블룸 필터 기반 계층 트리로 바이러스 암흑물질 4만 종의 게놈 지도를 구축하다
배경
메타게놈(Metagenome) 기술은 배양 과정을 거치지 않고 환경 시료에서 유전 정보를 분석하여 미생물 생태계를 규명하는 길을 연다. 그러나 유전체 서열 분석 장비의 고속화로 분석 가능한 데이터양이 급증하면서 기존 정보 처리 방식은 심각한 과부하에 직면했다. 염기서열을 일대일로 대조하여 계통을 그리는 기존 정렬 방식은 분석 대상이 늘어날수록 연산량이 기하급수적으로 증가하는 치명적 한계를 안고 있었다. 수십만 개의 미생물 유전체를 비교하려면 천문학적인 컴퓨팅 비용이 발생한다. 더구나 매번 발견되는 신종 유전체를 기존 데이터베이스에 추가할 때마다 전체 지도를 처음부터 다시 그려야 하는 번거로움도 존재했다. 기존 박테리아 분류 기준을 진화 속도가 빠르고 변이가 심한 바이러스에 그대로 적용할 수 없다는 연구 현장의 지적도 끊이지 않았다. 대용량 유전체 정보를 신속하게 분류하고 유연하게 갱신하는 분석 프레임워크가 절실했던 까닭이다.
핵심 발견
연구팀은 특정 길이의 서열 단편인 케이머(k-mer) 정보와 확률적 자료 구조인 블룸 필터(Bloom Filter)를 융합한 서열 블룸 트리(Sequence Bloom Tree, SBT) 계층 구조 기반의 메타에스비티(MetaSBT)를 개발하는 성과를 거뒀다. 이 프레임워크는 인덱스 구축, 분류 배정, 동적 업데이트라는 세 단계 모듈로 분할되어 연산 효율을 끌어올린다. 먼저 국립생물공학정보센터(National Center for Biotechnology Information, NCBI) 젠뱅크(GenBank)에 등록된 바이러스 참조 게놈 2만 6,285개를 수집하여 기본 인덱스를 구성한다. 뒤이어 미생물 메타게놈 조립 유전체(Metagenome-Assembled Genome, MAG) 1,111개와 인간 장내 바이러스 도감(Metagenomic Gut Virus, MGV)의 유전체 데이터 약 19만 개를 순차적으로 입력하며 데이터베이스를 갱신해 나가는 방식을 취했다.
분석 결과 MetaSBT는 총 40,729개의 종 수준 군집을 찾아냈다. 흥미로운 사실은 기존 데이터베이스와 일치하는 비율이 약 20%에 머문다는 점이다. 나머지 80%에 달하는 32,560개 군집은 학계에 보고되지 않은 새로운 후보 종으로 분류된다. 분석의 신뢰도를 높이기 위해 평균 뉴클레오타이드 유사도(Average Nucleotide Identity, ANI) 99% 기준으로 유전체를 정제하는 필터링 작업도 병행했다. 중복 서열을 제거하고 최소 3개 이상의 독자적 게놈이 포함된 고신뢰성 바이러스 신종 302개를 명확히 규명했다. 연산 속도와 확장성 측면에서도 괄목할 만한 수치가 확인된다. 기존 정렬 기반 도구인 바이리딕(VIRIDIC)은 3만 개 이상의 유전체를 비교할 때 10억 번의 연산이 요구되어 구동조차 불가능했다. 이와 달리 MetaSBT는 유전체 분석 규모를 1,000개에서 10만 개로 늘려도 자원 사용량이 비례하여 증가하는 선형적 확장성을 입증했다.
의미와 전망
이번 연구는 전 세계 연구자들이 메타게놈 데이터를 정밀하게 분류하고 비교 분석할 수 있는 기반을 다졌다는 평가를 받는다. MetaSBT 데이터베이스는 크라켄2(Kraken2)와 같은 분류 프로그램과 신속하게 결합하여 미생물 군집 분석의 질적 도약을 이끈다. 실제로 공공 데이터베이스에 누적된 기존 바이러스 정보의 분류 오류를 바로잡는 정화 작용을 수행하기도 했다. 분석 과정에서 NCBI 젠뱅크에 보관된 참조 게놈 중 686개와 바이러스 메타게놈 조립 유전체(vMAG) 1,051개가 잘못 기재된 정보였음을 확인하여 수정한 사례가 이를 뒷받침한다.
그럼에도 연산 구조적 한계는 여전히 해결해야 할 과제로 꼽혔다. 블룸 필터 트리의 특성상 분석 시작 단계에서 지정한 k-mer 크기를 임의로 변경할 수 없기 때문이다. 변수를 바꾸려면 데이터베이스를 처음부터 재생성해야 하는 번거로움이 뒤따른다. 컴퓨터 연산으로 검출한 3만여 개의 신종 후보 바이러스가 실제 인체나 환경에서 어떤 작용을 수행하는지는 아직 밝혀지지 않았다. 염기서열 정보 획득을 넘어 이들의 구체적 기능과 감염 기전을 분석하는 습식 실험이 뒷받침될 때 비로소 도구의 완전한 가치가 증명될 전망이다.
Nature Biotechnology, Published online: 13 August 2026; doi:10.1038/s41587-026-03245-7A k-mer-based clustering framework is used for constructing a scalable, updatable taxonomy of viral genomes.
임상적 관점에서 MetaSBT는 난치성 질환의 새로운 바이오마커(Biomarker)를 발굴하는 강력한 도구다. 연구팀은 염증성 장질환(Inflammatory Bowel Disease, IBD) 환자와 건강한 대조군 220명의 분변 샘플을 재분석하여 이 도구의 활용성을 입증했다. 기존 상용 바이러스 데이터베이스를 이용했을 때는 샘플 내 유전체 해독 데이터의 0.11%만을 식별하는 데 그쳤으나, MetaSBT를 적용하자 감지율이 4.32%로 수직 상승한다. 이 과정에서 검출된 219종의 바이러스 중 214종이 기존 데이터베이스에 없던 신종 바이러스로 판명됐다. 만성 장질환 환자의 장내 생태계에 은폐된 유전 정보를 대량으로 포착해 낸 셈이다. 제약·바이오 업계는 이러한 기법을 이식해 특정 질병 상태를 대변하는 핵심 바이오마커를 도출하는 연구에 매진하고 있다. 표적 유해균을 사멸하는 맞춤형 마이크로바이옴 치료제 설계 과정에서도 이 데이터베이스는 유용한 나침반 역할을 수행하게 됐다.