인공 생식은 자연 교배 과정 없이 살아있는 유기체나 생물학적 물질을 생성하는 데 사용되는 다양한 기술과 과학적 방법을 포괄한다. 이 용어는 체외 수정(IVF)과 같은 인간 및 동물의 생식 능력에 대한 의학적 중재와 복제 및 합성 유전체학을 포함한 생물학적 개체를 생성하기 위한 실험실 기반 기술을 모두 아우른다. 이러한 방법은 수십 년에 걸쳐 발전해 왔으며, 세포 생물학, 유전학, 발생학의 발전을 통합하여 임상 불임 치료에서 농업 육종 및 기초 연구에 이르는 다양한 맥락에서 적용된다.
보조 생식 기술(ART)이 인간과 동물의 불임 극복에 초점을 맞추는 반면, 더 넓은 의미의 인공 생식은 1996년 로슬린 연구소에서 최초의 복제 포유류인 돌리 양을 탄생시킨 체세포 핵 치환(SCNT)과 같은 기술을 포함한다. 합성 생물학의 최근 발전은 2010년 J. 크레이그 벤터 연구소의 연구와 같이 자가 복제 합성 세포를 만든 최소 세균 게놈의 구축을 가능하게 했다. 이러한 성과는 자연 과정을 보조하는 것에서 분자 구성 요소로 생명을 설계하고 구축하는 것으로의 전환을 강조한다.
역사적 발전
인공 생식의 역사는 18세기 초 가축 사육에서 문서화된 인공 수정에 대한 초기 실험에서 시작된다. 기증자 정자를 사용한 최초의 성공적인 인간 인공 수정은 1884년 미국의 의사 윌리엄 팬코스트에 의해 보고되었지만, 이 관행은 수십 년 동안 논란의 여지가 있고 대체로 규제되지 않은 상태로 남아 있었다. 20세기 중반에는 1950년대 M.C. 창과 같은 연구자들이 개척한 소의 배아 이식 기술이 개발되어 이후 인간 적용의 토대를 마련했다.
현대 인공 생식의 획기적인 사건은 1978년 영국에서 패트릭 스텝토와 로버트 에드워즈가 달성한 IVF를 통해 잉태된 최초의 인간인 루이스 브라운의 탄생이었다. 이 돌파구는 전 세계적으로 임상 IVF 프로그램의 설립으로 이어졌고, 에드워즈는 2010년 노벨 생리학·의학상을 수상했다. 이후 수십 년 동안 1992년 세포질 내 정자 주입(ICSI)과 착상 전 유전자 검사와 같은 개선이 도입되어 이식 전 배아의 유전 질환 검사가 가능해졌다.
주요 기술 및 방법
체외 수정은 여성에서 난자를 회수하고, 실험실 접시에서 정자로 수정시키며, 생성된 배아를 자궁에 이식하는 것을 포함한다. 이 절차는 일반적으로 여러 난자를 생성하기 위한 호르몬 자극을 필요로 하며, 1960년대 성선 자극 호르몬의 최초 성공적인 사용이 있었다. 브뤼셀에서 지안피에로 팔레르모와 동료들이 개발한 ICSI는 단일 정자를 난자에 직접 주입하여 남성 요인 불임을 해결한다.
체세포 핵 치환(SCNT)은 체세포의 핵을 핵이 제거된 난자 세포로 옮긴 후 배아로 발달하도록 자극하는 것을 포함한다. 이 기술은 돌리를 복제하는 데 사용되었으며, 우유에 치료용 단백질을 분비하는 염소와 같은 제약 생산을 위한 형질전환 동물을 만드는 데 적용되었다. 2018년 중국 과학자들은 SCNT를 사용하여 중시잔과 화화라는 이름의 시노몰구스 원숭이를 복제했으며, 이는 영장류 복제의 첫 성공을 기록했다.
