KAIST 바이오및뇌공학과 조광현 교수 연구팀이 암세포의 유형에 따라 최적의 약물 표적을 찾는 기술을 개발했다.

이는 시스템생물학을 이용해 암세포의 유전자변이가 반영된 분자네트워크의 다이나믹스(동역학)를 분석해 약물의 반응을 예측하는 기술로 향후 암 관련 신약 개발에 크게 기여할 것으로 기대된다.

암세포의 유전자변이는 해당 유전자 기능 뿐 아니라 이 유전자와 상호작용하는 다른 유전자, 단백질에 영향을 미치기 때문에 결과적으로 분자네트워크의 다이나믹스(동역학) 특성에 변화를 일으킨다.

이로 인해 항암제에 대한 암세포의 반응이 변화하게 된다. 따라서 분자네트워크의 다이나믹스(동역학) 특성을 무시하고 소수의 암 관련 유전자를 표적으로 하는 현재의 치료법은 일부 환자에게만 유용하고 약물저항성을 갖는 대다수 환자에게는 효과적으로 적용되지 못한다.

조 교수 연구팀은 문제 해결을 위해 슈퍼컴퓨팅을 이용한 대규모 컴퓨터시뮬레이션과 세포 실험을 융합해 암세포 분자네트워크의 다이나믹스(동역학) 변화를 분석했다.

이를 통해 약물반응을 예측해 유형별 암세포의 최적 약물 표적을 발굴하는 기술을 개발했다. 이 기술은 대다수 암 발생에 관여하는 것으로 알려진 암 억제 유전자 p53의 분자조절네트워크에 시범적으로 적용됐다.

연구팀은 국제 컨소시엄인 암 세포주 백과사전(CCLE : The Cancer Cell Line Encyclopedia)에 공개된 대규모 암세포 유전체 데이터를 분자네트워크에 반영해 구축했으며 유전변이의 특성에 따라 서로 다른 분자네트워크를 생성했다.

각 분자네트워크에 대해 약물반응을 모사한 섭동분석을 수행해 약물반응을 나타내는 암세포의 변화를 정량화하고 군집화했다. 그 후 컴퓨터시뮬레이션 분석을 통해 효능, 조합에 따른 시너지효과 등 약물반응정도를 예측했다.

이러한 컴퓨터시뮬레이션 결과를 토대로 폐암, 유방암, 골종양, 피부암, 신장암, 난소암 등 다양한 암세포주를 대상으로 약물반응 실험을 수행해 비교 검증했다.

이 기술은 임의의 분자네트워크에 대해서 동일한 방식으로 적용할 수 있고 최적의 약물 표적을 발굴해 개인 맞춤치료에 활용가능하다.

연구팀은 암세포의 이질성에 따른 다양한 약물반응의 원인을 특정 유전자나 단백질뿐만 아니라 상호조절작용을 종합적으로 고려해 분석할 수 있게 됐다고 밝혔다.

또한 약물저항성의 원인을 사전에 예측하고 이를 억제할 수 있는 최적의 약물 표적을 발굴할 수 있게 됐고 기존 약물의 새로운 적용대상을 찾는 약물재창출에 활용될 수 있는 핵심 원천기술을 확보하게 됐다고 말했다.

▲ 최민수 박사와 조광현 교수

조 교수는 “암세포별 유전변이는 약물반응 다양성의 원인이지만 지금까지 이에 대한 총체적 분석이 이뤄지지 못했다”며 “시스템생물학을 통해 암세포 유형별 분자네트워크의 약물반응을 시뮬레이션으로 분석해 약물 반응의 근본적 원리를 파악하고 새로운 개념의 최적 약물 타겟을 발굴할 수 있게 됐다”고 말했다.

과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업의 지원을 받아 수행된 이번 연구는 ‘네이처 커뮤니케이션즈(Nature Communications)’ 12월 5일자 온라인 판에 게재됐다.

한편 인간의 암세포는 유전자 돌연변이, 유전체 단위의 반복적 변이 등 여러 형태의 유전자 변이가 있다. 이러한 변이는 같은 암종에서도 암세포에 따라 많은 차이를 보이기 때문에 약물에 대한 반응도 다양하다.

암 연구자들은 암 환자에게서 빈번하게 발견되는 유전자변이를 파악하고 이 중 특정 약물의 지표로 사용될 수 있는 유전자변이를 찾기 위해 노력해 왔다. 이러한 연구는 단일 유전자변이의 발견 또는 유전자네트워크의 구조적 특징 분석에 초점이 맞춰져 있다.

하지만 이러한 접근 방법은 암세포 내 다양한 유전자 및 단백질의 상호작용에 의해 유발되는 암의 생물학적 특성과 이로 인한 약물반응의 차이를 설명하지 못하는 한계가 있다.