연의 모습을 그대로 관찰할 수 있다는 점에서 Pak 교수의 기술은 단순한 시각화 도구를 넘어 생세포 동역학 연구의 필수 도구로 자리매김할 가능성을 보여주었다. AI와 결합된 분석 파이프라인은 조직 구조 및 세포 상태 변화를 빠르게 인지하고, 동적 변화를 실시간으로 파악할 수 있게 하며, 특히 장기 관찰과 정량적 해석이 필수적인 암 및 조직 연구에서의 활용도를 높인다.

https://www.nature.com/articles/s41467-025-59820-0

University of Pennsylvania의 Mingyao Li 교수는 AI와 공간 오믹스 데이터를 결합해 공간 오믹스 데이터의 resolution을 높이는 방법에 대해서 소개했다. iSTAR는 공간 전사체(spatial transcriptomics, ST) 데이터와 고해상도 조직 병리 이미지(예: H&E stained histology)를 통합해, 기존 ST의 한계였던 ‘spot-level’(수십~수백 마이크론 단위) 해상도를 ‘거의 단일 세포 수준’으로 가상적으로 향상시키는 인공지능(AI) 기반 분석법이다. 병리 이미지를 계층적으로 분석해, 조직 전체의 거시적 구조와 개별 세포의 미세 구조를 모두 포착한다. 이 과정에서 Transformer 기반의 딥러닝 모델(특히 Hierarchical Vision Transformer)을 활용한다. 공간 전사체 데이터와 병리 이미지 통합 ST 데이터의 각 spot(픽셀)에 해당하는 조직 이미지 내 영역의 시각적 특징을 추출해, 유전자 발현 패턴과 연관시킨다. 이를 통해 실제로 측정되지 않은 영역(혹은 단일 세포 수준)에서도 유전자 발현을 예측할 수 있다. 

https://www.nature.com/articles/s41587-023-02019-9

이번 K-BioX Summit 6는 단순한 학술 교류의 장을 넘어, AI, 공간 오믹스, 3D 이미징이라는 첨단 기술이 암 및 전암 연구의 판도를 어떻게 바꾸어가고 있는지 직접 체감할 수 있는 자리였다. 암의 기원과 진화를 더 깊게 이해하기 위한 기술적 혁신, 그리고 이를 통해 환자 맞춤형 치료와 바이오마커 개발로 나아가기 위한 연구자들의 노력은, 나 자신이 연구자로서 어떤 방향으로 나아가야 할지에 대한 깊은 고민과 자극을 주었다. 앞으로도 이런 자리에 더 많이 참여하고, 내가 하고 있는 연구가 이러한 혁신의 흐름 속에 어떻게 기여할 수 있을지를 고민하며, 나만의 연구 여정을 더 단단히 다져나가고 싶다.