유전체로 균주 수준 파지-숙주 상호작용을 예측했다

이 연구 결과는 네이처 마이크로바이올로지에 2026년 9월 29일에 실린 논문에 근거한다. 연구진은 총 115,037개의 상호작용 기록을 포함한 여섯 개 공개 데이터셋(949개 박테리아 균주, 518개 파지)을 이용해 모델을 개발하고 평가했다.

핵심 결과는 유전체만을 입력으로 받아 균주-수준의 파지 감염 가능성을 예측하는 '계통 무관' 워크플로를 제시한 점이다. 단백질군 존재·부재를 특징으로 삼고 재귀적 특징 선택과 그래디언트 부스팅(ensemble CatBoost)을 결합한 모델은 데이터셋별로 AUROC 0.67에서 0.94 범위의 성능을 보였고, 대장균(E. coli) 관련 검증에서는 AUROC 0.87을 기록했다.

모델의 일반성은 실험으로도 확인됐다. 연구진은 새로 확보한 52종 파지와 25개 E. coli 균주로 구성한 1,300개 상호작용을 실험해 1,240개의 비교 가능한 결과를 얻었고, 이 비교에서 모델 예측은 AUROC 0.84를 보이며 다른 연구실 데이터에 대해서도 성능을 유지했다. 또한 유전체 수준의 무작위 전위체 스크리닝(RB-TnSeq) 결과와 비교해 실험적으로 확인된 감염 매개 유전자의 약 68.6%가 모델의 예측 특징과 연관돼 있음을 보였다.

연구진은 예측 점수를 바탕으로 파지 조합(칵테일) 설계도 시뮬레이션했다. 모델 기반 선택은 단일 파지 선택과 3·5종 칵테일에서 흔한 '다작성(promiscuity)' 기준보다 더 넓은 균주 커버리지를 달성했고, 예컨대 5종 칵테일로 E. coli 균주의 최대 97.5%를 덮을 수 있음을 보였다. 이는 모델이 실용적 파지 선택과 조합 설계에 응용될 수 있음을 시사한다.

논문이 밝힌 한계로는 데이터셋 크기와 불균형 문제가 성능에 큰 영향을 미친다는 점과, 서로 다른 속(genus) 사이의 교차-예측이 여전히 어렵다는 점이 있다. 가장 작은 데이터셋에서는 양성 상호작용 비율이 2–5% 수준으로 매우 불균형해 성능 저하를 초래했다는 점을 연구진이 지적했다.

배경과 의미로서 연구진은 파지의 좁은 숙주 특이성이 항생제보다 유익균에 미치는 영향이 적어 치료·농업·산업적 오염 제어에 유리하다고 설명했다. 논문은 이 워크플로가 파지 치료 설계와 정밀 마이크로바이옴 공학 등 임상·농업·산업 응용에 활용될 수 있다고 제시했다. 남은 과제로 연구진은 더 다양한 계통과 더 큰 균주·파지 데이터셋 확보, 교차-속 예측 능력 개선 및 실험적 검증 확대를 들었다.