생명의 코드

유전체 / 단백질 / 시스템 생물학 — 생명의 설계도를 해독.

총 97·📡 RSS·← 전체 보기

Advanced drug delivery reviews🤖 AI 요약
세포 내 산화·환원 신호에 반응하는 스마트 나노 전달체로 mRNA 치료제 전달 효율 높인다
배경 메신저 리보핵산(Messenger RNA, mRNA) 기반 치료제는 코로나19 백신의 성공을 발판 삼아 암 면역 치료, 유전자 편집, 희귀 질환 단백질 대체 요법으로 영역을 넓히는 추세다. 체내에 주입된 mRNA가 손상되지 않고 표적 세포 내부까지 도달하기 위해서는 이를 안전하게 보호하고 운반해 줄 전달체가 필수적으로 요구된다. 현재 임상에서 널리 쓰이는 지질나노입자(Lipid Nanoparticle, LNP)는 기술적 유용성을 입증했으나 여전히 개선할 과제가 남아 있는 실정이다. 세포 내 전달 효율이 기대보다 낮고 반복 투여 시 체내에 축적돼 면역 반응을 일으키는 생체 안전성 문제가 대표적 단점으로 꼽힌다. 기존 LNP는 세포막을 통과한 뒤 엔도솜이라는 세포 내 주머니에 갇히기 쉬우며, 이 엔도솜을 탈출하지 못한 mRNA는 대부분 분해되고 만다. 세포질 내부로 치료용 유전물질을 온전히 방출하려면 특정 미세환경을 감지해 구조가 변하는 지능형 물질의 개발이 선행되어야 한다. 학계가 질병 부위나 세포 내부의 생리적 특성을 인지해 약물을 정밀하게 방출하는 스마트 나노 전달체 개발에 눈을 돌려온 이유다. 핵심 발견 연구진은 세포 내외의 화학적 환경 차이, 특히 산화-환원(Redox) 감응 메커니즘을 적용한 다양한 나노 전달체 기술을 종합적으로 분석했다. 정상적인 세포 외부 환경과 비교할 때 세포 내부나 종양 조직은 글루타티온(Glutathione, GSH) 농도가 수백 배 이상 높고 활성산소종(Reactive Oxygen Species, ROS)이 과다하게 생성되는 특징을 보인다. 이러한 농도 차이를 인지해 약물을 방출하도록 설계된 나노 물질이 산화-환원 감응형 나노전달체의 핵심이다. 대표적인 기술 플랫폼은 환원 감응형, 산화 감응형, 두 가지 환경 모두에 반응하는 이중 감응형 시스템으로 분류된다. 환원 감응형 전달체는 이황화 결합(Disulfide bond)을 분자 골격에 도입해 세포 내부의 높은 GSH 농도에 노출되면 결합이 끊어지며 내부의 mRNA를 빠르게 방출하도록 설계됐다. 산화 감응형 플랫폼은 종양이나 염증 부위의 과도한 ROS 환경에서 소수성 물질이 친수성으로 변하는 특성을 이용해 전달체의 붕괴를 유도하는 방식이다. 최근에는 고분자(Polymeric)와 지질(Lipid-based)의 장점을 결합한 하이브리드 나노전달체도 합성되어 안정성과 세포 투과력을 동시에 끌어올리는 데 성공했다. 이 전달체들은 체내 순환 과정에서는 견고함을 유지하다가 세포 안으로 들어가는 순간 구조가 해체되도록 정밀하게 제어된다. 의미와 전망 산화-환원 반응에 응답하는 지능형 나노 전달체는 mRNA 치료제의 표적 투여 효율을 크게 향상할 잠재력을 지녔다. 유효 성분이 세포질로 도달하는 엔도솜 탈출 효율을 이전보다 월등히 개선함으로써 치료 효과를 높이고 투여량을 줄이는 데 기여한다. 결과적으로 약물 과다 투여에 따른 전신 부작용을 완화하는 경로가 열린 셈이다. 다만 상용화를 위해 해결해야 할 과제도 명확하다. 나노 물질이 체내에서 장기적으로 분해되고 배설되는 과정의 안전성이 확실하게 입증되어야 한다. 반복적인 투여 과정에서 발생 가능한 잠재적 면역원성을 제어하는 기술도 연구가 더 필요한 분야다. 나아가 균일한 품질의 나노입자를 대량으로 생산하기 위한 제조 공정의 표준화 역시 산업적 관문으로 꼽힌다. 향후 연구자들은 인공지능(Artificial Intelligence, AI)을 도입해 최적의 감응성 화학 구조를 예측하고, 진단과 치료를 동시에 수행하는 맞춤형 시스템으로 응용 범위를 확장할 계획이다.
💡 이 기술은 난치성 암 환자를 위한 맞춤형 면역 치료제와 유전자 가위 전달 기술의 상용화를 앞당길 원동력으로 작용할 전망이다. 종양 조직의 독특한 산화-환원 환경에서만 약물이 방출되도록 설계함으로써 정상 세포에 미치는 독성을 최소화하기 때문이다. 예를 들어 환자 맞춤형 항암 백신을 탑재한 나노입자를 정맥으로 주입하면, 간과 같은 림프 기관을 거쳐 면역 세포 내부에서만 표적 단백질을 생성하도록 유도하는 시나리오가 가능하다. 반복 투여가 필수적인 유전성 대사 질환 치료에서도 안전성을 높여 장기 치료의 가능성을 열어준다. 생산 공정에서 AI 기술을 결합해 최적의 지질 구조를 신속하게 스크리닝하는 플랫폼이 구축된다면 신약 개발 기간도 크게 단축된다.
PNAS🤖 AI 요약
합체 이론 모델로 분석한 반투어족 역사, 수평적 언어 접촉이 초기 분화 흔적 지웠다
배경 인류 이동과 문명 확산 경로를 추적할 때 고고학, 유전학, 언어학의 협업은 필수적이다. 아프리카 사하라 이남 지역을 아우르는 반투어족(Bantu language family)의 팽창은 인류사에서 가장 거대한 규모의 언어 확산 사례로 꼽힌다. 수많은 학자가 이들의 초기 분화 과정을 규명하고자 노력해 왔다. 기존 계통학적 접근법은 주로 생물 분화 모델에서 차용한 수형도(tree-like) 분석에 기댔다. 이 방법론은 여러 언어가 갈라지는 과정에서 서로 교류가 없거나 매우 적었다는 가정을 바탕으로 작동한다. 하지만 언어는 생물 종과 달리 이웃 집단과의 접촉에 따라 어휘가 혼합되는 수평적 전파가 빈번하게 발생하기 마련이다. 반투어족은 역사적으로 서로 다른 집단이 끊임없이 상호작용하며 어휘를 주고받았을 가능성이 크다. 이러한 언어 접촉(language contact) 현상을 배제한 단순한 계통수 모델은 언어 진화의 진정한 경로를 왜곡할 위험이 동반된다. 기존 분석들은 언어 간 접촉을 단순한 잡음으로 취급했기에, 수천 년 전 반투어족이 실제로 어떻게 분화하며 흩어졌는지 명확한 결론을 도출하지 못했다. 어휘의 혼재라는 실제 상호작용을 계산 모델에 온전히 반영해야 하는 이유다. 핵심 발견 파트리시아 산토스(Patrícia Santos) 박사가 이끄는 국제 공동 연구팀은 집단유전학에서 유래한 합체 이론(coalescent theory)을 언어학에 접목했다. 연구팀은 언어 접촉을 지극히 자연스러운 진화 과정으로 취급하는 수학적 계산 모델을 새로이 제안한다. 유전학의 유전자 흐름과 돌연변이 개념을 각각 언어 간 어휘 차용과 어휘의 독자적 변화율로 대입한 형태다. 이 모델의 유효성을 검증하고자 실제 반투어족 어휘 데이터와 비교하는 근사 베이지안 계산(Approximate Bayesian Computation, ABC) 방식을 채택하여 검증을 시도한다. 분석 결과는 학계에 상당한 충격을 안겼다. 현재 남아 있는 반투어족의 어휘 데이터는 초기 역사 정보를 대부분 유실했음이 밝혀진 상태다. 반투어족 내부에서 발생한 어휘 변화 속도와 언어 접촉 강도가 예상치를 크게 웃돌았기 때문이다. 빠른 변화율과 빈번한 접촉은 초기 언어 분화 단계의 원래 신호를 완전히 뒤덮어버렸다. 결과적으로 현재 확보된 어휘 데이터셋만으로는 반투어족의 초기 분화 역사를 재구성하기가 불가능해진 셈이다. 의미와 전망 이번 연구는 인류 이동 경로를 재구성하는 다학제적 연구에 엄중한 경고를 보낸다. 기존 고고학이나 유전학 연구에서는 자신들의 가설을 검증하고자 언어 계통 분석 결과를 삼각측량(triangulation)의 도구로 활용해 왔다. 하지만 언어 데이터 자체의 높은 어휘 혼재 탓에 초기 계통 추적이 원천적으로 불가능하다면, 이를 기반으로 세운 학설들도 신뢰하기 어렵다. 연구팀은 반투어족의 언어적 분화 구조를 인류 선사시대 복원의 결정적 근거로 성급하게 인용해서는 안 된다고 명시했다. 향후 과제는 어휘 외에 문법 구조나 음운적 특징처럼 접촉에 덜 민감한 계통적 마커들을 결합하는 모델의 고도화다. 생물정보학의 계통유전학(phylogenomics) 분석이 단일 유전자 분석의 한계를 극복했듯이, 언어학에서도 다중 마커 모델이 구축되어야 한다. 이번에 검증된 수학적 프레임워크는 아프리카를 넘어 아메리카 원주민 언어나 유라시아 대규모 어족 분석에도 유용하게 쓰일 전망이다. 언어학적 한계를 직시함으로써 오히려 더 정밀한 선사시대 복원에 다가서는 계기가 마련됐다.
💡 이 모델링 기법은 인류 역사 규명에 머무르지 않고 다국어 번역을 다루는 자연어 처리 인공지능(AI) 성능 보정에도 쓰일 수 있다. 현대의 대규모 언어 모델(Large Language Model, LLM)은 역사적 접촉이 빈번했던 다국어 환경에서 단어의 의미적 유사성을 평가할 때 종종 오류를 낸다. 합체 이론에 기반한 수평적 접촉 계산 알고리즘을 LLM의 학습 과정에 이식하는 방식이 대안으로 유력하다. 예컨대 스와힐리어처럼 여러 반투어족 언어와 아랍어가 융합된 복잡한 다국어 환경에서도 각 어휘의 유입 경로와 변화 시기를 역추적하여 번역 오류를 최소화했다. 나아가 소멸 위기에 놓인 소수 언어의 어휘 유실 패턴을 예측하여 효과적인 언어 복원 시나리오를 설계하는 작업에도 보탬이 된다.
PNAS🤖 AI 요약
유전체 AI로 극소수 데이터 한계 뚫고 미지의 효소 기능 규명했다
배경 단백질 구조 예측과 유전체 분석 분야에서 인공지능(AI)의 영향력은 날로 커지는 추세다. 기존 AI 모델들은 성능을 보장받기 위해 수천에서 수만 건에 달하는 방대한 양의 학습 데이터를 요구해 왔다. 하지만 실질적인 생물학 연구 현장에서는 실험을 거친 고품질 데이터가 극도로 부족하여 머신러닝(ML) 기술의 도입이 더딘 상황. 특히 생태계나 인체에 영향을 미치는 유기 화합물인 페나진(phenazine)을 변형하는 미지의 효소를 찾는 일은 오랜 과제였다. 페나진은 박테리아가 분비하는 독성 물질로, 이를 무해하게 만드는 생체 반응을 추적하려면 수많은 대조군 실험을 거쳐야 하는 한계. 그러나 이에 관한 유전자 정보는 매우 희소하여 기존의 AI 기법으로는 예측 시스템을 구축하기 불가능에 가까웠다는 게 연구진의 설명이다. 핵심 발견 미국 캘리포니아 공과대학교(Caltech) 다이앤 뉴먼(Dianne Newman) 교수 연구진은 유전체 맥락 정보를 활용하여 극소수의 데이터로도 작동하는 AI 프레임워크인 'ML-CITO'를 개발했다. 해당 모델은 기존에 알려진 페나진 변형 효소 유전자 염기서열 단 14개만을 초기 학습 데이터(씨앗 데이터)로 사용한 것이 출발점. 이어서 연구진은 페나진 생합성 유전자 군집(BGC) 근처에 위치한 상동성 유전자를 추적하는 유전체 데이터 증강 기법을 도입하여 학습 데이터를 약 600개로 늘렸다. 증강된 데이터는 사전학습된 단백질 언어 모델(PLM)인 'ESM 캄브리안 600M'을 거치며 1,152차원의 고차원 벡터로 변환. 이 벡터 정보를 512, 128, 64개 유닛으로 구성된 3층 다층 퍼셉트론(MLP) 신경망에 입력한 뒤 대조 학습(contrastive learning)을 적용했다. ML-CITO 모델은 단백질 공간 내에서 페나진과 반응하는 후보 효소를 정밀하게 분류하는 기능. 연구진은 모델이 예측한 후보군 중 토양 세균인 판토에아 아글로메란스(Pantoea agglomerans) W2I1 균주에서 실제 효소 활성을 나타내는 단백질을 찾아내는 데 성공했다. 새로 규명된 효소는 페나진과 세포 내 산화 환원 상태를 조절하는 글루타티온(GSH)을 직접 결합시키는 페나진-티올 접합효소(PTC). 기존 학계에서는 페나진과 GSH의 접합 반응이 효소 없이 자발적으로 일어나는 비효소적 화학 반응이라고만 간주해 왔다. 연구진은 이번에 발견한 PTC가 페나진의 독성을 직접 완화하는 촉매 역할을 수행한다는 사실을 생화학 실험으로 입증한 것. 연구진은 20만 개 이상의 박테리아 유전체를 검색하여 30개 이상의 문(phyla)에 걸쳐 약 3,415개의 PTC 유전자 상동체가 널리 분포하고 있음을 확인했다. 의미와 전망 이번 연구는 단백질 데이터가 극히 적어 ML 모델을 적용하기 어려웠던 연구 분야에 새로운 돌파구를 제시했다. 유전체 맥락 정보를 PLM과 결합함으로써 소량의 데이터만으로도 고성능 예측이 가능함을 입증한 셈. 이 프레임워크는 신약 개발, 생물공학적 물질 생산, 환경 정화 등 미지의 효소 기능 규명이 요구되는 다양한 바이오 산업 분야에 도입될 전망이다. 다만 ML-CITO 모델이 유전체 상의 보존된 물리적 위치 관계(BGC 등)에 의존하여 데이터를 증강해야 한다는 점은 극복할 과제. 유전적 맥락이 뚜렷하지 않거나 게놈 상에 흩어져 존재하는 단백질의 경우 데이터 증강 효과를 충분히 누리지 못할 우려가 따른다. 연구진은 앞으로 모델의 적용 범위를 더 넓은 단백질 군집으로 확장하고, 이번에 확인한 3,415개 유전자 상동체의 세부적인 생화학적 특성을 검증해 나갈 방침.