합성 유전체학은 전체 게놈이 화학적으로 합성되고 조립되는 더 최근의 경계를 나타낸다. 최초의 합성 세균 게놈은 2010년에 만들어졌으며, 2016년 J. 크레이그 벤터 연구소의 연구자들은 JCVI-syn3.0으로 불리는 473개의 유전자만 가진 최소 세균 게놈을 합성했다. 이러한 노력은 생명의 기본 요건을 이해하고 새로운 기능을 가진 유기체를 설계할 수 있게 하는 것을 목표로 한다.
의학 및 농업에서의 응용
인간 의학에서 인공 생식은 주로 전 세계 커플의 약 10-15%에 영향을 미치는 불임을 해결한다. 국제 보조 생식 기술 모니터링 위원회에 따르면 IVF 및 관련 기술은 2018년 기준으로 전 세계적으로 800만 명 이상의 출생을 가져왔다. 이러한 방법은 또한 1980년대 이후 확대된 난자 또는 배아 동결 보존을 통해 암 환자의 생식 능력 보존을 가능하게 한다.
농업에서 인공 수정과 배아 이식은 가축 유전학을 개선하기 위해 널리 사용된다. 낙농 산업은 1940년대부터 인공 수정을 사용해 왔으며, 최초의 상업적 적용은 1936년 덴마크에서 이루어졌다. 현대 기술에는 자손의 성별 선택을 가능하게 하는 성별 정자와 DNA 마커를 사용하여 유전적 가치를 예측하는 게놈 선택이 포함된다. 이러한 방법은 소, 돼지, 가금류의 생산성과 질병 저항성을 증가시켰다.
윤리적 및 규제적 고려 사항
인공 생식은 배아의 지위, 맞춤형 아기의 가능성, 생식 물질의 상품화에 관한 중요한 윤리적 질문을 제기한다. 많은 국가가 ART를 규율하는 법규를 제정했으며, 허용 가능한 관행에 눈에 띄는 차이가 있다. 예를 들어, 1991년에 설립된 영국의 인간 수정 및 발생학 당국은 IVF와 배아 연구를 규제하는 반면, 미국은 대부분의 ART 클리닉에 대한 연방 감독이 없는 더 분산된 접근 방식을 가지고 있다.
복제와 합성 유전체학은 2005년 유엔 인간 복제 선언과 같은 국제 협정을 촉발했으며, 이는 인간의 생식 복제 금지를 촉구했다. 그러나 줄기 세포 연구를 위한 치료적 복제는 일부 관할권에서 여전히 합법적이다. 합성 유기체의 생성은 또한 생물 안전 우려를 제기하여 이중 용도 연구와 책임 있는 거버넌스 프레임워크의 필요성에 대한 논의로 이어졌다.
미래 방향
인공 생식의 현재 연구는 성공률을 개선하고 위험을 줄이는 데 초점을 맞추고 있다. 타임랩스 이미징과 인공 지능의 발전이 배아 선택에 적용되고 있으며, 연구에 따르면 머신 러닝 알고리즘이 발생학자와 비슷한 정확도로 착상 가능성을 예측할 수 있다. 2019년 연구자들은 딥 러닝 모델이 이미지에서 배아 품질을 평가할 수 있음을 입증하여 IVF 결과를 개선할 가능성을 보여주었다.
또 다른 새로운 영역은 줄기 세포에서 유래한 체외 생성 정자와 난자와 같은 인공 생식 세포의 개발이다. 2016년 가쓰히코 하야시가 이끄는 일본 과학자들은 유도 만능 줄기 세포에서 유래한 난자를 사용하여 생쥐에서 생존 가능한 자손을 생산했다. 인간 적용은 아직 먼 미래이지만, 이 연구는 궁극적으로 유전적 또는 연령 관련 요인으로 인한 불임 개인에게 새로운 옵션을 제공할 수 있다.
