대규모 다중화 위스퍼링 갤러리 모드 바이오센서 혁신

초록

본 논문은 10 000개 이상의 마이크로공명기를 100채널까지 통합한 유리 칩 기반 위스퍼링 갤러리 모드(WGM) 바이오센서 플랫폼을 제시한다. 칩은 Q‑factor 10⁶ 수준을 유지하면서 저비용·모듈식 설계가 가능하며, 도메인 적응과 채널 간 교차‑어텐션을 결합한 하이브리드 딥러닝 프레임워크 BioCCF를 통해 칩 간 변동성을 보정하고 복합 용액에서 IgG 성분을 5분 이내에 10⁻⁴ 수준의 상대 오차로 정량한다. 재보정 없이 99.3 % 정확도로 용액 종류를 식별하고, 데이터는 9개 칩·200시간 이상에 걸쳐 수집·공유될 수 있다.

상세 분석

이 연구는 기존 WGM 바이오센서가 직면한 ‘스케일링 병목’과 ‘데이터 이질성’ 문제를 동시에 해결한다. 먼저, 3D 프린팅 마스크와 스핀코팅 공정을 이용해 유리 기판 위에 100 µm~125 µm 구형 마이크로구슬을 정밀 배치하고, 저굴절률 폴리머( MY‑133MC)로 두께 430 nm 정도의 디스팅싱 레이어를 형성한다. 이 레이어는 마이크로공명기와 기판 사이의 광결합 손실을 최소화하면서 Q‑factor를 10⁶ 수준으로 끌어올린다. 채널 수를 4, 9, 16으로 늘릴 경우 채널당 평균 공명기 수는 235→100으로 감소하지만, 채널 간 변동성은 현저히 낮아진다. 100채널·10 000공명기 구성을 구현함으로써 고차원 센싱 데이터를 실시간으로 획득할 수 있다.

데이터 분석 측면에서는, 동일 파장 스캔(≈4800 포인트, 0.2 pm 간격)에서 각 공명기의 스펙트럼 이동을 정규화·시간 정렬하여 ‘강도 기반’ 표현으로 변환한다. 그러나 공명기마다 고유 스펙트럼이 존재해 직접적인 패턴 인식이 어려우므로, 도메인 적응(DA) 기법을 도입한다. PCA, TCA, MIDA, JPDA 등 네 가지 선형 DA 방법을 비교했으며, 특히 Transfer Component Analysis(TCA)가 100개 공명기 기준 RMSE 0.037, 최대 오차 0.055로 가장 안정적인 변환을 제공한다. TCA는 파장·공명기 수에 무관하게 일관된 ‘첫 번째 적응 특징(AF1)’을 생성하고, 이는 재생용액(PBS‑REG) 전이에서 얻은 기준값과 거의 일치한다.

이후 BioCCF 모델은 CNN‑biLSTM 기반 분류기와 Transformer‑Encoder 기반 회귀기를 교차‑어텐션 융합 모듈로 연결한다. 각 채널·제어 채널의 AF1 시퀀스를 개별적으로 추출한 뒤, 다중 채널 정보를 동시에 학습함으로써 결측 구간이나 비정상적인 세그먼트에도 강인하게 동작한다. 모델은 9개 칩·다양한 채널 구성을 포함한 200 시간 이상의 데이터셋을 활용해 사전 학습되었으며, 재보정 없이 새로운 칩에서 IgG 혼합 용액을 5 분 이내에 10⁻⁴ 수준의 상대 오차로 정량한다. 용액 종류 식별 정확도는 99.3 %에 달한다.

핵심 혁신은 (1) 광학‑기계적 설계로 대규모 고품질 WGM 공명기 배열을 구현, (2) 도메인 적응을 통한 칩‑간 데이터 정규화, (3) 다채널 교차‑어텐션 딥러닝으로 비선형 상관관계와 복합 용액 분석을 실시간 수행한다는 점이다. 이러한 접근은 저비용 모듈형 센서와 클라우드 기반 데이터 레포지터리를 결합해, 전 세계 연구자들이 데이터를 공유·축적함으로써 모델 일반화와 교차 검증을 지속적으로 향상시킬 수 있는 ‘커뮤니티‑드리븐 바이오센싱’ 패러다임을 제시한다.