💡 이번 연구의 실질적 가치는 항생제 내성 균주를 제어하는 새로운 치료 전략 수립에서 두드러진다. 기회감염성 병원균인 녹농균(Pseudomonas aeruginosa)이 분비하는 페나진계 독소는 폐 질환 환자에게 만성 염증을 유발하고 항생제 내성을 높이는 핵심 인자. 이 모델을 활용해 페나진의 작용을 방해하거나 PTC의 활성을 조절하는 저해 물질을 설계한다면 내성균 치료제의 효능을 개선하는 시나리오가 가능해진다. 아울러 친환경 바이오 공정 분야에서도 미지의 유용 효소를 신속히 찾아내어 고부가가치 화학 물질의 합성 효율을 끌어올리는 효과. 유기 폐기물을 분해하거나 난분해성 화합물을 정화하는 유익 균주의 대사 경로를 재설계하는 작업 역시 유력한 적용 대상이다.
Nature Genetics🤖 AI 요약
단일세포 데이터로 인핸서와 표적 유전자를 잇는 조절 지도 ‘scE2G’
배경 인간 유전체에는 특정 세포에서 유전자 발현량을 조절하는 수백만 개의 인핸서가 존재한다. 질환 연관 변이의 상당수는 단백질 암호화 영역이 아닌 인핸서에 자리하지만, 어떤 유전자를 어느 세포에서 조절하는지 가려내기는 어렵다. 인핸서와 표적 유전자가 수십만 염기쌍 떨어져 있거나, 가장 가까운 유전자를 건너뛰어 작용하기 때문이다. 기존 Activity-by-Contact(ABC)와 ENCODE-rE2G 모델은 염색질 활성과 3차원 접촉 정보를 이용해 조절 관계를 예측했다. 다만 벌크 조직 분석에서는 여러 세포의 신호가 섞이므로 희귀 세포나 일시적인 세포 상태의 조절 회로를 구분하기 힘들었다. 단일세포 크로마틴 접근성 분석(scATAC-seq)과 단일세포 RNA 염기서열 분석(scRNA-seq)이 대안으로 떠올랐지만, 접근성과 발현량의 단순 상관관계에 의존한 비지도학습 방식은 정확도를 객관적으로 평가할 표준 자료가 부족했다. 연구진은 이 한계를 해결하고자 단일세포 인핸서-유전자 예측 모델군인 scE2G를 개발했다. 연구 결과는 2026년 8월 3일 Nature Genetics에 발표됐다. 핵심 발견 scE2G는 scATAC-seq만 사용하는 scE2G-ATAC과, 같은 세포에서 RNA와 ATAC을 함께 측정한 자료를 쓰는 scE2G-Multiome으로 구성된다. 두 모델 모두 지도학습 기반 로지스틱 회귀 분류기다. 연구진은 K562 적백혈병 세포에서 CRISPR로 평가한 인핸서-유전자 후보 1만342쌍을 학습 자료로 삼았다. 인핸서 억제 뒤 유전자 발현이 유의하게 감소한 양성 연결은 466개, 음성 연결은 9,876개였다. scE2G-ATAC은 ABC 점수, 인핸서와 프로모터의 염색질 접근성, 두 영역 사이의 거리와 유전자 밀도, 프로모터 유형 등 6개 특성을 계산한다. scE2G-Multiome은 여기에 개별 세포 내 인핸서 접근성과 유전자 발현의 켄들 상관계수를 더하고, 이를 ABC 점수와 결합한 ARC-E2G 특성을 사용했다. 염색체 하나씩을 제외하는 교차검증으로 과적합 가능성도 낮췄다. 연구진은 CRISPR 교란, 정밀지도화 발현량적형질좌위(eQTL), 전장유전체연관분석(GWAS) 변이-유전자 연결이라는 세 가지 독립 자료에서 기존 단일세포 모델 10종과 성능을 비교했다. scE2G 두 모델은 K562뿐 아니라 5개 세포 유형에서 확보한 별도 CRISPR 자료 4,175쌍에서도 가장 높은 정밀도와 정밀도-재현율 곡선 아래 면적을 기록했다. eQTL 평가에서 scE2G-Multiome의 재현율은 13.9%, 변이 농축도는 14.9배였다. 다음으로 성능이 높았던 비ABC 계열 SCENIC+는 각각 1.4%와 10.3배에 머물렀다. 말초혈액·골수 단핵세포와 췌도에서 45개 세포 유형의 조절 지도를 구축한 결과, 품질 기준을 충족한 39개 유형에서는 유형당 평균 4만8,758개의 연결이 예측됐다. 발현 유전자 하나에는 평균 5.6개 인핸서가 연결됐고, 인핸서와 표적 프로모터 사이의 평균 거리는 86.3킬로베이스였다. 의미와 전망 scE2G는 세포가 뒤섞인 조직에서도 질환 변이가 작동할 세포 유형과 표적 유전자를 함께 좁힐 수 있다는 데 의미가 있다. 연구진은 1,892개 비암호화 신뢰구간에서 1,450개 변이와 1,351개 유전자를 연결했으며, 458개 신뢰구간은 가장 가까운 전사 시작점보다 먼 유전자를 우선 표적으로 지목했다. 대표적으로 림프구 수와 연관된 rs7696969 변이는 INPP4B 내부에 있지만, scE2G는 자연살해세포와 T세포에서 이 변이가 INPP4B와 IL15를 조절할 가능성을 제시했다. 변이에서 두 유전자의 프로모터까지 거리는 각각 441킬로베이스와 769킬로베이스다. 해당 변이는 INPP4B의 eQTL일 사후포함확률도 66.6%였으며, 독립적인 유전자 우선순위 분석인 PoPS 역시 두 유전자를 상위 후보로 선정했다. 다만 이는 기능적 인과관계를 확정한 결과가 아니라 후속 실험이 필요한 가설이다. 모델의 안정적인 적용에는 세포 유형당 약 100개 이상의 세포, 최소 200만 개 ATAC 절편과 100만 개 RNA 고유분자식별자(UMI)가 권장된다. 학습에 쓰인 양성 연결이 466개에 불과하고 대부분 K562에서 나왔다는 한계도 남는다. CTCF 결합 부위처럼 인핸서가 아닌 위상학적 조절 요소는 예측 대상이 아니다. 여러 일차세포에서 대규모 CRISPR 검증 자료를 축적하고 Hi-C나 H3K27ac 정보를 결합해야 임상적으로 신뢰할 만한 조절 지도로 확장될 전망이다.
💡 환자 조직의 단일세포 멀티옴 자료에 scE2G를 적용하면 GWAS 변이가 어느 면역세포에서 어떤 유전자를 조절하는지 후보 범위를 줄일 수 있다. 예컨대 자가면역질환 연관 비암호화 변이가 특정 T세포 아형의 인핸서와 겹친다면, 연결된 표적 유전자를 CRISPR 억제하거나 오가노이드·일차세포에서 발현 변화를 확인하는 방식으로 검증 순서를 정할 수 있다. 제약사에는 표적 발굴과 환자 층화 도구가 될 가능성이 있다. 질환 변이, 작동 세포, 표적 유전자를 묶은 지도를 바탕으로 약물 표적의 유전학적 근거를 보강하고 적합한 바이오마커를 설계할 수 있어서다. 다만 scE2G의 연결은 확률적 예측이므로 약물개발 의사결정에 바로 사용하기보다 CRISPR 교란, 단백질 발현, 3차원 염색질 접촉 자료와 함께 검증해야 한다.
Nature Genetics2026. 8. 4.🤖 AI 요약
암 유전자 변이의 복사본 수, 예후와 장기별 전이 예측 정보를 더하다
배경 암 유전체 분석에서는 특정 체세포 변이가 있는지를 주로 확인하지만, 변이가 존재하는 유전자 복사본의 수인 유전자 변이 용량(GMD)도 종양의 진화와 관련될 수 있습니다. GMD를 계산하려면 체세포 변이와 복제수 변화를 함께 해석해야 합니다. 연구진은 정상 대조 시료가 없는 표적 염기서열 데이터에서도 변이 복제수와 다중성을 추정하는 베이지안 도구 INCOMMON을 개발하고, 여러 암종의 대규모 임상 자료에 적용했습니다. 이 방법은 종양 순도와 염색체 복사본당 read 수를 확률적으로 추정해 변이와 복제수 변화가 함께 만드는 유전자 상태를 계산합니다. 핵심 발견 연구진은 39개 주요 고형암 유형에서 얻은 6만 개 이상의 임상 암 샘플과 50만 개 이상의 변이를 분석했습니다. 교차검증에서 총 복제수와 변이 다중성의 오차가 평균 한 복사본 미만인 예측 비율은 각각 78.6%와 96.4%였습니다. 2만 명 이상의 환자를 여러 유전자의 GMD에 따라 나눈 결과, 전체 생존을 예측하는 암종별 바이오마커 46개를 확인했습니다. 이 가운데 13개는 변이 유무만 구분하는 기존 방식에서는 발견되지 않았습니다. 또 26개 바이오마커는 전이성 확산과 연관됐고, 20개는 특정 장기로 전이되는 경향을 예측했습니다. 이는 통계적 연관성과 예측 성능을 보여준 결과이며, GMD가 전이를 직접 일으킨다는 인과관계를 증명한 것은 아닙니다. 의미와 전망 INCOMMON은 원시 FASTQ나 BAM 파일, 정상 대조 시료 없이도 임상 표적 시퀀싱의 read count에서 변이 복제수와 다중성을 추정하도록 설계됐습니다. 변이의 존재 여부에 GMD 정보를 더하면 예후와 전이 관련 바이오마커를 찾는 범위를 넓힐 수 있습니다. 기존에 축적된 임상 패널 자료를 다시 분석할 수 있다는 점도 연구 활용도를 높입니다. 다만 분석 결과를 실제 치료 결정에 사용하려면 독립 환자군에서 재현성을 확인하고, 암종·치료법별 임상적 유용성을 전향적으로 검증해야 합니다. 현재 성과는 정밀의료를 바로 완성한 것이 아니라 바이오마커 발굴을 정교하게 만드는 계산 방법을 제시한 것입니다.
💡 같은 드라이버 변이를 가진 종양이라도 변이 복사본 수와 주변 복제수 변화가 다르면 임상 경과에 관한 정보가 달라질 수 있습니다. 연구진은 6만 개가 넘는 샘플에서 GMD가 생존, 전이 가능성, 장기별 전이 경향과 독립적으로 연관될 수 있음을 보였습니다. 특히 단순한 변이 유무 분석에서 놓친 바이오마커를 추가로 찾았다는 점이 중요합니다. 다만 이는 후향적 대규모 자료에서 얻은 예측 결과이므로, 환자 치료에 적용하기 전에 외부 검증과 전향적 평가가 필요합니다.
