항암 효과 낮추는 ‘세포 간 이질성’ 극복 전략 찾았다​

https://etoland.co.kr/link.php?n=8944353 복사

< 사진 1. 수리과학과 김재경 교수 >

효과가 높은 신약 및 치료법 개발을 위한 단서가 제시됐다 . 우리 대학 수리과학과 김재경 교수( 기초과학연구원( IBS)   수리 및 계산 과학 연구단 의생명 수학 그룹 C I (Chief Investigator ))   연구팀은 인공지능 (AI) 을 이용해 동일 외부 자극에 개별 세포마다 반응하는 정도가 다른  ‘ 세포 간 이질성 ’ 의 근본적인 원인을 찾아내고 ,  이질성을 최소화할 수 있는 전략을 제시했다 .

우리 몸속 세포는 약물 ,  삼투압 변화 등 다양한 외부 자극에 반응하는 신호 전달 체계 (signaling pathway) 가 있다 .  신호 전달 체계는 세포가 외부 환경과 상호작용하며 생존하는 데 핵심적인 역할을 한다 .  세포의 신호 전달 체계는 노벨생리의학상의 단골 주제 일 정도로 중요하지만 ,  규명을 위해서는 수십 년에 걸친 연구가 필요하다 .

신호 전달 체계는 세포 간 이질성에도 영향을 미친다 .  세포 간 이질성은 똑같은 유전자를 가진 세포들이 동일 외부 자극에 다르게 반응하는 정도를 뜻한다 .  하지만 복잡한 신호 전달 체계의 전 과정을 직접 관측하는 일이 현재 기술로는 어렵기 때문에 지금까지는 신호 전달 체계와 세포 간 이질성의 명확한 연결고리를 알지 못했다 .

세포 간 이질성은 질병 치료에 있어 더욱 중요한 고려 요소다 .  가령 ,  항암제를 투여했을 때 세포 간 이질성으로 인해 일부 암세포만 사멸되고 ,  일부는 살아남는다면 완치가 되지 않는다 .  세포 간 이질성의 근본적인 원인을 찾고 ,  이질성을 최소화할 수 있는 전략을 도출해야 치료 효과를 높인 신약 설계가 가능해진다 .

제 1  저자인 홍혁표  IBS  전 ( 前 )   학생연수원 ( 現  미국 위스콘신 메디슨대 방문조교수 ) 은  “ 우리 연구진은 선행 연구 (Science Advances, 2022) 에서 세포 내 신호 전달 체계를 묘사한 수리 모델을 개발한 바 있다 ” 며  “ 당시엔 신호 전달 체계의 중간 과정이 한 개의 경로만 있다고 가정해 얻을 수 있는 정보도 한계가 있었지만 ,  이번 연구에서는  AI 를 활용해 중간 과정의 비밀까지 풀어냈다 ” 고 말했다 .

< 그림 1. 기계학습방법론(Density-PINNs)을 통한 세포 간 이질성 원인 규명 >

연구진은 기계 학습 방법론인  ‘ Density-PINNs (Density Physics-Informed Neural Networks) ’ 를 개발해 신호 전달 체계와 세포 간 이질성의 연결고리를 찾았다 .  세포가 외부 자극에 노출되면 신호 전달 체계를 거쳐 반응 단백질이 생성된다 .  시간에 따라 축적된 반응 단백질의 양을 이용하면 신호 전달 소요 시간의 분포를 추론할 수 있다 .  이 분포는 신호 전달 체계가 몇 개의 경로로 구성됐는지를 알려준다 .  즉 , Density-PINNs 를 이용하면 쉽게 관측할 수 있는 반응 단백질의 시계열 데이터로부터 직접 관찰하기 어려운 신호 전달 체계에 대한 정보를 추정할 수 있다는 의미다 .

이어 연구진은 실제 대장균의 항생제에 대한 반응 실험 데이터에  Density-PINNs 를 적용하여 세포 간 이질성의 원인도 찾았다 .  신호 전달 체계가 단일 경로로 이뤄진 때 ( 직렬 ) 에 비해 여러 경로로 이뤄졌을 때 ( 병렬 ) 가 세포 간 이질성이 적다는 것을 알아냈다 .

제 1  저자인 조현태  연구원은  “ 추가 연구가 필요하지만 ,  신호 전달 체계가 병렬 구조일 경우 극단적인 신호가 서로 상쇄되어서 세포 간 이질성이 적어지는 것으로 보인다 ” 며  “ 신호 전달 체계가 병렬 구조를 보이도록 약물이나 화학 요법 치료 전략을 세우면 치료 효과를 높일 수 있다는 의미 ” 라고 설명했다 .

연구를 이끈 김재경 교수 는  “ 복잡한 세포 신호 전달 체계의 전 과정을 파악하려면 수십 년의 연구가 필요하지만 ,  우리 연구진이 제시한 방법론은 수 시간 내에 치료에 필요한 핵심 정보만 알아내 치료에 활용할 수 있다 ” 며  “ 이번 연구를 실제 현장에서 사용되는 약물에 적용하여 치료 효과를 개선할 수 있기를 기대한다 ” 고 말했다 .

연구 결과는 지난해  12 월  26 일 국제학술지 셀 (Cell) 의 자매지인  ‘ 패턴스 (Patterns) ’ 에 실렸다 .  

※  논문명 : Density physics-informed neural networks reveal sources of cell heterogeneity in signal transduction

https://news.kaist.ac.kr/news/html/news/?mode=V&mng_no=34390