합성생물학 가이드: DBTL
사이클과 연구·개발 핵심 기술

DBTL 프레임워크를 중심으로, 각 단계에서 활용되는 핵심 기술과 기능을 정리하고, 효율적인 연구·개발을 가능하게 하는 구조적 특징을 설명합니다.

Home 진행 중인 캠페인 실험 Q&A 지식 허브 | 머크 라이프사이언스합성생물학 가이드: DBTL 사이클과 연구·개발 핵심 기술

합성생물학 가이드: DBTL 사이클과 연구·개발 핵심 기술

합성생물학은 설계, 제작, 시험, 학습으로 이어지는 DBTL 사이클을 통해 복잡한 생물학적 시스템을 반복적으로 최적화하는 연구 분야입니다.

본 글은 이러한 DBTL 프레임워크를 중심으로, 각 단계에서 활용되는 핵심 기술과 기능을 정리하고, 효율적인 연구·개발을 가능하게 하는 구조적 특징을 설명합니다.

1. 합성생물학이란

합성생물학(Synthetic Biology)은 생명체의 유전적 구성 요소를 공학적으로 설계·조합하여, 인간이 원하는 기능을 수행하는 생물학적 시스템을 구축하는 학문입니다.

기존 생명공학이 자연적으로 존재하는 생명 시스템을 분석하고 이해하는 데 중점을 두었다면, 합성생물학은 표준화된 DNA 부품과 유전자 회로를 활용해 새로운 기능을 설계하고 구현하는 상향식 접근법을 취합니다.

이러한 특성으로 인해 합성생물학은 의약품 개발, 바이오 소재 생산, 친환경 화학 공정, 에너지 및 환경 문제 해결을 위한 범용 기술 플랫폼으로 확장되고 있습니다.

2. 합성생물학의 주요 방법과 기술

합성생물학 연구는 설계(Design)–제작(Build)–시험(Test)–학습(Learn)으로 구성된 DBTL 사이클을 중심으로 진행됩니다.

이 반복 구조는 생명 현상을 실험 중심의 탐색 대상에서, 예측·검증·개선이 가능한 공학적 시스템으로 전환시킨 핵심 프레임입니다. 각 단계는 독립적으로 작동하지 않으며, 데이터와 피드백을 통해 순환적으로 연결됨으로써 시행착오를 줄이고 목표 성능에 빠르게 도달하도록 설계되어 있습니다.

설계: 목표로 하는 화합물이나 기능을 구현하기 위해 최적의 유전 회로와 합성 경로를 컴퓨터 모델링을 통해 구축.
제작: 설계된 청사진을 바탕으로 DNA를 합성하고, 유전체 편집 기술을 이용해 살아 있는 세포 시스템에 도입.
시험: 제작된 시스템이 의도한 대로 작동하는지 고도로 정밀한 분석 장비를 통해 성능을 검증하고 데이터를 수집.
학습: 시험 단계에서 얻은 방대한 데이터를 AI와 알고리즘으로 분석하여 가설을 수정하고, 다음 사이클의 설계를 개선하는 지식 창출 과정.

3. 합성생물학의 단계별 핵심 기술 설명

아래에서는 합성생물학의 DBTL 프레임워크를 기준으로 각 단계가 수행하는 기술적 역할과 이를 구성하는 핵심 기술을 중심으로 살펴봅니다.

Step 1. 설계: 생합성(유전자·대사) 및 유기합성 경로의 계산적 설계

설계 단계에서는 목표 화합물이나 기능을 구현하기 위한 유전자 회로와 대사 경로를 사전에 예측하고 최적화합니다. 컴퓨터 모델링과 알고리즘 기반 분석을 통해 가능한 생합성 경로를 탐색하고, 생산 효율과 비용 측면에서 유리한 설계를 선별합니다. 최근에는 AI가 도입되며 설계 과정의 효율과 적용 범위가 확장되었고, AI 기반 유기합성 경로 설계와 같은 추가적 접근도 함께 활용해 수많은 조합을 빠르게 평가하고 실험 성공률이 높은 설계안을 도출할 수 있습니다

Step 2. 제작: 유전자 편집과 세포 시스템 구축

제작 단계에서는 설계된 유전자 정보를 실제 생물학적 시스템에 구현합니다. DNA 합성과 유전체 편집 기술을 통해 목표 유전자를 세포에 도입하고, 발현 조절 요소를 포함한 기능성 유전자 회로를 구성합니다. 특히 CRISPR 기반 유전자 편집 기술은 높은 정밀도와 효율성으로 합성생물학 제작 단계의 핵심 도구로 활용됩니다. 이 과정에서는 세포 성장과 단백질 발현을 안정적으로 유지하기 위한 배양 환경과 고순도 생화학 물질의 선택 또한 중요한 변수로 작용하며, 미생물 시스템에서는 LB Broth (Miller)와 같은 표준화된 배지가 널리 사용됩니다.