Cancer treatment and research communications🤖 AI 요약
AI와 분자표지 통합이 다시 그리는 유방암 진단·맞춤치료의 경로
배경 유방암은 같은 장기에서 발생해도 분자적 성격과 치료 반응이 크게 다른 이질적 질환이다. 에스트로겐 수용체(ER), 프로게스테론 수용체(PR), 인간표피성장인자수용체 2(HER2)는 내분비요법과 HER2 표적치료를 결정하는 핵심 지표로 자리 잡았다. BRCA1·BRCA2 변이는 유전성 위험 평가뿐 아니라 폴리(ADP-리보스) 중합효소(PARP) 억제제 사용에도 관여한다. 그러나 기존 분류만으로 종양의 진화와 약물 내성을 모두 설명하기는 어렵다. 동일한 HR 양성 또는 HER2 양성 유방암 안에서도 치료 효과와 재발 양상이 엇갈리며, 조직 일부를 채취한 검사에는 종양 내 이질성을 놓칠 가능성이 남는다. 영상 판독 역시 유방 밀도, 장비, 판독자 경험에 따라 결과가 달라질 수 있다. 연구진은 이런 간극을 좁히기 위해 분자생물학, 인공지능(AI), 정밀의료의 최근 진전을 한데 정리했다. 이 논문은 신규 환자군을 시험한 임상연구가 아니라, 유방암의 표지자·진단·치료 기술을 폭넓게 다룬 서술형 리뷰다. 핵심 발견 리뷰는 유방암 의사결정 체계를 ‘확립된 표지자와 새 표지자의 결합’으로 설명한다. ER·PR·HER2와 BRCA 변이가 현재의 치료 선택을 이끄는 가운데, 종양억제유전자 TP53, PTEN, STK11의 변화는 종양 행동과 내성 경로를 더 세밀하게 해석할 후보로 제시됐다. 다만 이 세 유전자가 유방암 전반에서 곧바로 독립적인 처방 기준이 된다는 뜻은 아니다. 암 아형별 예후 가치와 치료 예측력을 전향적으로 검증해야 한다. 진단 영역에서는 기계학습과 딥러닝이 유방촬영술을 비롯한 의료영상에서 미세 병변을 찾고, 임상정보·영상·유전체를 함께 분석하는 다중모달 체계로 확장되고 있다. 단일 영상이나 단일 표지자에 의존하던 접근과 달리 서로 다른 데이터 층의 연관성을 계산해 조기 발견, 진단 보조, 위험도 분류를 지원하는 방식이다. 초록에는 정확도나 민감도 같은 성능 수치, 학습 데이터 규모, 특정 AI 모델명이 제시되지 않았다. 따라서 진단 성능의 향상은 리뷰가 종합한 방향성으로 읽어야 하며, 특정 알고리즘의 임상적 우월성을 입증한 결과로 확대해석할 수 없다. 치료 지형도 넓어졌다. 수술과 세포독성 항암화학요법에 더해 내분비요법, 면역요법, 표적치료, 항체약물접합체(ADC), 유전자 기반 전략이 병행된다. 진행성 유방암에서는 사이클린 의존성 키나아제 4/6(CDK4/6) 억제제, PARP 억제제, 포스파티딜이노시톨 3-키나아제(PI3K) 억제제, 선택적 에스트로겐 수용체 분해제(SERD)가 주요 정밀치료군으로 정리됐다. 각 약물은 모든 환자에게 적용되는 범용 치료제가 아니라 호르몬 수용체 상태, 유전자 변이, 선행치료와 내성 양상에 맞춰 선택된다. 의미와 전망 이 리뷰가 제시하는 핵심 방향은 AI가 의사를 대체하는 자동 판정기가 아니라, 여러 검사 결과를 연결하는 의사결정 보조층이 된다는 데 있다. 영상에서 의심 병변을 표시하고 병리 및 유전체 정보와 결합하면 환자 선별과 치료 순서 결정의 일관성을 높일 여지가 생긴다. 나노기술 기반 약물전달은 종양 부위의 약물 노출을 높이고 정상조직 독성을 줄이는 전략으로, 크리스퍼/캐스9(CRISPR/Cas9)은 내성 유전자 규명과 치료표적 검증 수단으로 기대된다. 임상 도입까지는 해결할 문제가 적지 않다. AI는 병원·인종·장비가 달라져도 성능이 유지되는지 외부 검증을 받아야 하며, 학습자료의 편향과 판단 근거의 불투명성도 관리 대상이다. CRISPR/Cas9 치료는 표적 외 편집, 종양세포 전달 효율, 장기 안전성이라는 장벽을 안고 있다. 나노전달체 역시 체내 분포와 제조 재현성, 대량생산 기준을 충족해야 한다. 리뷰에 직접 비교시험이나 생존 개선 수치가 없는 만큼, 제시된 기술들을 이미 확립된 임상 표준과 개발 단계의 후보로 구분하는 태도가 요구된다.
💡 진료 현장에서는 유방촬영술 AI가 판독 우선순위를 정하고, 병리검사에서 확인한 ER·PR·HER2와 유전체검사의 BRCA·PIK3CA 등 치료 관련 변이를 통합해 다학제 회의에 제시하는 형태가 현실적인 적용 시나리오다. 의료진은 이를 바탕으로 HR 양성 진행성 환자의 CDK4/6 억제제 또는 SERD 사용, BRCA 변이 환자의 PARP 억제제 적용 가능성을 검토할 수 있다. 산업계에는 영상·병리·유전체 자료를 표준화한 다중모달 플랫폼과 표지자 연계 동반진단 개발 기회가 열린다. 다만 TP53·PTEN·STK11 기반 환자 선별, CRISPR 치료, 나노전달체는 임상 유효성과 제조 품질을 먼저 입증해야 한다. 실제 도입 여부는 단순 정확도가 아니라 생존, 불필요한 검사 감소, 독성, 비용효과까지 평가하는 전향적 연구에서 결정될 전망이다.
Nature Genetics🤖 AI 요약
공간전사체로 밝힌 태아 신장 형성 기전, 70만 세포의 신호망으로 100만 네프론의 비밀을 풀다
배경 인간은 평생 사용할 약 100만 개의 신장 여과 단위인 네프론(Nephron)을 품고 태어난다. 이 여과 단위는 오직 태아기 발달 단계에서만 만들어지며, 출생 후에는 생성이 전면 중단된다고 알려져 있다. 성인이 지닌 두 신장의 총 네프론 개수는 개인마다 20만 개에서 200만 개까지 최대 10배가량 편차를 보인다. 태아기 환경이나 유전적 요인으로 네프론 개수가 기준치 이하로 떨어져 저네프론화(Oligonephronia)가 발생하면, 성인이 된 후 만성 신장 질환이나 고혈압을 겪을 위험이 커진다는 것이 의료계의 지배적 의견이다. 태아기 신장 발달의 세부 메커니즘을 밝히는 연구는 그동안 생쥐 등 동물 모델에 주로 의존해 진행됐다. 그러나 인간과 동물의 신장 구조 차이로 동물 실험 결과를 환자에게 그대로 대입하기에는 한계가 존재한다. 기존 단일세포 분석 기술 또한 세포 종류는 구분하지만, 개별 세포들이 위치한 공간적 정보와 주변 세포와의 상호작용까지 보여주지는 못했다. 신장처럼 고도로 조직화한 장기의 발달 과정을 명확히 이해하려면 세포가 놓인 공간 구조와 세포 간 신호 전달망을 동시에 분석할 정밀 지도가 요구되는 상황이었다. 핵심 발견 미국 펜실베이니아대 의대와 필라델피아 아동병원(Children's Hospital of Philadelphia, CHOP) 공동 연구팀은 임신 12.5~20.5주 태아 신장 조직에서 70만 개 이상의 세포를 확보했다. 단일세포 RNA 시퀀싱(Single-cell RNA Sequencing, scRNA-seq)과 공간전사체(Spatial Transcriptomics, ST) 기술을 결합해 세포 유전자 활성과 공간 위치를 매핑한 최초의 지도를 구축하기에 이른다. 분석 결과, 신장 발달이 세포 고유 유전 프로그램뿐 아니라 이웃 세포가 보내는 가용성 신호(Soluble Signal)에 유도된다는 사실이 드러났다. 특히 미성숙한 신장 조상세포(Nephron Progenitor Cells, NPC)를 유지하고 증식시키는 데 인슐린 유사 성장인자 2(Insulin-like Growth Factor 2, IGF2)가 핵심 신호로 작용함을 밝혀냈다. 주변 세포가 분비한 IGF2가 NPC 수용체에 결합해 줄기세포 성질을 보존하는 기전이다. 이 사실은 배양액에서 IGF2 공급을 차단하자 NPC가 줄기세포 능력을 잃고 급격히 분화하는 실험으로 입증됐다. 아울러 대규모 인구 유전체 데이터베이스 분석으로 IGF2 유전자 변이가 성인의 신장 크기 및 네프론 수와 연관된다는 사실을 검증하는 성과를 거뒀다. 이는 줄기세포의 증식 한계를 규정하는 유전적 원인을 규명했다는 점에서 주목할 만하다. 의미와 전망 이번 연구는 동물 모델에 의존하던 기존 발달 연구의 한계를 극복할 초석을 마련했다. 특히 태아기 세포 간 신호망을 밝혀 실험실에서 미니 신장을 제작하는 오가노이드(Organoid) 기술에 돌파구를 제공한다. 기존 오가노이드는 여과 단위 개수가 부족하고 내부 구조가 단순하다는 단점이 있었다. 연구진이 ST로 밝혀낸 세포 배치와 IGF2의 농도 변화를 재현한다면 한층 정교한 인공 신장을 구축하는 경로가 확보된다. 다만 이를 이식용 장기 개발이나 실제 치료로 연계하기에는 보완할 점이 많다. 태아의 신장 형성은 모체와의 면역 관계, 혈관 형성, 혈류 공급 등의 다각적인 요인이 개입해 진행되는 탓이다. 평면적인 배양 환경에서 개별 인자를 주입하는 방식으로는 입체적인 생체 반응을 모두 재현하기 어렵다. 향후 미세유체 칩처럼 모사 정밀도를 높여줄 공학적 플랫폼과의 결합이 핵심 과제로 꼽힌다. 이 장벽을 뛰어넘는 연구가 이어진다면 난치성 신장 질환 환자를 위한 맞춤형 세포 치료제 공급이 가능해질 것으로 기대된다.
💡 이번 연구로 도출된 태아 신장 발달 정보는 제약 산업과 임상 현장에서 여러 시나리오로 활용이 예상된다. 첫째, 신약 개발 과정의 신독성 평가 효율을 대폭 끌어올릴 수 있다. ST 지도 정보를 반영해 실제 인간 신장과 비슷하게 패턴화한 오가노이드를 제작하면, 신약 후보 물질의 신장 독성을 임상시험 전에 더욱 정확히 스크리닝해 신약 개발 실패율을 낮춘다. 둘째, 소아 및 성인 신장 질환의 조기 예측과 맞춤형 관리가 실현된다. 출생 전 단계에서 IGF2 관련 유전 변이를 검사해 저네프론화 고위험군을 조기에 선별하고, 유아기부터 식습관 개선과 약물 복용 제한 등 선제적 신장 보호 전략을 수립하는 예방 의학적 관리가 가능해진다. 장기적으로는 이식용 장기 부족 문제를 해결할 기능성 인공 신장 제작을 위한 설계도로서 중추적인 역할을 수행할 것으로 기대된다.
Journal of applied genetics🤖 AI 요약
인실리코 역백신학으로 설계한 mRNA 백신 후보물질이 식중독 대장균 독소를 막는다
배경 대장균(Escherichia coli)은 대다수가 장내에 무해하나, 일부 변종은 치명적 독소로 심각한 식중독을 일으킨다. 시가 독소 생성 대장균(Shiga toxin-producing E. coli, STEC)은 출혈성 대장염과 용혈성 요독 증후군(Hemolytic Uremic Syndrome, HUS)의 원인체다. 최근 다제내성과 초강독성을 지닌 변이 균주 급증으로 보건 안보에 비상이 걸렸다. 대장균은 유전자 교환이 활발해 기존 항생제 치료만으로는 한계가 뚜렷하며, 항생제 투여가 독소 방출을 촉진해 증상을 악화시킬 위험도 존재한다. 이에 감염을 예방할 차세대 백신 개발이 시급하다. 기존 방식은 병원체 배양과 약독화에 막대한 시간과 비용이 소모됐으나, 컴퓨터 시뮬레이션을 활용한 역백신학(reverse vaccinology)이 대안으로 부각됐다. 이 기술은 유전체 데이터에 기반해 면역 반응을 유도할 최적의 단백질 조각을 설계하는 방식이다. 핵심 발견 연구진은 컴퓨터 시뮬레이션을 활용해 STEC의 핵심 인자인 시가 독소 1형(Shiga toxin 1, Stx1)을 표적하는 다중 에피토프(multiepitope) mRNA 백신 후보물질을 설계했다. 면역원성 예측 알고리즘을 결합해 면역 세포를 자극할 부위를 정밀하게 찾아내는 방식을 사용했다. 백신 설계는 체내 면역 세포를 동시에 활성화하는 데 초점을 맞춘다. 연구진은 세포독성 T림프구(Cytotoxic T-Lymphocyte, CTL) 에피토프 2개, 헬퍼 T림프구(Helper T-Lymphocyte, HTL) 에피토프 3개, 선형 B림프구(Linear B-Lymphocyte, LBL) 에피토프 2개를 선별했다. 알레르기 유발 가능성과 독성을 배제하고 항원성만을 극대화하는 엄격한 필터링 기준이 적용됐다. 선택된 에피토프들은 EAAK, AAY, GPGPG, KK 링커로 연결된다. 면역 반응을 증폭하는 보조제 PefE 단백질을 융합해 총 184개의 아미노산 잔기로 이루어진 다중 에피토프 구조물을 최종 구축했다. 예측된 백신 후보물질의 분자량은 19969.45Da(달톤)이며 항원성 분석 도구 VaxiJen v.2.0에서 0.9278이라는 높은 수치를 기록했다. 등전점은 10.31로 염기성 환경에서 안정성을 지닌다. 3차원 구조 분석 결과 알파 헬릭스 함량은 21.74%로 확인됐다. 인간 톨 유사 수용체 2(Toll-like receptor 2, TLR2) 및 톨 유사 수용체 4(TLR4)와의 결합력을 측정한 결과 각각 -1096.2 kcal/mol과 -1110.5 kcal/mol의 가중 에너지 점수를 보였다. 이는 다수의 수소 결합과 염교(salt-bridge) 네트워크가 수용체와 강하게 상호작용함을 뜻한다. 면역 시뮬레이션 결과 백신 투여 후 B세포의 강력한 클론 증식과 T세포 활성화, 사이토카인(IFN-γ, IL-10)의 분비 촉진이 관찰됐다. 번역 효율을 결정하는 코돈 최적화 지수(Codon Adaptation Index, CAI)는 0.87 수준이다. mRNA 이차 구조의 최소 자유 에너지(Minimum Free Energy, MFE)는 -204.10 kcal/mol로 계산돼 세포 내에서 안정적인 합성을 지원한다. 의미와 전망 이번 연구는 실험실에서 균주를 직접 배양하지 않고 유전체 데이터와 알고리즘만으로 백신 후보물질을 도출할 수 있음을 입증했다. 시뮬레이션 기반 설계는 팬데믹 상황이나 변이 균주 출현 시 신속하게 대응책을 마련할 기반이 된다. 대장균 외에도 다양한 다제내성 세균 백신 개발에 범용적으로 적용 가능할 전망이다. 본 연구 결과는 컴퓨터 시뮬레이션에 기반한 예측 모델이라는 한계를 지닌다. 알고리즘 상의 수치와 결합력이 실제 생체 내 환경에서 동일하게 구현될지는 불확실하다. mRNA 백신 특성상 지질나노입자(Lipid Nanoparticle, LNP) 제형화 과정에서 안정성이 변하거나, 예상치 못한 면역 과민 반응을 유발할 위험도 상존한다. 상용화를 위해서는 시험관 내(in vitro) 발현 시험과 실험동물 대상 생체 내(in vivo) 효능 검증 및 독성 평가가 필수적이다. 후속 연구로 실제 방어율이 입증되어야 임상 진입이 가능할 것이다.
