■ 세포 배양액에서 엑소좀의 분리 기법 최적화 - 세포배양액 및 인간 혈액에서 엑소좀을 순도높게 분리하여 응용할 수 있는 기술을 최적화 - 특히, 혈액 내 엑소좀은 세포 배양액의 경우와는 다르게 매우 다양한 세포에서 유래된 엑소좀들이 혼재되어 있는 상태이며, 지질단백질 및 수용성 단백질 등 엑소좀 외의 물질들도 다수 포함하고 있기 때문에 보다 최적화된 분리기법을 개발할 필요성이 있음. ■ 엑소좀의 광학적 신호 검출용 기판 최적화 - 표면 증강 라만 분광학 기법은 금속 나노입자 또는 구조체로 이루어진 검출 기판을 제작하는 것이 필수적으로 요구됨. - 따라서 본 연구팀이 기존에 개발한 균일 나노구조체 배열 제작 기법 및 금속 나노입자 합성 기법을 도입하여 엑소좀의 라만 산란광 신호 검출에 최적화된 기판을 제작할 예정. - 제작된 검출 기판에 엑소좀 부착을 유도하여 검출 기판에 정상 세포 및 암세포 유래 엑소좀이 균일하게 분포할 수 있도록 하고 혈액암, 폐암 등 2종 이상의 암 세포 배양액에서 추출된 엑소좀을 대상으로 1000개 이상의 라만 신호를 검출하여 빅데이터화할 예정. ■ 딥러닝 기반 엑소좀의 분광학신호 분류 ​- 얻어진 엑소좀의 라만 신호는 복합적인 신호들이 중첩되어 있어 일반적인 선형(linear) 통계법으로 이를 구분하는 것이 쉽지 않음. - 따라서 1차년도에 개발한 분광학적 신호를 처리할 수 있는 딥러닝을 이용하여 이러한 비선형(non-linear)한 데이터를 분류하여 정상 및 암세포 유래 엑소좀의 광학적 신호 차이를 밝힘. - 2차년도에서 얻은 암세포 유래 엑소좀 분류 결과를 이용해 혈액 유래 엑소좀의 신호를 분류. - 축적된 빅데이터를 활용하여 전이학습(Transfer learning)을 이용한다면 복합적인 혈액 유래 엑소좀의 분광학적 신호를 효과적으로 분류할 수 있을 것이라 예상함. - 수집된 암 환자 혈액 유래 엑소좀의 빅데이터에 암종 및 기수 정보를 더하여 딥러닝 기반의 분석이 가능한지 검증함. - 딥러닝 결과를 역으로 추적하여 환자 혈액 유래 엑소좀이 어떤 세포주로부터 유래됐는지 확인함. - 단순한 암의 종류 뿐만 아니라, 유래된 세포주를 파악함으로써 어떤 항암제 등이 특이적으로 작용할 수 있는지 확인할 수 있음. ■ 딥러닝 분석이 결합된 암 진단용 엑소좀 센서칩 개발 - 딥러닝을 통해 학습된 암세포 및 암 환자 혈액 유래 엑소좀의 라만 신호 프로파일을 기반으로 검출 기판 상에 도입된 엑소좀의 분포 특성을 분석하여 암을 진단할 수 있는 기법 개발. - 4년차까지 최적화된 엑소좀 라만 신호 검출용 기판을 미소유체계 (microfluidics)로 이루어진 칩 상에 도입하여 소량의 샘플 안에 포함된 엑소좀이 빠르게 검출부에 균일하게 분포되도록 칩 고안. - 라만 분광학 장비를 통해 검출부 안에 분포한 엑소좀의 라만 신호 스캔. 여기서 검출부는 신뢰성 높은 진단을 위해 다수의 샘플과 반복적인 검증을 통해 적절한 수와 크기로 배열될 예정임. - 검출부에서 스캐닝된 엑소좀의 라만 신호는 엑소좀의 종류 뿐만 아니라 암 엑소좀의 비율까지도 딥러닝을 통해 분석할 수 있도록 구성할 예정. - 도출된 결과를 종합적으로 검토하여 암 진단이 가능하도록 하며, 민감도 및 선택도를 분석하여 임상적 유용성 여부를 검증할 예정.