Step 3. 시험: 산출물 검증과 정량 분석

시험 단계에서는 제작된 생물학적 시스템이 의도한 기능을 수행하는지 정량적으로 평가합니다. 발현된 단백질이나 생성된 대사 산물은 분석에 앞서 단백질 농축 및 버퍼 교환 과정을 거쳐 시료 조건을 정제하고, 이후 HPLC 기반 크로마토그래피 분석과 질량분석 기술을 활용해 조성, 농도, 순도를 정밀하게 측정합니다. 이 과정에서 표준물질을 활용한 정량 분석은 데이터의 정확성과 재현성을 확보하는 데 핵심적인 역할을 하며, 분석 전 단계에서는 비멸균 크로마토그래피 전용 여과를 통해 미세 입자를 제거함으로써 장비 보호와 데이터 노이즈 감소를 동시에 달성할 수 있습니다. 이러한 시험 결과는 생산 효율 저하의 원인과 병목 구간을 규명하고, 다음 설계 단계의 개선 방향을 도출하기 위한 핵심 입력 데이터로 활용됩니다. 요약하면, 시험 단계는 생물학적 시스템의 성능을 정량 데이터로 변환하여, 다음 설계 단계의 의사결정을 가능하게 하는 핵심 과정입니다.

Step 4. 학습: 데이터 기반 설계 최적화

학습 단계에서는 시험 과정에서 축적된 데이터를 분석하여 다음 설계 사이클을 개선합니다. 대사체 프로파일링 결과와 생산 지표는 머신러닝 모델의 학습 데이터로 활용되며, 이를 통해 유전자 회로 구성이나 대사 경로 선택에 대한 예측 정확도가 향상됩니다. 이 단계는 DBTL 사이클을 단순 반복 구조가 아닌, 점진적으로 성능이 개선되는 학습 시스템으로 전환시키는 핵심 요소입니다.

4. 결론

합성생물학은 생명 현상을 인간의 목적에 맞게 설계하고 제어하려는 학문으로, 생명과학, 화학, 데이터 과학이 결합된 대표적인 융합 분야입니다.

DBTL 사이클을 기반으로 한 반복적인 설계와 학습 구조는 생물학적 시스템을 예측 가능하고 확장 가능한 기술 대상으로 전환합니다. 이러한 특성은 합성생물학을 단일 연구 영역을 넘어, 차세대 바이오 제조와 지속가능한 산업 전반을 뒷받침하는 핵심 기술로 자리매김하게 합니다.

5. 자주묻는 질문(FAQ)

Q1. CRISPR-Cas9 시스템 도입 시 Off-target 효과를 최소화하기 위한 전략은 무엇인가요?

가이드 RNA(gRNA) 설계 시 미스매치 가능성을 점수화하는 알고리즘을 사용하며, 실험적으로는 Cas9 단백질의 변종인 High-fidelity Cas9 (eSpCas9, Cas9-HF1)을 사용하거나, 두 개의 gRNA를 활용하는 Cas9 Nickase 시스템을 적용하여 특이성을 높입니다.

Q2. LB Broth (Miller)와 다른 변형 배지(Lennox, Luria)의 차이점과 선택 기준은 무엇인가요?

주요 차이점은 염(NaCl) 농도입니다. Miller 배지는 10 g/L의 NaCl을 함유하여 삼투압에 민감한 대장균의 대량 배양과 고농도 단백질 발현 시 스트레스 완화에 유리합니다. 반면, 항생제 선택시 낮은 염 농도가 요구되는 특정 균주의 경우 Lennox(5 g/L) 처방을 선택하기도 합니다.

Q3. HPLC 분석 전 Millex^®필터 선택 시 샘플의 용매와 필터 재질(Membrane) 간의 호환성은 어떻게 확인하나요?

수용성 샘플은 PES나 PVDF가 적합하며, 유기 용매가 포함된 경우 PTFE(Teflon)나 Nylon 재질을 사용해야 합니다. 재질 선택이 잘못되면 필터가 녹아내려 HPLC 컬럼을 손상시키거나 여과액에 용출물이 섞여 노이즈를 유발할 수 있습니다.

Q4. 단백질 발현 단계에서 Codon Optimization(코돈 최적화)은 왜 필수적인가요?

생물체마다 선호하는 코돈이 다르기 때문입니다. 특히 인간 유전자를 대장균에서 발현시킬 때, 희귀 코돈이 존재하면 번역 속도가 지연되거나 단백질의 잘못된 접힘이 발생할 수 있으므로, 숙주 세포의 tRNA 가용성에 맞춰 서열을 최적화해야 합니다.

Q5. 단백질 농축 시 Amicon^® 필터의 분획 분자량(MWCO) 선택 기준은 무엇인가요?

일반적으로 타겟 단백질 분자량의 1/2에서 1/3 수준의 MWCO를 선택하는 것이 권장됩니다. 예를 들어, 30 kDa의 단백질을 농축한다면 10 kDa MWCO 필터를 사용하여 단백질 손실을 방지하면서 효율적인 정제를 유도합니다.

참고자료

위 문헌들은 합성생물학 가이드 문서의 주요 근거입니다. 자세한 프로토콜은 각 원문을 확인하세요.