💡 이 연구는 항생제 저항성 식중독 대장균 감염증의 치료 패러다임을 바꿀 구체적 시나리오를 제시한다. 집단 급식소나 축산 농가에서 초강독성 대장균 감염이 발생했을 때, 감염 환자에게 단순 증상 완화나 독소 방출 위험이 있는 항생제 처방 대신 이 백신으로 면역력을 선제 확보해 중증 HUS로의 진행을 차단하는 방법이 유용하다. 산업적으로는 인실리코 설계를 거쳐 실제 백신 합성 및 동물 검증에 걸리는 개발 기간을 기존 수년에서 수개월로 대폭 단축하게 된다. 다중 에피토프 설계는 백신 생산 공정을 단순화해 정제 효율을 높이고 제조 단가를 낮추는 데 크게 기여할 전망이다. 이는 보건 의료 인프라가 취약한 개발도상국의 식중독 예방 사업에 유용한 보건 솔루션으로 자리 잡는다.
Nature Genetics🤖 AI 요약
염기서열로 유전자 발현 예측하는 AI 모델, 일반성과 해석력 확보가 다음 이정표
배경 인간 유전체 해독 이후 30억 쌍의 DNA 염기서열이 구체적으로 어떤 유전자 조절 활성을 나타내는지 밝히는 작업은 현대 유전학의 주요 과제였다. 기존 유전학 연구의 주류는 대규모 유전체 분석(Genome-Wide Association Study, GWAS)으로 특정 변이와 질병의 상관관계를 밝히는 데 그쳐, 비부호화(non-coding) 영역 변이의 분자생물학적 작동 기전을 직접 설명하기 어려웠다. 최근 기능유전체학 데이터와 인공지능(Artificial Intelligence, AI)의 발전은 DNA 서열에서 유전자 발현량을 예측하는 '염기서열-기능 예측 모델(Sequence-to-Function model, seq2func 모델)'의 등장으로 이어졌다. 이 AI 모델은 표적 유전자의 조절 기전을 분자 수준에서 예측하여 유전체학 연구의 새로운 패러다임을 연다. 다만 현존 모델들은 학습 범위를 벗어난 데이터셋에서 예측력이 급격히 떨어지는 취약성을 드러냈다. 아울러 복잡한 신경망 내부에서 유전자 조절 원리가 작동하는 기전이 불투명해 신뢰성 확보 역시 미진한 상태다. 핵심 발견 이번 리뷰 논문은 seq2func 모델의 성능과 신뢰성을 결정하는 핵심 요인으로 모델 구조, 학습 데이터, 예측 태스크, 모델 해석, 평가 전략을 지목했다. 우선 모델 구조 측면에서 합성곱 신경망(Convolutional Network, CNN)은 염기서열 내 국소적인 조절 패턴(motif)을 탐색하는 데 능하다. 반면 트랜스포머(Transformer) 계열 모델은 자가 주의 집중(Self-Attention) 메커니즘을 적용해 100킬로베이스(kb) 이상의 원거리 인핸서-프로모터 상호작용을 우수하게 포착해 낸다. 최근에는 계산 복잡도를 크게 줄이면서 최대 1메가베이스(Mb)의 긴 서열을 다루는 상태 공간 모델(State Space Model, SSM) 기반의 HyenaDNA 등이 새로운 대안으로 연구되는 추세다. 하지만 학습 데이터와 예측 태스크의 한계는 여전하다. 대다수 seq2func 모델이 학습하는 에피유전체(epigenome) 데이터는 특정 세포주나 염색체에 편향되어 있어, 모델이 실제 생물학적 규칙이 아닌 데이터의 통계적 노이즈를 학습하는 원인이 된다. 세포 유형별 차이를 분별하지 못하는 대량(bulk) 데이터의 한계 역시 일반화 능력을 떨어뜨리는 요인이다. 이에 따라 AI의 예측 근거를 검증하려는 해석 방법론도 다양화되고 있다. 입력 서열 중 중요한 위치를 보여주는 통합 기울기(Integrated Gradients)나 가상 돌연변이 유발법(In Silico Mutagenesis, ISM)이 대표적 예다. 연구진은 단일 염기 분석을 넘어 조절 패턴의 거리나 순서 같은 생물학적 구문을 정량화하는 글로벌 중요도 분석(Global Importance Analysis, GIA)의 도입을 제안했다. 더불어 모델 검증 시 학습하지 않은 염색체나 새로운 세포 상태를 활용하는 엄격한 평가 전략을 수립해야 모델의 일반화력을 정확히 측정할 수 있다. 의미와 전망 이번 분석은 유전체 AI 분야가 단순한 매개변수 확장 경쟁에서 벗어나, 생물학적 인과관계를 설명하는 해석성과 견고성 위주로 체질을 개선해야 함을 보여준다. 특히 모델의 구조와 데이터의 특성이 일반화 성능에 미치는 영향을 다각도로 검증한 프레임워크는 향후 연구자들이 더 정교한 신경망을 설계하는 데 유용한 나침반이 될 전망이다. 다만 극복해야 할 실질적인 과제도 존재한다. 현존하는 대부분의 seq2func 모델은 학습 과정에서 전사인자(Transcription Factor, TF)의 농도 변화나 염색질의 3차원 구조적 변화 같은 동적인 생리 현상을 충분히 반영하지 못하고 있다. 따라서 염기서열 정보에 세포의 상태 정보를 통합하여 입력값으로 제공하는 컨텍스트 기반 모델의 도입이 필수적이다. 아울러 AI 모델이 실제 생물학적 규칙을 학습했는지 평가하는 표준화 벤치마크 플랫폼이 자리 잡아야만 정밀 신약 개발 분야에서 실질적인 성과를 거둘 수 있다.
💡 이 연구가 제시한 유전체 AI 검증 가이드라인은 맞춤형 정밀 의료와 신약 개발 산업에 즉각적인 변화를 가져올 수 있다. 대표적인 시나리오는 희귀 질환을 유발하는 환자 개인의 미지의 비부호화 유전 변이(de novo non-coding variant)를 발굴하는 작업이다. AI가 유전자 발현에 직접 해를 끼치는 병원성 변이를 높은 정확도로 예측한다면, 임상의가 수만 개의 유전 변이 중 실제 질병 원인을 손쉽게 추려내는 일이 가능해진다. 또한 유전자 치료제 개발 시 치료 유전자의 활성을 최적화하는 합성 프로모터(synthetic promoter) 설계의 효율도 극대화된다. 원하는 세포 유형에서만 강하게 발현되도록 서열을 AI로 디자인한 뒤, GIA를 거쳐 설계의 안정성을 실시간으로 확인하는 방식이다. 이러한 시뮬레이션은 동물 실험 전에 유효 후보물질을 선별하게 해 치료제 개발 기간과 비용을 줄이는 결과를 낳는다.
Nature Genetics🤖 AI 요약
12만 명 NIPT 데이터로 그린 유전체 지도, 임신 주수 따라 달라지는 유전자 효과 규명
배경 임신은 모체의 생리학적 시스템 전반에 걸쳐 급격하고도 정교한 변화를 동반하는 과정이다. 심혈관계와 대사계, 면역계 등이 태아의 성장에 맞추어 역동적으로 적응해야만 건강한 출산에 도달한다. 그러나 이처럼 중요한 시기임에도 임신 중 일어나는 생리 변화의 유전적 조절 메커니즘은 베일에 싸여 있었다. 기존의 전장유전체 연관성 분석(Genome-Wide Association Study, GWAS)은 주로 임신하지 않은 성인을 대상으로 삼았으며, 임신 중 특정 시점의 단회성 자료에 의존하는 한계를 보였다. 대규모 임산부 집단을 모집하고 임신 전체 기간에 걸쳐 종단적으로 데이터를 수집하는 연구 설계에 막대한 비용과 현실적 장벽이 따르기 때문이다. 이러한 난제를 해결하고자 연구진은 비침습적 산전 검사(Non-Invasive Prenatal Testing, NIPT) 과정에서 생성되는 초저해상도 전장유전체 시퀀싱 데이터를 재활용하는 대안을 제시했다. NIPT는 태아의 염색체 이상을 스크리닝하기 위해 임산부 혈액 내 세포 유리 DNA를 분석하는 일상적인 검사다. 이 검사에서 얻은 산모 유전 데이터를 임상 기록과 연계함으로써 대규모 코호트를 효과적으로 구축할 수 있게 된다. 연구진은 이 같은 방식으로 임신 주수에 따른 호르몬 변화와 신진대사의 역동성을 규명해 냈다. 핵심 발견 연구진은 중국 임산부 최대 121,579명의 유전체 정보와 111개 임상 표현형 데이터를 연계하여 정밀 분석을 실시했다. 분석 대상 표현형은 지질 및 포도당 대사 지표, 적혈구 등 혈액 세포 매개변수, 그리고 임신 합병증을 아우른다. 분석의 결과로 임신 중 생리적 지표들과 연관된 수천 개의 독립적인 유전자 좌가 식별됐다. 발견된 유전자 영역 중 상당수는 임신 관련 형질에서 이전에 보고된 적이 없는 새로운 위치였다. 가장 독창적인 발견은 유전자 효과가 임신 주수에 따라 요동치는 현상을 규명한 데 있다. 임신 기간 중 반복 측정된 혈액 매개변수 분석에서 전체 유전 신호의 약 18%가 임신 주수와 상호작용하며 효과 크기가 변하는 패턴이 관찰됐다. 특정 유전자 변이가 임신 초기에는 모체의 혈액 세포 수치에 강력한 영향력을 나타내다가도, 임신 후기에는 영향력이 사라지거나 반대로 작동하는 식이다. 시기 특이적으로 작동하는 이 유전자들은 호르몬 반응 및 면역 조절, 태아 성장을 유도하는 생물학적 경로에 강하게 농축되어 있었다. 아울러 멘델 무작위배정 분석(Mendelian Randomization, MR)을 적용하여 임신 중 생리적 이상 수치와 분만 후 산모의 만성 질환 위험 사이의 인과 관계를 추적했다. 그 결과 임신기 대사 지표의 교란이 장기적으로 산모의 심혈관 질환이나 제2형 당뇨병 발생 위험을 직접 상승시키는 요인임이 밝혀졌다. 의미와 전망 이번 연구는 임신을 고정된 생리 상태가 아니라, 유전적 통제가 끊임없이 변화하는 동적인 조절 과정으로 재정의한다. 기존 성인 연구 결과를 임산부 진료에 단순 대입하던 방식에서 탈피하여, 임산부만을 위한 전용 유전체 참조 기준을 시급히 수립해야 할 필요성을 뒷받침하는 결과다. 더욱이 일회성 검사로 끝나는 NIPT 데이터를 연구용 빅데이터로 재탄생시켰다는 점에서 보건의료 데이터 활용의 새로운 이정표를 세웠다. 기존 의료 인프라를 지렛대 삼아 12만 명 규모의 고품질 유전체 코호트를 확보할 수 있음을 증명한 셈이다. 다만 몇 가지 한계도 지적된다. 이번 연구는 중국인 임산부만을 대상으로 이루어졌으므로 다른 인종 집단에서도 동일한 효과가 나타나는지 추가 검증을 거쳐야 한다. 또한 NIPT 검사 시점에 한정된 단기 기록을 기반으로 분석이 수행되었기에, 출산 이후의 장기적 추적 조사를 체계화하는 과제도 남아 있다.
💡 이번 연구 성과는 향후 임상 현장에서 개인 맞춤형 임신 관리를 실현하는 정밀 의료 도구로 활용될 수 있다. 예컨대 임신 초기 NIPT를 시행할 때 태아 검사와 병행하여 산모의 유전체 정보를 함께 분석하는 시나리오가 가능하다. 이 분석으로 임신 후반기에 발생하기 쉬운 임신성 당뇨나 임신중독증 같은 고위험 합병증의 발병 위험도를 개별 산모의 유전자 프로파일과 임신 주수별 예측 곡선에 맞춰 산출하는 방식이다. 의료진은 예측 결과를 토대로 선제적인 식이 조절을 처방하거나 맞춤형 임상 관리를 설계해 합병증 발생을 사전에 차단한다. 산업적 측면에서는 기존 NIPT 스크리닝 시장의 패러다임을 바꿀 것으로 기대된다. 진단 기업들은 단순한 태아 이상 여부 통보에서 나아가 모체의 생애 주기 전반을 아우르는 헬스케어 솔루션으로 사업 영역을 넓힐 전망이다. 임신성 대사 질환과 출산 후 만성 질환 간의 인과적 경로가 유전학적으로 규명된 만큼, 여성 표적 신약 개발 과정에서 새로운 치료 표적을 발굴하는 연구 역시 활발해질 것으로 예측된다.
