[태그:] 바이러스

  • 양피지가 뭐길래, 그 안에서 천년 전 바이러스까지 나왔을까

    양피지가 뭐길래, 그 안에서 천년 전 바이러스까지 나왔을까

    중세 수도사들이 양가죽을 펴서 필사본을 만들던 그때, 몇백 년 뒤 과학자들이 그 가죽에서 바이러스 유전자를 꺼내 볼 줄은 몰랐을 거다. 최근 고문서 분석 연구에서 양두창(sheeppox) 바이러스의 유전 흔적이 나왔다는 소식이 전해졌다. 도서관과 고문서 보관소가 사실상 거대한 생물학 타임캡슐이라는 이야기, 처음 들으면 좀 황당하게 들릴 수도 있다. 양피지가 정확히 뭔지, 이런 분석이 어떻게 가능한지, 그리고 이게 왜 흥미로운지 하나씩 짚어봤다.

    양피지, 종이랑 뭐가 다를까

    양피지(parchment)는 종이가 널리 쓰이기 전, 중세 유럽에서 책이나 문서를 만들던 재료다. 이름만 보면 양가죽만 쓴 것 같지만, 실제로는 양, 염소, 송아지 가죽을 얇게 펴서 말린 것을 통틀어 부르는 말이다. 동물 가죽을 석회수에 담가 털을 제거하고, 나무 틀에 팽팽하게 당겨 말린 다음 표면을 갈아내는 과정을 거친다. 이렇게 나온 양피지는 습기와 곰팡이에 강하고, 수백 년이 지나도 잘 바스러지지 않는다. 유럽 곳곳 수도원과 대학 도서관에 남아있는 중세 필사본 대부분이 이 재료로 만들어졌다.

    동물 가죽이라서 가능한 일 – DNA가 그대로 남는 이유

    종이는 식물 섬유지만, 양피지는 동물의 진피층, 그러니까 살아있던 조직 그 자체다. 가죽으로 가공되면서 세포는 죽지만 콜라겐 단백질과 DNA 조각은 구조 속에 상당 부분 갇혀 남는다. 건조하고 서늘한 도서관 환경이면 이 상태가 수백 년, 심지어 천 년 가까이 유지되기도 한다. 그래서 양피지 한 장에는 원료가 된 동물의 유전 정보뿐 아니라, 그 동물이 죽기 전 앓았던 병원체의 유전 정보까지 함께 남을 여지가 있다. 중세 필사본에서 양두창 바이러스 흔적이 나온 것도 이 원리 덕분이다.

    고문서에서 바이러스를 어떻게 찾아낼까

    예전에는 가죽 재질을 확인하려면 문서 일부를 잘라내야 했다. 파괴적인 방식이었다. 요즘은 지우개로 살짝 문지르는 정도의 마찰만으로 미세한 단백질 조각을 채취하는 비파괴 분석법(eZooMS)을 쓴다. 이렇게 얻은 시료로 먼저 단백질을 분석해 어떤 동물 가죽인지 확인하고, 이어서 남아있는 DNA를 증폭·시퀀싱해 유전체 조각을 재구성한다. 문제는 오염이다. 수백 년간 여러 사람 손을 거친 문서라 현대인의 DNA나 세균이 섞이기 쉽다. 그래서 연구팀은 대조군 시료와 통계적 필터링을 거쳐 진짜 고대 병원체 유래 서열만 걸러내는 데 공을 들인다.

    도서관이 ‘생물학 타임캡슐’로 불리는 이유

    중세 필사본은 대개 제작 연도와 지역이 문서 자체에 적혀 있거나, 필체와 양식만으로도 연대가 꽤 정확하게 추정된다. 화석이나 발굴 시료보다 훨씬 유리한 조건인 셈. 유럽에 남아있는 중세 양피지 문서만 수백만 장 단위로 추산된다. 그 한 장 한 장이 특정 시기, 특정 장소에서 살았던 동물의 생물학적 기록이라는 뜻이다. 도서관, 고문서 보관소, 교회 문서고까지 합치면 아직 손대지 않은 유전 정보 저장고가 지구 곳곳에 흩어져 있는 셈이다.

    이 연구, 실제로 어디에 쓰일까

    옛날 동물이 무슨 병에 걸렸는지 아는 데서 끝나는 얘기가 아니다. 바이러스는 계속 변이하니까, 수백 년 전 유전체와 지금 유전체를 비교하면 진화 속도와 변이 경로를 훨씬 정밀하게 짚어낼 수 있다. 이런 자료는 이런 식으로 쓰인다.

