배경

면역체계의 핵심 사령관인 T세포는 표면에 존재하는 T세포 수용체(T-cell receptor, TCR) 서열로 항원을 인식하고 고유한 세포 상태를 형성한다. 개별 T세포가 지닌 수용체 서열 정보인 유전형(genotype)과 유전자 발현 양상으로 대변되는 표현형(phenotype) 사이의 상관관계를 정량화하는 작업은 오랜 과제였다. 단일세포 전사체 분석과 TCR 레퍼토리 시퀀싱 기술이 비약적으로 발전했음에도 서열의 무작위적 다양성과 복잡한 세포 분화 경로를 단일 계산식으로 연결하기 어려웠던 탓이다.

기존 연구는 특정 클론의 증식 빈도를 세거나 이미 알려진 분화 마커의 발현량을 단순 비교하는 방식에 머물렀다. 이러한 정적 분석은 수용체 서열이 세포 상태의 다양성을 얼마나 결정짓는지 본질적인 인과율을 설명하지 못한다. 항암 면역치료 환자마다 T세포 반응이 천차만별인 원인을 세포 서열 수준에서 규명하지 못해 효과적인 바이오마커 발굴도 한계에 부딪혔다.

핵심 발견

연구진은 정보이론(information theory)의 상호정보량(mutual information, MI) 개념을 면역유전체학에 접목한 계산 프레임워크 TCRi를 구축했다. TCRi는 개별 T세포의 수용체 서열 변이와 전사체 프로파일 사이에서 공유되는 비선형적 정보량을 정밀하게 계산한다. 유전형 서열이 세포 표현형의 불확실성을 얼마나 감소시키는지 비모수적(non-parametric) 방식으로 직접 측정하는 알고리즘이다.

단일세포 RNA 시퀀싱(scRNA-seq)과 단일세포 TCR 시퀀싱(scTCR-seq) 통합 데이터셋을 TCRi로 분석한 결과, T세포 수용체 서열과 세포 상태 사이의 상호정보량이 면역관문억제제 치료 반응을 결정짓는 핵심 지표로 드러났다. 높은 상호정보량을 보이는 환자군은 면역치료 후 장기 생존율과 종양 축소율에서 유의미한 상관성을 나타냈다. 기존의 클론 확장도(clonal expansion)나 단순 세포 분화도 지표와 비교했을 때, TCRi가 산출한 상호정보량 지수는 환자 치료 예후 예측 정확도 면에서 뚜렷한 변별력을 입증했다.

의미와 전망

이번 연구는 복잡계 생물학의 난제였던 면역세포 유전형-표현형 연결망을 수학적 정보이론으로 환원해 풀어낸 성과다. T세포 서열 자체가 세포 운명에 미치는 결정론적 영향을 정량화함으로써 면역종양학을 넘어 자가면역질환과 감염병 연구 전반에 공통으로 적용 가능한 계산 틀을 마련했다. 수용체 서열만으로 세포의 면역 반응 잠재력을 가늠하는 알고리즘 고도화의 토대가 놓였다.

실제 임상 진입을 위해서는 다양한 암종과 대규모 환자 코호트에서의 추가 검증 작업이 뒤따라야 한다. 시퀀싱 심도와 샘플 채취 시점에 따른 상호정보량 계산의 오차를 보정하고, 임상 현장에서 즉각 연동 가능한 표준화 파이프라인을 구축하는 과제가 남아 있다.