Applied biochemistry and biotechnology🤖 AI 요약
역백신학과 알고리즘 최적화로 마레나바이러스 감염병 막을 광범위 mRNA 백신 설계
배경 포유류 아레나바이러스인 마레나바이러스(Mammarenavirus)는 인간에게 치명적인 바이러스성 출혈열을 일으키는 대표적 병원체다. 아르헨티나 출혈열을 유발하는 준인 바이러스나 치사율이 높은 라싸열(Lassa fever) 바이러스 등이 여기에 속한다. 전 세계 공중보건을 위협하는 이 감염병들은 아프리카와 남미 등지에서 주기적으로 유행하며 수많은 사망자를 발생시켰다. 그러나 현재 상용화된 백신은 극히 드물고 치료제 옵션도 제한적이라 대응책 마련이 시급하다. 기존 백신 개발 방식은 특정 바이러스 단백질 전체를 항원으로 사용하여 면역 반응을 유도했다. 이 방식은 바이러스 변이가 발생하거나 유사한 다른 바이러스가 침입했을 때 교차 보호 효과를 기대하기 어렵다. 또한 불필요한 면역 유도 부위까지 포함되어 부작용을 일으키는 한계가 따랐다. 여러 마레나바이러스 종에 공통으로 작용하면서 안심하고 사용할 수 있는 차세대 광범위 백신 설계 기술이 요구되는 이유다. 핵심 발견 연구진은 컴퓨터를 활용한 역백신학(Reverse vaccinology)과 면역정보학(Immunoinformatics) 기법으로 새로운 대응책을 설계하는 데 집중했다. 우선 마레나바이러스 10종의 주요 구조 단백질 서열을 수집해 계통학적 특징을 면밀히 분석하는 과정을 밟았다. 이어서 면역에피토프 데이터베이스(Immune Epitope Database, IEDB)의 방대한 정보에서 변이가 거의 없으면서 면역원성이 우수한 공통 에피토프를 엄선했다. 최종 선별된 조합은 B세포와 T세포를 동시에 활성화하는 우수한 면역 유도 능력을 자랑한다. 이렇게 도출된 광범위 다중 에피토프 융합 메신저 리보핵산(messenger RNA, mRNA) 백신 후보물질에는 면역 반응의 효율을 높일 추가 장치들이 탑재됐다. 항원의 세포 외 배출을 촉진하여 대식세포 등에 신속하게 전달하는 조직 플라스미노겐 활성제(Tissue Plasminogen Activator, tPA) 신호 펩타이드를 추가했다. 아울러 보조제 역할을 하는 PADRE(Pan-HLA DR-reactive epitope) 서열과 각 에피토프를 유연하게 연결하는 링커 기술이 결합됐다. 설계된 전체 mRNA 서열은 숙주 세포 내에서 안정적으로 발현되도록 알고리즘 최적화를 거쳤다. 백신의 물리적 안정성과 활성 여부는 여러 전산 시뮬레이션 기법으로 검증하는 경로를 따랐다. 단백질 3차원 구조를 예측한 뒤 체내 면역 수용체와의 분자 도킹(Molecular docking) 분석을 거쳐 설계된 백신이 면역 반응을 유도하는 수용체들과 강력하게 결합한다는 사실을 확인했다. 분자동역학(Molecular Dynamics, MD) 시뮬레이션 과정에서는 시간이 흘러도 복합체의 구조적 뒤틀림이 매우 적어 안정적인 결합 상태가 유지됐다. 또한 컴퓨터 면역 시뮬레이션 결과, 강력하고 지속적인 항체 반응과 함께 다각적인 면역 세포의 활성화가 나타났다. 의미와 전망 이번 설계안은 마레나바이러스 계열 전체를 표적으로 하는 범용 백신 개발의 가능성을 열었다는 점에서 의미가 깊다. 단일 바이러스가 아닌 10종의 마레나바이러스를 동시 분석해 공통 분모를 찾아냄으로써 변이가 잦은 리보핵산(RNA) 바이러스 특유의 회피 전략을 차단할 무기를 얻었다. 향후 신종 마레나바이러스가 출현하더라도 기존 백신 설계를 기반으로 신속하게 대응 전선을 구축할 수 있을 전망이다. 다만 본 연구는 컴퓨터 시뮬레이션과 면역 정보학 분석을 중심으로 수행된 초기 설계 단계라는 점이 한계다. 실제 생체 내 환경이 시뮬레이션 결과와 일치할지, 혹은 예상대로 면역 세포들이 활발하게 반응할지는 추가적인 검증이 필요한 대목이다. 동물을 대상으로 하는 전임상 시험과 인체 대상 임상시험을 거쳐 실제 유효성과 안전성을 입증하는 후속 연구가 필수적으로 요구된다.
💡 이 연구는 신종 감염병 유행 시 백신 개발 기간을 수개월 이상 단축하는 플랫폼 기술로 적용될 수 있다. 기존에는 바이러스가 발생한 후 항원을 분리하고 정제하는 과정에 많은 시간이 소요됐다. 반면 본 연구에서 사용된 역백신학 플랫폼을 활용하면 유전자 서열이 확보된 직후 수일 내로 면역원성 에피토프를 설계하고 최적화된 mRNA 후보물질을 도출하는 작업이 가능하다. 특히 다수의 마레나바이러스 아종을 동시에 방어하는 다중 에피토프 설계 방식은 변종 출현에 대응하는 백신 제조 공정을 대폭 단순화한다. 이는 생산 단가 절감과 제조 설비의 유연한 활용으로 이어져 저소득 국가를 포함한 글로벌 백신 공급의 불균형 문제를 해소하는 데 유용한 도구가 된다.
Cureus🤖 AI 요약
분자진단과 인공지능 디지털 병리의 결합, 정밀 의료 시대를 여는 바이오 기술
배경 정밀 의료의 한계와 새로운 요구 전통적 진단은 현미경으로 세포나 조직 형태를 관찰하는 방식에 주로 의존했다. 의사의 주관에 따라 판독 결과가 달라질 우려가 크고, 종양 내부의 이질성을 파악하기도 까다롭다. 특히 암이나 자가면역질환처럼 환자마다 발병 기전이 상이한 질병은 형태 분석만으로 적합한 치료법을 제시하기 곤란한 편이다. 분자생물학과 나노기술, 컴퓨터 과학을 결합한 바이오기술은 이런 한계를 극복할 단초를 마련했다. 유전자 변이와 바이오마커 발현 패턴을 분석하는 분자진단이나 다중오믹스(Multi-omics) 기술이 대표적이다. 이들은 질병 발생 기전을 유전자 수준에서 규명해 맞춤형 치료 설계를 지원하고 있다. 정밀도를 높이고 부작용을 낮추는 표적 치료를 실현하려면 이와 같은 기전 중심 진단 체계가 바탕을 이루어야 한다. 핵심 발견 고차원 데이터 기반 진단과 표적 치료법 바이오기술 고도화는 진단과 치료 전략 전반을 바꾸어 놓는 추세다. 분자진단과 다중오믹스는 암, 유전 질환, 감염병, 심혈관 및 자가면역질환 등 여러 질병의 경로 변화를 규명하는 데 기여한다. 연구진은 유전자 변이 정보와 바이오마커 발현 패턴을 융합해 세포 이질성과 면역 조절 기전을 평가하는 진단 프로토콜을 수립한 상태다. 치료 영역에서는 유전자 편집과 나노 의학, 면역 요법, 표적 약물 전달이 발전을 주도하고 있다. 나노입자 기반 표적 전달 방식은 약물이 정상 조직에 미치는 독성을 크게 낮췄다. 유전자 편집은 질병 원인인 염기서열을 직접 교정해 기전 중심 정밀 치료의 기틀을 다지는 역할을 맡게 됐다. 인공지능 디지털 병리의 도입 인공지능(AI)과 생물정보학(Bioinformatics)을 접목한 디지털 병리 분석의 발전도 눈길을 끈다. 기계학습(Machine learning)과 심층학습(Deep learning)은 전체 슬라이드 이미지(Whole Slide Image, WSI) 분석으로 미세 병리 정보를 포착하는 핵심 기술이다. 디지털 병리 시스템은 다차원 데이터와 임상 정보를 통합해 새로운 바이오마커를 발굴하고 환자 위험도를 분류해낸다. 형태 정보와 분자 데이터를 결합한 병리 기법은 질병 아형을 구분하는 새로운 표준이 될 전망. 의미와 전망 상용화를 위한 극복 과제 융합 바이오기술은 정밀 의료 구현을 앞당기는 핵심 동력이다. 유전자 분석과 표적 치료의 결합은 개인 맞춤형 의학을 현실화할 것으로 기대를 모은다. 학계와 산업계는 고가의 암 치료나 희귀 질환 분야에서 진단 오차를 줄이고 치료 효율을 끌어올릴 수 있을 것으로 예상하는 분위기다. 다만 의료 현장 도입을 위해 풀어야 할 과제도 적지 않다. 고가의 분석 장비와 높은 기술 복잡성은 의료기관의 재정 부담을 가중하는 요소다. 다중오믹스와 AI 학습 데이터 표준화 미흡으로 기관 간 데이터 공유가 어렵다는 점도 걸림돌이다. 더불어 개인 유전체 정보 노출과 생명 윤리 법적 쟁점에 관한 합의도 필요한 대목. 의료 격차 해소를 위한 기술 대중화 따라서 향후 연구는 기술 대중화에 초점을 맞추어야 할 것. 자원이 제한된 의료 환경에서도 쓸 수 있는 현장진단(Point-of-Care, POC) 분자진단 기기와 바이오센서 플랫폼 개발이 주요 과제다. 저비용 플랫폼이 상용화된다면 취약 지역 환자들도 정밀 진단의 혜택을 누려 의료 불균형을 완화할 수 있을 것으로 기대를 모으고 있다.
💡 이번 연구는 고가의 장비와 복잡한 실험실 검사에 의존하던 정밀 진단을 의료 현장 밀착형으로 전환하는 로드맵을 보여준다. 구체적인 적용 시나리오로 대형 병원뿐 아니라 보건소나 지역 의원에서도 미세유체(Microfluidics) 기반 바이오센서 칩을 사용해 환자의 혈액 한 방울로 암 유전 변이를 30분 만에 확인하는 현장을 들 수 있다. 또한, AI 모델이 탑재된 휴대용 디지털 스캐너는 병리 전문의가 부족한 격오지나 개발도상국 병원에서 1차 슬라이드 판독을 수행하여 오진율을 줄인다. 제약 산업 측면에서는 임상시험 대상자를 다중오믹스 분석으로 사전 선별함으로써 신약 후보 물질의 효능을 극대화하고 신약 개발 성공률을 높이는 상용화 전략에 즉각 도입할 수 있다.
Computational and structural biotechnology journal🤖 AI 요약
세포별 단백질 상호작용망 분석으로 암 치료 표적 발굴 정확도 높인 NCES 기술
배경 암 연구의 중심 과제는 암세포만을 선택적으로 사멸시키는 치료 표적을 발굴하는 일이다. 유전자 가위(CRISPR-Cas9)를 활용한 유전자 녹아웃 스크리닝 기술은 개별 유전자가 세포 생존에 필수적인 정도를 규명하는 데 유용하게 쓰였다. 특히 암 의존성 지도(Cancer Dependency Map, DepMap) 프로젝트는 수백 개의 암 세포주에서 유전자 필수성을 대규모로 평가하며 신약 개발의 이정표를 세웠다. 그러나 개별 유전자 수준의 필수성 데이터만으로는 한계가 명확하다. 암세포 생존에 필수적인 유전자가 정상 세포에도 작용해 독성을 유발하거나, 실험적 잡음으로 인해 무가치한 후보가 상위에 오르는 현상이 빈번했다. 단일 유전자 정보만으로는 복잡한 세포 내 네트워크 상호작용을 온전히 파악하기 어렵기 때문이다. 이에 따라 유전자의 기능적 주변 환경을 고려하는 시스템 생물학적 접근법이 대안으로 부상했다. 핵심 발견 이러한 난제를 해결하고자 Jung J, Yoo S 연구진은 세포 특이적 단백질 연결망을 결합한 '이웃-상관 필수성 점수(Neighbor-Correlation Essentiality Score, NCES)' 프레임워크를 선보였다. NCES는 DepMap의 유전자 필수성 점수인 CERES와 단백질-단백질 상호작용(Protein-Protein Interaction, PPI) 네트워크를 융합한 구조라는 설명이다. 연구진은 세포주별 유전자 발현 패턴과 약물 반응 데이터를 바탕으로 이웃 유전자 사이의 상호작용 가중치를 도출해냈다. 이어서 암 세포주 7종을 타깃으로 치료 표적 데이터베이스(Therapeutic Target Database, TTD) 및 드럭뱅크(DrugBank) 골드 스탠더드 데이터를 활용한 정확도 평가를 진행했다. 분석 결과, 개별 유전자 필수성만 분석한 기존 방식에 비해 NCES 모델 변형들이 우월한 정확도를 나타내는 것으로 분석됐다. 특히 유전자 녹아웃 결과로 가중치를 부여한 'CRISPR 가중치 변형 모델'의 예측력이 돋보인다. 이 모델은 TTD와 드럭뱅크 골드 스탠더드 예측에서 각각 0.794와 0.779의 수신기 작동 특성 곡선 아래 면적(Area Under the Receiver Operating Characteristic Curve, AUROC)을 기록했다. 가중치 NCES 모델은 기본 네트워크 모델과 비교해 예측 정확도를 유의미하게 개선했음이 입증됐다. 아울러 기존 데이터베이스에 없던 고순위 후보 유전자 중 CCNB1, CDC7, WEE1 등이 생물학적 필수 표적이거나 실제 약물로 억제 가능한 타겟임을 문헌 분석으로 확인했다. NCES가 신규 암 치료 표적을 발굴할 잠재력을 갖췄음을 보여주는 대목이다. 의미와 전망 이번 연구는 빅데이터와 네트워크 생물학의 결합이 신약 개발의 병목현상을 어떻게 해결할 수 있는지 잘 보여준다. 세포 내 유전자는 유기적으로 연결되어 반응하므로, NCES 프레임워크가 제시한 세포 특이적 가중치 네트워크 분석은 표적 발굴의 위양성(False Positive) 비율을 크게 줄일 것으로 기대된다. 표적 검증 단계에서 소모되는 시간과 비용을 줄여 신약 개발 성공 가능성을 끌어올린다는 구상이다. 또한, 세포주별 특이성을 반영하는 NCES의 강점은 환자 맞춤형 정밀 의료 실현을 앞당길 유력한 도구가 될 수 있다. 특정 암종이나 개별 환자의 암세포 유전체 환경에 맞춰 가장 효과적인 약물 타겟을 맞춤형으로 찾아내는 경로가 열리기 때문이다. 기존 데이터에 등재되지 않았던 신규 표적 유전자를 제안할 수 있다는 점 역시 신약 파이프라인 다각화에 긍정적인 요인으로 꼽힌다. 다만 실제 신약 개발 현장에 안착하려면 몇 가지 극복할 과제가 있다. 단백질-단백질 상호작용 네트워크 자체가 지닌 불완전성이 예측 결과에 오차로 작용할 가능성을 배제하기 어렵다는 의견이다. 아울러 세포주 데이터 기반 예측 결과가 실제 환자의 복잡한 종양 미세환경에서도 동일하게 재현되는지 확인하는 생체 내(in vivo) 검증이 필수적이다. 향후 임상 데이터와의 통합 연구가 후속 과제로 이어질 전망이다.