    • 가축 전염병(양두창, 우역 등)의 장기적 확산 경로 추적
    • 인수공통감염병이 언제, 어떻게 갈라져 나왔는지 계통 분석
    • 현대 백신·방역 정책 수립을 위한 기초 데이터 확보
    • 고고학·역사학 자료와 결합한 과거 기후·무역로 재구성

    양두창 바이러스는 천연두 계열과 가까운 친척뻘이다. 이런 사촌격 바이러스들의 옛 유전체를 확보할수록, 이미 박멸된 천연두가 어떻게 진화해왔는지 거꾸로 추론할 재료도 늘어난다.

    이것도 궁금하죠?

    Q. 양피지에서 나온 바이러스, 지금도 위험한가?
    A. 양두창은 양과 염소 같은 가축에만 감염되는 바이러스다. 사람한테는 옮지 않는다. 연구 목적도 감염 위험이 아니라 바이러스의 진화 계보를 추적하는 데 있다.

    Q. 아무 고문서나 이런 분석이 가능한가?
    A. 보존 상태가 관건이다. 습도가 높거나 화재·수해를 겪은 문서는 DNA가 이미 분해됐을 가능성이 크다. 반대로 건조한 환경에서 오래 보관된 문서일수록 성공 확률이 높다.

    Q. 굳이 유럽 문서만 대상이 되나?
    A. 원리상 동물 가죽이나 뼈, 뿔로 만든 유물이면 어디든 적용 가능하다. 가죽 갑옷, 북, 활집처럼 국내 박물관에 남아있는 유물들도 이론적으로는 같은 방식의 분석 대상이다.

    결국 문서 보관소를 보는 눈이 달라진다

    고문서 연구자와 생물학자가 한 팀을 이루는 일, 앞으로 더 늘어날 것 같다. 역사학 자료로만 여겨졌던 필사본 한 장이 생물학 실험실에서는 유전자 저장 매체가 되는 셈이다. 오래된 책이나 가죽 문서를 낡은 유물로만 보지 말고, 그 안에 어떤 과거의 흔적이 잠들어 있을지 한 번쯤 생각해볼 만하다.

    출처: Ars Technica

  • 질병 확산 방지: AI와 최신 기술의 역할

    질병 확산 방지: AI와 최신 기술의 역할

    코로나19 팬데믹이 공식 선언되기 수 주 전, 캐나다 AI 스타트업 블루닷(BlueDot)은 이상 신호를 감지하고 고객사에 경보를 보냈다. WHO보다 9일 빨랐다. 이건 단순한 일화가 아니다. 질병 확산을 막는 싸움에서 ‘속도’가 곧 생사를 가른다는 걸 보여주는 사례다.

    질병이 퍼지는 방식, 변수가 생각보다 많다

    바이러스가 어떻게 퍼지는지는 교과서에 나와 있지만, 실제로는 훨씬 복잡하다. 병원체 자체의 전염력, 숙주의 면역 상태, 인구 밀도, 이동 패턴—이 변수들이 동시에 맞물려 돌아간다.

    • 전파 경로: 직접 접촉, 기침·재채기 시 비말, 모기 같은 매개체, 오염된 음식이나 물. 경로가 다르면 대응도 달라진다.
    • 잠복기와 무증상 감염: 증상 없이 돌아다니는 감염자가 많을수록 통제가 어렵다. 코로나19 초기에 이 문제가 방역의 발목을 잡은 것처럼.
    • 재생산 지수(R0): 감염자 1명이 평균 몇 명을 감염시키는지를 나타내는 수치다. R0가 1을 넘으면 확산, 1 아래면 소멸 방향으로 간다. 참고로 홍역의 R0는 12~18—그래서 홍역 퇴치가 그렇게 어려운 거다.

    이 메커니즘을 제대로 파악하지 못하면 아무리 좋은 백신이 있어도 타이밍을 놓친다. 방역의 첫 단추는 결국 ‘이해’에서 시작한다.

    기존 방역법이 벽에 부딪히는 지점

    격리, 접촉자 추적, 예방접종, 손 씻기. 고전적 방역의 4대 축인데—솔직히 현대 사회에선 이것만으로 역부족인 상황이 자꾸 생긴다.

    • 속도와 규모: 하루에 수십만 명이 국경을 넘는 세상에서 수작업 접촉자 추적은 너무 느리다. 2015년 메르스 사태 당시 한국이 겪었던 게 딱 그 경우다.
    • 정보 공백: 발생 초기에 지역 정보가 늦게 공유되면 전 세계 대응 자체가 지연된다. 투명한 정보 공유가 말처럼 쉽지 않다는 게 문제거든요.
    • 자원 소진: 대형 팬데믹이 터지면 병상, 진단 키트, 의료 인력이 동시에 바닥난다. 이걸 미리 예측하고 분산 배치하는 게 관건이다.

    결국 기존 방식을 버릴 게 아니라, 기술로 보완해야 한다는 결론에 이른다.