합성 생물학은 산업 또는 의료 목적으로 프로그래밍될 수 있는 최소 세포를 만들기 위한 노력으로 계속 경계를 넓히고 있다. 인간 이식을 위해 유전자 변형 돼지 기관을 사용하는 이종 이식 분야는 또한 이러한 동물을 생산하고 번식시키기 위해 인공 생식 기술에 의존한다. 이러한 기술이 발전함에 따라 책임 있는 개발과 공평한 접근을 보장하기 위해 과학자, 윤리학자, 정책 입안자 간의 지속적인 대화가 필요할 것이다.
같이 보기
- 인공 지능
- 머신 러닝
- 딥 러닝
- 신경망
- 생성형 AI
- 데이터 증강
- 모델 가지치기
- 커리큘럼 학습
- 손실 함수
- 잔차 네트워크
- U-Net
- 배치 정규화
- 층 정규화
- 드롭아웃
- 가중치 초기화
- 위치 인코딩
- 다중 헤드 어텐션
- 교차 어텐션
- 인코더-디코더
- 시퀀스-투-시퀀스
- 빔 서치
- 탑-k 샘플링
- 탑-p 샘플링
- 온도 스케일링
- 학습률 스케줄
- Adam 옵티마이저
- SGD 변형
- 그래디언트 클리핑
- RLHF
- 대규모 언어 모델
- 트랜스포머
- OpenAI
- Anthropic
- Google DeepMind
- MIT CSAIL
- 스탠포드 AI 연구소
- 토론토 대학교
- 카네기 멜론 대학교
- 버클리 AI 연구
- 옥스퍼드 대학교
- 노키아 벨 연구소
- 제록스 PARC
- 바바 원자력 연구 센터
- 삼성 리서치
- 인텔
- AMD
- 엔비디아
- 퀄컴
- ARM 홀딩스
- TSMC
- 브로드컴
- 아마존 웹 서비스
- AWS Trainium
- 애저
- 구글 클라우드
- 오라클 클라우드
- Groq
- SambaNova
- Graphcore
- D-Wave
- 알리바바 다먀오 아카데미
- 알리바바 클라우드
- Halcyon
- Insta 아카데미
- Omniscient
- Commure
- Intuitive Surgical
- TomTom
- BigBear.ai
- AI21 Labs
- Inflection AI
- Essential AI
- Sanctuary AI
- Figure AI
- Fermata
- Braina
- Xyber
- Waymo
- 테슬라 오토파일럿
- Llion Jones
- Jakob Uszkoreit
- Lukasz Kaiser
- Niki Parmar
- Mark Chen
- Brad Lightcap
- Jacob Steinhardt
- David Kaplan
- Jack Clark
- David Luan
- Chen Wu
- Ashish Kumar
- Karen Simonyan
- Koray Kavukcuoglu
- Michael Jordan
- Anima Anandkumar
- Samy Bengio
- Joshua Tenenbaum
- Brendan Lake
- Melanie Mitchell
- Aaron Courville
- Aleksander Madry
- Alexei Efros
- Ali Rahimi
- Ani Bhattacharya
- Anna Patterson
- Anna Ritter
- Bernard Widrow
- Brian Christian
- Calvo Rafael
- Carlos Guestrin
- Chris Bishop
- Christopher Bishop
- Craig Boutilier
- Dafna Sharon
- David Ha
- David Martin
- Deepak Kumar
- Elaine Rich
- Eilon Reshef
- Eric Horrocks
- F. Javier
- Filippo Menczer
- Francine Lied
- Francois Fleuret
- Adam 옵티마이저
- SGD 변형
- 학습률 스케줄
- 잔차 네트워크
- U-Net
- RLHF
- 커리큘럼 학습
- 그래디언트 클리핑
- 배치 정규화
- 층 정규화
- 드롭아웃
- 가중치 초기화
- 손실 함수
- 위치 인코딩
- 다중 헤드 어텐션
- 교차 어텐션
- 인코더-디코더
- 시퀀스-투-시퀀스
- 빔 서치
- 탑-k 샘플링
- 탑-p 샘플링
- 온도 스케일링
- 모델 가지치기
- 데이터 증강