💡 이 연구는 신약 개발 초기 단계인 '표적 식별(Target Identification)' 단계에 도입되어 연구 효율성을 극대화할 수 있다. 예를 들어, 특정 희귀 고형암의 신약 후보 물질을 개발하는 제약사 연구팀은 수천 개의 유전자 중 어떤 것을 표적으로 삼아야 할지 결정해야 하는 상황에 직면한다. 기존에는 무작위적인 대규모 스크리닝 실험에 의존하느라 수억 원의 비용과 수개월의 시간이 소요되었다. 하지만 NCES 프레임워크를 가동하면 세포주 특이적 단백질 상호작용 데이터를 분석하여 암세포 사멸에 가장 결정적인 10~20개의 핵심 표적 유전자를 단 며칠 만에 후보군으로 압축할 수 있다. 이로써 연구진은 고비용 실험을 최소화하고 가능성이 높은 타겟에 역량을 집중하게 된다. 나아가, 제약 산업에서는 동반 진단(Companion Diagnostics) 바이오마커 개발과 연계하여 특정 유전자 네트워크가 활성화된 환자군을 미리 선별하는 임상 디자인을 설계함으로써 임상 시험의 성공률을 대폭 끌어올릴 수 있다. 본 기사는 PubMed 데이터베이스 검색 스킬을 활용하여 수집한 학술 정보를 바탕으로 작성됐다. 참고 논문 URL
Nature Genetics🤖 AI 요약
나노입자 단백체 분석으로 규명한 영국 남아시아인의 자가면역질환 유전 기전
배경 유전체 정보와 실제 몸속 단백질 농도를 연결하는 단백체 유전학은 신약 개발의 핵심 도구로 자리 잡았다. 하지만 지금까지의 연구는 주로 유럽계 인구집단에 편향된 경향을 보인다. 이로 인해 비유럽계 인구집단의 질병 예방이나 치료제 개발에는 한계가 따랐다. 인구집단마다 유전적 특성이 달라 특정 집단에서만 활성화되는 병리 기전을 놓칠 위험이 컸던 셈이다. 혈액 속 단백질을 정밀하게 분석하는 혈장 단백체학(Plasma Proteomics) 분야 역시 기술적 장벽에 직면해 왔다. 기존 연구가 대부분 친화성 기반(Affinity-based) 분석법에 의존했다는 점이 이를 뒷받침한다. 이 방식은 처리 속도가 빠르나 유전 변이로 단백질 구조가 바뀌면 측정 오류가 생길 위험이 크다. 게다가 혈장 단백질은 가장 많은 것과 가장 적은 것의 농도 차이가 100억 배에 달해 분석이 매우 까다롭다. 결국 농도가 극히 낮은 핵심 질병 표적 단백질을 식별하지 못하는 결과로 이어진다. 핵심 발견 나노입자로 포착한 1,400명의 혈장 단백체 영국 웰컴 생거 연구소(Wellcome Sanger Institute)를 비롯한 공동 연구진은 기존 기술의 사각지대를 메우기 위해 영국 거주 방글라데시계와 파키스탄계 남아시아인 1,400여 명의 혈액 샘플을 분석하는 작업에 들어갔다. 연구진은 나노입자를 활용해 혈장 내 고농도 단백질을 걸러내고 저농도 단백질을 농축하는 비표적 나노입자 농축 질량분석법(Nanoparticle-enriched Mass Spectrometry, NP-MS)을 전격 도입했다. 이 과정에서 시어 프로테오그래프 XT(Seer Proteograph XT) 플랫폼으로 5,700개 이상의 단백질 그룹을 성공적으로 검출해 낸다. 895개 유전 변이가 보여준 단백체 지도 확보한 단백체 데이터를 유전체 정보와 대조해 단백질 농도에 직접 영향을 주는 단백질 정량적 형질 위치(Protein Quantitative Trait Loci, pQTL)를 분석했다. 그 결과 1,200개 이상의 유의미한 유전 변이-단백질 연관성을 규명했으며, 이 가운데 895개가 cis-단백질 정량적 형질 위치(cis-Protein Quantitative Trait Loci, cis-pQTL)로 확인됐다. 특히 발견된 변이의 절반가량은 유럽계 연구에서는 관찰되지 않은 새로운 유전체 정보다. 비유럽계 집단을 아우르는 다각적 연구가 질병 이해에 필수적임을 보여주는 대목이다. 기존 플랫폼이 보지 못한 영역을 채우다 기존 친화성 기반 분석법인 소마로직 11k(SomaLogic 11k) 및 올링크 HT(Olink HT) 플랫폼을 동일한 샘플로 비교 분석함으로써 기술적 보완 관계를 입증했다. 질량분석 기반 분석은 친화성 플랫폼이 놓친 면역글로불린 가변 영역이나 특정 단백질 조각을 정밀하게 규명해 낸다. 결과적으로 각 분석 플랫폼이 검출하는 단백체 영역이 질적으로 다르다는 사실이 규명된 셈이다. 그레이브스병의 새로운 자가면역 기전 규명 연구진은 발굴한 pQTL 자료를 전장유전체 연관성 분석(Genome-Wide Association Study, GWAS) 결과와 결합해 21개 단백질이 44개 질병 발병에 관여한다는 결론을 얻었다. 대표적인 예가 갑상선 자가면역 질환인 그레이브스병(Graves' disease)의 병리 기전 규명이다. 그간 명확히 밝혀지지 않았던 IGLV3-21(Immunoglobulin Lambda Variable 3-21) 단백질의 유전 변이가 B세포의 자가면역 반응을 유도해 질병 위험을 높인다는 사실을 밝혀냈다. 이는 향후 그레이브스병 표적 치료 설계에서 유용한 나침반이 될 것으로 기대된다. 의미와 전망 이번 성과는 유전체 분석에서 소외됐던 비유럽계 집단을 분석함으로써 정밀의학의 사각지대를 해소하는 디딤돌을 놓았다. 특정 인구집단이 지닌 고유한 단백체 유전 변이를 규명해 맞춤형 신약 표적 발굴을 정교화했다는 평가가 지배적이다. 온전한 혈장 단백체 지도를 그리려면 질량분석과 친화성 기반 분석을 유기적으로 결합해야 한다는 실질적 표준 역시 제시했다. 물론 임상 현장에 안착하기까지 해결해야 할 숙제도 존재한다. 나노입자 농축 질량분석법은 친화성 기반 플랫폼에 비해 상대적으로 장비 운용 비용이 높고 속도가 더디다. 또한 1,400여 명 규모의 코호트 결과를 전 세계 남아시아인 전체로 일반화하기에는 추가적인 검증이 요구된다. 후속 과제로는 더 많은 비유럽계 집단을 아우르는 대규모 임상 실증 분석이 꼽힌다.
💡 제약 산업계는 비유럽계 맞춤형 신약을 스크리닝하는 초기 단계에서 이 데이터베이스를 적극적으로 활용할 수 있다. 예컨대 남아시아인에게 유병률이 높은 자가면역질환 신약 개발을 추진하는 바이오 기업을 가정해 보자. 기존에는 유럽계 중심의 데이터로 표적 단백질을 선정했기 때문에 임상시험 단계에서 아시아인 대상 효능 부족이나 예상치 못한 부작용으로 실패할 확률이 높았다. 이제는 규명된 cis-pQTL 정보를 치료제 스크리닝 플랫폼에 입력해 남아시아인 환자군에 최적화된 후보물질을 정밀하게 설계하는 일이 가능하다. 나아가 임상 현장에서는 환자의 혈액에서 IGLV3-21 유전 변이를 진단해 맞춤형 면역 조절 요법을 처방하는 동반진단 기술로도 빠르게 응용될 수 있다. 이는 불필요한 약물 투여를 줄이고 치료 성공률을 높이는 지름길이 된다.
Molecular therapy. Nucleic acids🤖 AI 요약
딥러닝과 RNA 엔지니어링 융합, 포유류 맞춤형 유전자 치료용 리보스위치 설계 가속화
배경 유전자 치료는 질병의 근본 원인을 표적으로 삼는 차세대 의료 기술로 자리 잡았다. 그러나 표적 세포 내에서 외래 유전자의 발현을 정밀하게 제어하기란 대단히 어렵다. 원치 않는 조직에서 유전자가 과도하게 발현하면 심각한 부작용이나 면역 반응이 촉발되는 탓이다. 기존에는 독시사이클린(Doxycycline) 같은 항생제 분자를 조절 물질로 활용하는 유전자 스위치가 주로 연구됐다. 하지만 항생제를 장기간 투여할 경우 면역 거부 반응이 일어나거나 원치 않는 조직에 영향을 주어 안전성 결함이 발생하곤 한다. 이 문제를 해결하고자 유전자 발현을 정밀하게 통제하는 신규 스위치 기술이 오랫동안 주목받았다. 리보스위치(Riboswitch)는 리간드(Ligand)라 불리는 특정 분자와 결합할 때 구조를 바꾸며 유전자 발현을 스스로 조절하는 비코딩 리보핵산(Ribonucleic Acid, RNA) 분자다. 이 스위치는 복잡한 조절 단백질 없이 RNA 단독으로 작동하므로 유전자 치료용 전달체의 탑재 용량을 효율적으로 절약해 준다. 다만 자연계 박테리아에서 발견되는 천연 스위치를 포유류 세포 환경에 맞춰 다시 설계하기란 대단히 까다로웠다. 인공적으로 조작한 RNA 구조가 복잡한 인체 세포 안에서 목표 물질에만 달라붙어 명확한 온·오프(On-Off) 반응을 나타내기 어려웠기 때문이다. 핵심 발견 스페인 나바라 대학교(University of Navarra) 연구진은 최근 학술지 '분자 치료 및 핵산(Molecular Therapy - Nucleic Acids)'에 발표한 논문에서 이 교착 상태를 돌파할 새로운 이정표를 제시했다. 이들은 인공지능(Artificial Intelligence, AI) 기반 딥러닝(Deep Learning, DL) 모델과 초저온 전자현미경(Cryo-electron Microscopy, Cryo-EM) 등 최신 구조생물학(Structural Biology) 기법, 그리고 대규모 탐색이 가능한 신규 선택 기술을 결합하여 맞춤형 리보스위치 설계를 단기간에 완수하는 플랫폼을 구축했다. 이 플랫폼은 기존의 단순한 서열 분석 방식에서 탈피하여 분자 간의 3차원적 상호작용을 컴퓨터 시뮬레이션으로 예측해 스위치의 신뢰도를 높인다. 실제로 연구팀은 DL 모델을 활용해 수억 개에 달하는 RNA 라이브러리 후보군 가운데 목표 리간드와 정밀하게 밀착하는 최적의 적체(Aptamer) 구조를 선별했다. 이 구조는 세포막을 잘 통과하며 인체 안전성이 검증된 임상 등급 리간드와 정교하게 맞물려 작동하게 된다. 연구팀은 박테리아와 진핵생물에 분리되어 존재하는 천연 스위치의 차이점을 규명하고, 포유류 세포 내에서 조절 신호가 소실되지 않도록 이보(Expression) 플랫폼 구조를 최적화하는 경로를 설계했다. 기존 리보스위치 모델이 유전자를 켜고 끌 때의 발현량 차이가 2~3배 수준에 머물렀던 반면, 컴퓨터로 설계된 차세대 스위치는 리간드가 결합했을 때 유전자 발현을 10배 이상 유도하는 강력한 작동 효율을 보여주었다. 또한 선택성 분별 기준 역시 대폭 향상되어 구조가 매우 유사한 비표적 물질에는 일절 반응하지 않는 정밀함을 나타낸다. 의미와 전망 이번 연구 결과는 그간 실험실 수준의 개념 증명에 머무르던 RNA 치료 기술을 실제 임상용 치료제로 도약시킬 중요한 계기로 평가받는다. 특히 투여 용량의 세밀한 제어가 필수적인 차세대 면역세포 치료제나 정밀 호르몬 분비 조절이 요구되는 희귀 질환 영역에서 유용하게 쓰일 전망이다. 다만 이를 환자 몸속에 직접 주입하는 완제품으로 상용화하기까지 넘어야 할 기술적 장벽도 여전히 존재하고 있는 실정이다. 우선 외부에서 투입하는 맞춤형 리간드가 체내에서 안전하게 분해되어 배출되는지, 장기 복용 시 독성을 유발하지 않는지 면밀히 밝혀내야 한다. 아울러 리보스위치를 전달하는 바이러스 벡터 자체에 대한 인체 면역 반응을 최소화하는 작업도 향후 해결해야 할 과제다. 그럼에도 연구팀은 한 단계 더 나아가 환자가 직접 유도 약물을 먹지 않아도 질병 상황에서 자발적으로 발생하는 대사물질(Disease-generated Metabolites)을 감지해 치료 유전자를 가동하는 '자율형 조절 스위치'를 미래 청사진으로 내걸었다. 인체 내부의 위험 신호에 스스로 응답하여 치료 단백질을 필요한 만큼만 내보내는 지능형 자율 의료 시대가 머지않아 열릴 것이라는 기대가 나온다.