    AI와 빅데이터가 바꾸는 조기 경보 체계

    예측과 조기 경보. 이 두 가지만 제대로 돼도 피해 규모가 확연히 달라진다. AI와 빅데이터가 가장 빛을 발하는 영역이 여기다.

    • 실시간 데이터 분석: 항공 노선 데이터, 소셜 미디어 키워드(기침·발열 언급량), 검색어 트렌드, 날씨 변화, 동물 질병 발생 현황—이걸 AI가 동시에 훑는다. 구글 플루 트렌드가 2009년 신종플루를 예측한 게 유명한 사례지만, 지금은 그때보다 훨씬 정교해졌다.
    • 감염 경로 모델링: 과거 유행병 데이터와 현재 인구 이동 패턴을 학습시켜 특정 지역의 발생 가능성을 수치로 뽑아낸다. 정책 결정자들이 봉쇄 여부나 자원 배치를 결정할 때 이 숫자가 핵심 근거가 된다.
    • 바이러스 변이 추적: 유전체 서열을 AI로 분석해 변이 방향을 예측한다. 코로나19 mRNA 백신이 1년 안에 나온 건 우연이 아니다—이 과정에서 AI가 후보 물질 탐색 기간을 대폭 줄였다.

    AI 예측이 늘 맞는 건 아니다. 데이터 편향이나 모델 한계로 빗나가는 경우도 있다. 그래도 경보 없이 터진 것과 미리 알고 대비한 것의 차이는 크다.

    진단 속도와 신약 개발, AI가 바꾸는 타임라인

    새 감염병이 터졌을 때 가장 급한 건 두 가지다. 빠른 진단. 그리고 치료제.

    • AI 진단 보조: 엑스레이나 CT 이미지를 AI가 분석해 폐렴 진단을 돕는다. 숙련된 의사가 부족한 지역에서 의료 격차를 줄이는 데 실질적으로 쓰이고 있는데요, 사람 눈으로 놓치기 쉬운 미세한 음영 변화까지 잡아내는 모델도 있다. 이 부분은 솔직히 생각보다 인상적이다.
    • 신약 개발 기간 단축: 전통적인 신약 개발은 임상까지 10년 이상 걸리는 게 보통이다. AI는 수백만 개 화합물 중 유망한 후보를 추려내는 과정을 몇 주 단위로 줄인다. 분자 구조 분석, 약물 상호작용 예측 같은 복잡한 계산을 AI가 처리하면서 전체 개발 기간을 몇 년 단위로 단축하는 셈이다.

    골든타임을 확보하느냐 못 하느냐—이 기술들이 그 분기점을 좌우한다.

    로봇·드론·스마트 센서, 현장 방역의 새 얼굴

    감염 위험이 높은 현장에 사람을 무한정 투입할 수는 없다. 그 공백을 채우는 게 지금 속속 등장하는 기기들이다.

    • 방역 로봇: 병원·공항에서 자외선 소독을 수행하거나, 격리 환자에게 식사를 배달하는 로봇이 이미 운용 중이다. 코로나19 당시 중국 우한의 격리 병동에서 처음 쓰인 방식이다. 의료진 감염 위험을 줄이는 동시에 소진도 막는다.
    • 드론: 산간 오지나 격리 구역에 방역 물품을 운반하고, 열화상 카메라로 발열자를 탐지한다. 사람이 들어가기 어려운 곳에서 드론이 먼저 뛰는 구조다.
    • 웨어러블·스마트 센서: 체온, 심박수, 혈중 산소 포화도를 실시간으로 측정해 이상 징후를 포착한다. 자가 격리자를 매번 전화로 확인하는 것과는 차원이 다른 얘기다.

    이 기기들이 사람을 완전히 대체하진 못한다. 다만 위험 노출을 줄이고 효율을 높이는 데 확실히 기여하고 있다.

    다음 팬데믹을 앞두고

    감염병은 분명 다시 온다. 역사가 그걸 증명하고, 전문가들도 “언제”가 문제지 “올지 안 올지”는 문제가 아니라고 한다. MIT 테크리뷰가 전한 바에 따르면, 현재 에볼라 사태처럼 통제가 쉽지 않은 경우도 진행 중이다.

    기술만으로는 안 된다는 것도 사실이다. 전문가들이 강조하는 건 세 가지다. 상시적인 국제 데이터 공유 플랫폼 구축, 기술 개발 투자 확대, 그리고 다학제 연구를 통한 예측 정확도 제고. 각국 정부의 투명한 정보 공개와 개인 위생 문화가 뒷받침될 때 비로소 방어선이 완성된다.

    AI가 아무리 정확하게 경보를 울려도, 그걸 무시하면 소용없다. 기술 못지않게 의사결정 체계와 사회적 신뢰가 방역의 질을 결정한다—앞으로도 이 점은 변하지 않을 것 같다.

    출처: MIT Tech Review AI