💡 리보스위치 엔지니어링 기술이 상용화되면 만성 질환 환자들의 치료 편의성이 높아진다. 일례로 당뇨 환자가 특정 식품 성분이 든 약 알약을 삼키는 행동만으로 체내 인슐린 유전자 발현량을 미세하게 제어할 수 있다. 매일 주삿바늘을 꽂아야 하는 번거로움을 덜어주는 시나리오다. 항암 분야에서도 적용 가치가 크다. 고독성 항암 유전자를 주입한 뒤, 암세포가 밀집한 구역에서만 작동하도록 안전한 유도 물질을 경구 투여하는 정밀 제어 치료가 가능해진다. 바이오제약 업계 역시 반기는 분위기다. 복잡한 단백질 조절 인자를 유전자 전달체에 억지로 욱여넣을 필요가 없어져, 벡터의 적재 용량(Packaging Capacity) 한계를 극복하는 데 큰 도움이 된다. 제조 공정을 단순화해 생산 단가를 낮추는 데도 매우 유리하다.
PNAS🤖 AI 요약
반려견 노화 가속화의 비밀, 유전체 '무질서도'와 국가별 생활환경에 있었다
배경 생체 시계로 읽는 반려견의 시간 반려견은 인간과 동일한 생활 공간을 공유하며 유사한 스트레스 요인에 노출된다. 이로 인해 인간의 노화 경로를 추적하고 질병 기전을 이해하기 위한 동물 모델로 평가받는다. 최근 분자생물학 분야에서는 태어난 해 기준의 나이 대신, 유전체 화학 변화로 측정하는 생물학적 나이에 주목하고 있다. 핵심 지표가 유전자 발현을 조절하는 DNA 메틸화(DNA Methylation, DNAm)다. 노화 과정에서 DNA 메틸화 패턴은 특정 방향으로 변하기도 하지만, 동시에 무작위 변동성이 커지는 '후성유전학적 표류(Epigenetic Drift)'도 겪는다. 이로 인해 유전체 메틸화 상태가 불안정해지고 무질서해지는 현상을 후성유전학적 엔트로피(Entropy)라고 부른다. 그러나 양육 국가나 환경적 차이가 반려견의 노화 속도와 유전체 불안정성에 미치는 구체적 연관성은 명확히 규명되지 않은 상황이었다. 핵심 발견 한국 반려견의 가속화된 시계와 유전체 무질서도 경상국립대학교 동물생명융합학부 김재민 교수 연구팀과 수의과대학 이성림·최용호 교수 연구팀은 한·미 반려견 824마리의 DNA 메틸화 데이터를 비교 분석했다. 연구팀이 분석 도구로 채택한 것은 반려견 맞춤형 생물학적 나이 측정 모델인 후성유전학적 시계다. 생물학적 나이는 실제 연령과 상관계수 r=0.98이라는 높은 일치도를 기록했다. 동일 품종의 국가별 노화 속도를 비교 분석하자 흥미로운 격차가 눈에 띈다. 국내 반려견의 후성유전학적 나이 가속도(Epigenetic Age Acceleration, EAA)는 미국 반려견보다 통계적으로 유의하게 높은 수치를 보였다. 한국 반려견들이 생물학적으로 더 빠르게 늙어가고 있음을 의미한다. 연구팀은 메틸화 엔트로피 기법으로 유전체 무질서도를 추적했다. 유전체 전반의 무질서도가 점진적으로 상승한다는 것이 연구팀의 설명이다. 이러한 후성유전학적 표류는 반려견 체구에 따라 다른 궤적을 그린다. 몸무게 10kg 미만 소형견, 10~25kg 중형견, 25kg 이상 대형견 그룹 비교 시, 체구가 클수록 엔트로피 증가 속도가 가팔랐다. 이는 짧은 수명을 지닌 대형견 특성이 유전체의 빠른 무질서화와 직결됨을 보여준다. 아울러 성별에 따른 노화 궤적 차이도 확인됐다. 연구팀은 국내 반려견 환경이 반영된 9개의 노화 연관 DNA 메틸화 부위를 새롭게 찾아냈으며, 이 부위들이 환경 요인을 대변하는 지표가 될 것으로 기대하고 있다. 의미와 전망 환경적 요인이 새기는 생물학적 각인 이번 연구는 반려견의 유전체 노화가 선천적 요인뿐만 아니라 후천적 생활환경에 의해 크게 변동될 수 있음을 생물학적 데이터로 입증했다. 한국과 미국의 반려견 양육 환경은 주거 형태, 산책 주기, 사료 배합 비율 등 여러 방면에서 다른 양상을 보인다. 특히 아파트 등 실내 생활 비중이 높은 한국의 거주 특성이 후성유전체 변화에 영향을 주었을 가능성이 크다. 환경 스트레스 요인이 DNA 메틸화 표지에 흔적을 남겨 노화 속도를 조절한다는 학계 가설을 지지하는 강력한 증거인 셈이다. 더불어 이번에 발굴된 9개의 노화 연관 DNA 메틸화 부위는 환경 요인에 의한 후성유전체 변형을 추적하는 도구로 기대를 모은다. 해당 마커들을 활용해 환경 스트레스가 생물학적 나이에 미치는 위해성을 검증할 수 있을 전망이다. 다만 기존 데이터를 활용한 소급적 분석이라는 한계가 있으므로, 향후 특정 환경 요인을 통제해 노화 속도 변화를 관찰하는 전향적 코호트 연구가 뒤따라야 한다.
💡 이 연구는 반려동물 산업과 임상 수의학계에 직접 적용 가능한 실질적 도구를 제공한다. 가장 대표적인 적용 시나리오는 반려견용 '맞춤형 노화 예측 키트' 개발이다. 연구팀이 발굴한 9개의 한국 반려견 특이적 DNA 메틸화 부위를 활용하면, 간단한 혈액이나 타액 검사로 개별 반려견의 생물학적 노화 속도를 정밀하게 측정할 수 있다. 이는 노화 속도가 빠른 반려견에게 맞춤형 기능성 사료를 처방하거나 운동 프로그램을 설계하는 기준표로 활용될 전망이다. 나아가 수의 임상 시험에서 항노화 후보 물질의 효능을 객관적으로 입증하는 평가지표로 쓰일 수 있다. 특정 약물이나 식이 요법이 실제로 생물학적 나이 가속도를 늦췄는지 유전체 수준에서 정량적으로 증명하는 방식이다. 아울러 반려견 노화 모델의 데이터는 인간의 환경 요인에 따른 조기 노화 및 만성 질환 예방 연구를 가속하는 가교 역할을 할 것이다.
Nature🤖 AI 요약
AI가 찾아낸 결합 확률로 유전자 편집 오차 극복, 표적이탈 막는 설계 모델 등장
배경 유전자 치료제의 핵심 기술인 크리스퍼(CRISPR) 유전자 가위와 염기교정기는 희귀 유전 질환이나 유전성 난치병을 근본적으로 극복할 인류의 무기로 평가받는다. 하지만 이 치료제들이 환자의 체내에서 실시간으로 작용할 때 표적 이외의 유전 서열을 무작위로 편집해 버리는 표적이탈(Off-target) 부작용은 늘 안전성의 발목을 잡아 왔다. 기존 연구계는 단백질의 3차원 입체 구조를 정밀 분석하여 이 오류를 막으려 노력했다. 주로 단백질과 가이드 RNA(gRNA) 혹은 DNA가 만나는 경계면의 전하를 조절해 비특이적 결합력을 줄이는 설계가 주를 이루었다. 그렇지만 이 방식은 표적 서열을 원래대로 찾아가는 결합력과 편집 활성까지 동시에 떨어뜨리는 악순환을 유발했다. 게다가 단 한 개의 염기 미스매치로 발생하는 단백질 구조의 미세한 비틀림을 정적인 구조 지도만으로는 제대로 설명해 낼 수 없었다. 유전체의 표적 인식 원리를 분자 수준의 동적 접촉 정보로 정량 분석할 새로운 계산 생물학 기법이 절실했던 까닭이다. 핵심 발견 중국 북경대학교와 화동사범대학교 공동 연구진은 단백질 구조 예측 인공지능(AI)인 알파폴드3(AlphaFold3)의 강력한 연산 능력을 기반으로 삼아, 유전자 편집 도구의 정밀도를 손쉽게 높여주는 인공지능 설계 분석 프레임워크 콘택트시크(ContactSeek)를 개발했다. 연구진은 알파폴드3가 단백질 복합체 내부의 다양한 핵산 결합 형태를 모사하는 과정에서 출력해 내는 핵심 인자인 접촉 확률(Contact Probability, CP) 데이터에 직접 주목한 것으로 알려졌다. CP는 두 개의 구성 잔기인 아미노산과 뉴클레오타이드가 분자 공간 상에서 서로 물리적으로 맞닿을 가능성을 수치로 계량화한 정보다. 분석 결과, 이 수치는 표적 부위(On-target)와 미세한 서열 차이만 존재하는 표적이탈 부위 간의 결합 특이성 차이를 놀라울 정도로 예민하게 판별해 냈다. 이 구조 계산 능력을 현실 실험에 대입하고자 연구팀은 딥러닝 기반의 접촉 정보 예측 결과를 실제 오프타겟 검출 유전체 시퀀싱 데이터인 dI-profiling의 실험값과 융합했다. 이 과정을 거쳐 편집 도구의 비특이적 결합을 최종 결정짓는 아미노산 집단을 도출한 뒤, 이를 합의 접촉 영역(Consensus Contact Regions, CCRs)으로 명명했다. CCRs는 유전자 가위의 정밀도를 제어하는 일종의 가변 저항 스위치와 기능적으로 유사하다. 이 스위치를 조작하듯 CCRs 내의 잔기를 특정 유전 부위의 결합 성향에 맞춰 미세 설계하면, 원래 표적 위치에서의 활성을 고스란히 보존하면서 원치 않는 오프타겟 결합만 완벽에 가깝게 차단하는 최적의 단백질 변이체를 뽑아낼 수 있다. 실제로 연구팀은 이 설계 시스템을 적용하여 현재 가장 널리 쓰이는 아데닌 염기교정기(Adenine Base Editor, ABE)와 Cas12a 사이토신 염기교정기(Cytosine Base Editor, CBE)의 오류 확률을 바닥 수준으로 제어한 개량형 모델을 다수 구축하는 데 성공했다. 의미와 전망 콘택트시크의 출현은 단순한 정적 입체 구조 판독에만 치중하던 기존 인공지능의 역할을 신기능 단백질 엔지니어링의 정밀 설계 도구로 진화시킨 결과다. 기존 단백질 개량 실험은 무작위 돌연변이를 수천 번 일으킨 뒤 일일이 실험으로 활성을 확인하는 고된 선별 과정을 필수적으로 수반해야만 했다. 이와 달리 콘택트시크는 계산 과학으로 단백질과 유전자 서열의 친화적 상호작용 부위를 사전에 정확히 짚어내므로 후보 물질의 실험 검증 속도를 수십 배 이상 단축시킨다. 다만 이 인공지능 기반 설계 도구가 임상용 신약 개발 단계로 연착륙하기 위해서는 추가적인 과제들이 가로막고 있다. 분자 가상 공간에서 도출한 접촉 확률이 실제 세포질 내부의 복잡한 이온 상태나 단백질 혼잡 환경에서 동일하게 발현되는지 다각도로 입증해야 한다. 구조 변경이 가져올 단백질의 면역원성 유발 가능성이나 생체 내 전달 시스템과의 궁합도 넘어야 할 산이다. 연구진은 앞으로 대상 유전자 가위를 넓히는 한편, 동물 약리 활성 검증에 주력할 방침을 세웠다.
💡 이 연구는 유전자 치료제의 상용화 속도를 대폭 앞당길 실질적인 로드맵을 제공한다. 특히 유전성 난치병 환자를 위한 맞춤형 치료제 개발 과정에서 안전성을 비약적으로 높일 수 있다. 구체적인 적용 시나리오를 살펴보면, 헌팅턴병(Huntington's disease)이나 유전성 망막 변성증처럼 단 한 개의 염기 변이로 발생하는 질환의 치료 시 표적이탈 부작용을 최소화한 맞춤형 염기교정기 설계가 실시간으로 가능해진다. 환자 유래 세포에서 오프타겟 위험이 높은 서열 정보를 획득한 뒤, 콘택트시크 분석 시스템에 입력하여 해당 서열에만 특이적으로 반응하지 않도록 설계된 전용 Cas 단백질을 유도해내는 방식이다. 임상 적용 시 치료제가 엉뚱한 유전자를 건드려 암을 유발할 위험성을 원천 차단함으로써 유전자 가위의 치료 승인 가능성을 크게 높여줄 것으로 기대된다.
World journal of microbiology & biotechnology🤖 AI 요약
인실리코 플랫폼으로 설계한 황색포도상구균 자가증폭 mRNA 백신 후보물질
배경 황색포도상구균(Staphylococcus aureus, S. aureus)은 전 세계적으로 심각한 공중보건 위협을 야기하는 대표적인 병원성 세균이다. 특히 메티실린 내성 황색포도상구균(Methicillin-Resistant Staphylococcus aureus, MRSA)을 비롯한 항생제 내성균의 확산은 기존 치료법의 한계를 명확히 드러냈다. 감염 부위가 전신으로 확산되면 패혈증이나 화농성 관절염 등 치명적인 합병증을 유발하지만, 침습성 S. aureus 감염을 예방할 수 있는 허가 백신은 존재하지 않는다. 세균의 복잡한 면역 회피 기전과 다양한 독성 인자로 인해 기존의 단일 항원 백신 개발 시도는 임상시험에서 잇따라 고배를 마셨다. 다중 항원을 동시에 표적하여 다각적인 면역 반응을 유도할 수 있는 새로운 플랫폼이 요구되는 이유다. 이에 따라 항원 정보 분석과 백신 설계 속도를 비약적으로 높일 수 있는 디지털 설계 프레임워크가 새롭게 주목받고 있다. 핵심 발견 연구진은 S. aureus의 핵심 독성 항원인 클럼핑 인자 A(Clumping factor A, ClfA), 알파 용혈소(Alpha-hemolysin, Hly), 혈소판 수용체 단백질(Staphylococcus aureus receptor for platelets, SraP)을 표적하는 2가 자가증폭 메신저 리보핵산(self-amplifying mRNA, saRNA) 백신 칵테일을 설계하고자 통합 인실리코(in silico) 파이프라인을 구축했다. 면역정보학(immunoinformatics), 구조생물정보학(structural bioinformatics), 분자 시뮬레이션 기법을 결합해 각 항원의 면역우점 에피토프(epitope, 항원결정기) 영역을 정밀하게 분석하는 방식이다. 이 데이터에 기반해 최종 도출한 백신 후보물질은 SaBVax807과 SaTVax876 두 종류다. 연구진은 분자 도킹(molecular docking)과 분자 동역학(molecular dynamics, MD) 시뮬레이션 기법을 동원해 후보물질들과 인간 백혈구 항원(human leukocyte antigen, HLA) 대립유전자 사이의 결합 상호작용을 검증했다. SaTVax876의 글로벌 효용성을 평가할 목적으로 지리적으로 분산된 16개 지역의 데이터 분석을 병행하는 방식이다. 인간 숙주 세포 내 번역 효율을 높이는 코돈 최적화 설계와 더불어 알레르기 및 자가면역 유발 가능성 평가에서도 높은 안전성이 관찰됐다. 예측 모델상 두 후보물질 모두 생체 내에서 구조적 안정성을 유지하며 강력한 면역 반응을 발휘할 수 있는 물리화학적 특성을 얻어냈다. 의미와 전망 이번 연구는 고도화된 컴퓨터 모델링 기법으로 세균성 감염병 백신의 새로운 설계 원칙을 제시했다는 점에서 의미가 깊다. 개발된 saRNA 백신은 항원 단백질 유전 정보를 스스로 복제하여 소량 투여로도 강력한 면역 반응을 유도한다. S. aureus의 다제내성(multidrug resistance, MDR) 문제가 날로 심각해지는 상황에서 신개념 비항생제적 예방 대책을 제시한 셈이다. 다만 컴퓨터 모델링을 기반으로 도출된 결과이므로 생체 외(in vitro) 및 생체 내(in vivo) 전임상 동물실험으로 교차 검증해야 한다. 실제 면역계 내부의 복잡한 동역학적 변화는 시뮬레이션 예측을 벗어날 수 있기 때문이다. 다중 항원을 동시에 표적하는 칵테일 백신의 복잡한 생산 공정과 제형 안정성을 확보하는 일도 향후 임상 진입을 위해 넘어야 할 산이다.
💡 이 연구는 항생제 내성균 예방 백신 개발 기간을 대폭 단축할 수 있는 구체적인 경로를 제시한다. 임상 현장에서는 기존 항생제 처방이 불가능했던 만성 감염 환자나 수술을 앞둔 면역 저하 환자에게 예방적 목적으로 SaTVax876 칵테일을 투여해 수술 부위 감염률을 낮추는 시나리오를 기대할 수 있다. 백신 산업 관점에서는 한 번의 접종으로 여러 변이 항원을 공략하는 2가 saRNA 제형을 채택해 다중 항원을 탑재할 때 발생하는 생산 복잡성을 완화한다. 또한 자가 복제 메커니즘 특성상 생산 단가를 낮추고 신속한 대량 생산 체계를 구축할 수 있어 의료 자원이 부족한 저개발 국가에도 백신을 원활히 보급하는 실질적인 해결책이 될 전망이다.
Nature Genetics🤖 AI 요약
혈연관계 얽힌 혼합 인구 집단서 국소 조상계통 변이 감지 민감도 높인 유전체 분석 기술 개발
배경 대규모 바이오뱅크 구축과 맞물려 전신유전체 연관성 분석(Genome-Wide Association Study, GWAS)은 질환 연관 유전자 변이를 발굴하는 핵심 도구로 자리 잡았다. 하지만 기존 GWAS 연구 대다수는 유럽계 단일 인구집단 데이터에 치우쳐진 한계를 지녔다. 아프리카나 히스패닉계처럼 다양한 인종 유래가 섞인 혼합 인구집단(admixed population) 분석 시에는 인구 구조 편향으로 수많은 위양성(false positive) 신호가 일어나는 탓이다. 이 같은 한계를 넘고자 2021년 국소 조상계통 분석(Local Ancestry Inference)을 도입한 통계 알고리즘 '트랙터(Tractor)'가 공개됐다. 트랙터는 염색체 세부 영역별 조상 유래를 분류해 조상계통 특이적 변이의 영향력을 정밀하게 추정하는 데 성공했다. 하지만 기존 트랙터 모델은 분석 대상 사이에 혈연관계가 전혀 없다는 가정을 전제로 작동한다. 멕시코시티 전향적 연구 코호트나 영국 바이오뱅크(UK Biobank) 등 현대 대규모 바이오뱅크에는 친족 관계가 포함된 샘플이 다수 존재한다. 혈연관계 개체를 임의로 제외할 경우 유전체 데이터 손실이 크고 검출력이 떨어지며, 그대로 포함시키면 통계적 오류가 발생하는 딜레마가 지속돼 왔다. 핵심 발견 미국 연구진은 복잡한 혈연관계와 인종적 혼재가 동시에 존재하는 집단에서도 정밀한 분석을 수행하는 신규 알고리즘 '트랙터-믹스(Tractor-Mix)'를 개발했다. 연구 성과는 국제 학술지 네이처 유전학(Nature Genetics) 최신호에 실렸다. 트랙터-믹스는 선형 혼합 모델(Linear Mixed Model, LMM)과 국소 조상계통 해독 기법을 통합한 프레임워크다. 샘플 간 유전적 혈연 정도를 지수화한 유전적 친연관계 행렬(Genetic Relationship Matrix, GRM)을 수학적 모델 내부로 들여와 가족 관계에서 발생하는 통계적 편향을 깔끔하게 산출·보정한다. 동시에 각 염색체 조각의 조상 유래 정보를 병렬 추적하는 구조다. 연구팀이 멕시코시티 코호트와 영국 바이오뱅크 데이터를 활용해 가설을 검증한 결과, 트랙터-믹스는 위양성 발생률을 안정적으로 통제했다. 혈연관계 샘플을 탈락시키지 않고도 특정 조상계통에 농축된 변이 검출력을 기존 대비 뚜렷하게 높였다. 특히 비유럽계 혼합 인구집단에서 희귀 질환 관련 변이의 효과 크기를 유전적 친척 데이터 손실 없이 정밀하게 계량해 냈다. 의미와 전망 이번 연구는 유럽계 중심으로 왜곡돼 있던 유전체 연구 지형을 다인종 인구집단으로 확장하는 발판을 구축했다. 혈연관계가 복잡하게 얽힌 남미나 아프리카계 코호트 데이터를 버리지 않고 임상 유전체 분석에 온전히 활용할 수 있는 통계적 기반이 완성된 셈이다. 향후 연구진은 알고리즘 연산 속도를 개선하는 후속 작업을 진행할 계획이다. 국소 조상계통 분류와 대규모 친연관계 행렬 계산이 동시 진행되는 특성상 수십만 명 규모 데이터 처리 시 연산 부담이 가중되는 까닭이다. 클라우드 기반 분산 연산 시스템 접목으로 연산 효율을 높이는 조처가 주요 과제로 꼽힌다.
💡 트랙터-믹스의 도입은 다인종 맞춤형 신약 개발 및 정밀 의료 현장에 직접적인 변화를 불러올 전망이다. 지금까지 제약사나 연구기관은 의약품 반응성 및 질환 위험도와 연관된 유전자 변이를 발굴할 때 유럽계 집단 데이터에 의존해 왔다. 이로 인해 다인종 환자 대상의 타깃 발굴이나 다중유전위험점수(Polygenic Risk Score, PRS) 계산 시 정확도가 떨어지는 문제가 빈번했다. 앞으로는 멕시코, 아프리카, 아시아 등 유전적 배경과 혈연관계가 다채로운 글로벌 인구 데이터베이스를 보정 손실 없이 분석할 수 있게 된다. 이에 따라 특정 인종이나 혼합 인구집단에 특화된 질환 원인 변이 발굴이 가속화되며, 글로벌 임상시험 대상자 선별 및 환자 맞춤형 치료제 투여 전략 수립에 실질적 이점을 제공할 것으로 기대된다.
Nature🤖 AI 요약
AI 역단백질 접힘으로 설계한 합성 크리스퍼, 서열 30% 바꿔 유전자 편집 효율 극대화
배경 자연이 수억 년에 걸쳐 진화시킨 유전자 편집 도구의 한계 유전자 치료와 농업 생명공학 현장에서 크리스퍼(CRISPR)-Cas9 시스템은 세포 내 특정 DNA를 정밀하게 절단하고 교정하는 대표적 유전자 가위로 자리 잡았다. 하지만 자연계 Cas 단백질을 치료제나 연구 도구로 그대로 활용하는 방식에는 현실적 제약이 따른다. 분자 크기가 커서 체내 전달체인 아데노연관바이러스(AAV)에 탑재하기 어렵거나, 표적 외 절단(off-target cut)으로 부작용을 일으킬 수 있는 까닭이다. 그동안 연구자들은 자연 상태 유전자 가위를 미세하게 변형해 성능을 개선하려 시도했다. 기존 단백질 공학 기법은 자연형 서열에서 1~2% 안팎의 아미노산(amino acid)만 교체하는 서열 변형 수준에 머물렀다. 과도한 서열 변경은 단백질의 3차원 구조를 무너뜨려 입체적 촉매 활성을 완전히 잃게 만들 위험이 컸기 때문이다. 결과적으로 크리스퍼 기술은 자연이 선사한 유전자 자원의 범위 안에서만 느리게 개선되는 한계에 부딪혔다. 핵심 발견 인공지능 기반 단백질 재설계로 탄생한 SynTnpB 미국 버클리 칼리포니아대(UC Berkeley) 제니퍼 다우드나(Jennifer Doudna) 교수 연구팀은 생성형 인공지능(AI) 기술을 도입해 이 한계를 극복했다. 연구팀은 원하는 3차원 단백질 구조와 기능을 입력하면 이에 부합하는 최적의 아미노산 서열을 역으로 계산해 내는 역단백질 접힘(inverse protein-folding) AI 모델을 활용했다. 이번 연구의 표적은 Cas12 단백질의 진화적 전구체이자 크기가 매우 작은 RNA 가이드 절단 효소인 TnpB였다. AI 모델은 자연계 TnpB의 입체 구조를 바탕으로 완전히 새로운 서열을 지닌 합성 변이체(SynTnpBs)를 대량 설계했다. 놀랍게도 AI가 설계한 합성 효소는 자연 상태 TnpB와 비교했을 때 아미노산 서열이 최대 30%나 달랐다. 연구팀은 생성된 합성 효소를 세균과 식물, 인간 세포주에 적용해 실질적인 유전자 편집 능력을 검증했다. 실험 결과 SynTnpB는 자연형 TnpB보다 높은 절단 효율을 나타냈으며, 표적 DNA 서열을 정확히 인식하는 정밀성도 우수했다. 기존 단백질 공학의 1~2% 변형 한계를 넘어선 것은 물론, 인공적으로 재설계한 대규모 서열 변형 단백질이 생체 내에서 훨씬 뛰어난 기능을 발휘함을 입증한 성과다. 의미와 전망 생명공학과 치료제 개발의 새로운 이정표 이번 연구는 유전자 가위 기술의 중심축이 자연물 발굴에서 AI 맞춤형 설계로 전환됐음을 보여준다. 크기가 작으면서도 정밀도가 높은 합성 TnpB는 AAV 바이러스 벡터 탑재가 용이하다. 이는 난치성 유전 질환 치료제를 체내로 전달할 때 발생하는 용량 한계 문제를 해결하는 데 직결된다. 다만 실제 치료제로 상용화하기까지는 넘어야 할 과제가 남아있다. AI가 생성한 비자연적 아미노산 서열이 인체 면역계에 투여됐을 때 면역원성 반응을 일으킬 가능성을 면밀히 평가해야 한다. 또한 다양한 조직과 생체 환경에서 장기적인 안정성을 확보하는 후속 임상 연구가 필수적이다. 연구팀은 향후 AI 모델을 개선해 면역 반응을 최소화하는 동시에 편집 정밀도를 더 높인 차세대 유전자 가위를 개발할 계획이다.
💡 AI가 설계한 소형 유전자 가위 SynTnpB는 바이오 의약품 치료제 개발과 유전자 교정 작물 제작 분야에 구체적인 솔루션을 제공한다. 기존 Cas9 효소는 단백질 크기가 4,000개 이상의 아미노산으로 구성돼 AAV에 탑재할 때 유전자 치료용 물질과 함께 넣기 까다로웠다. 반면 SynTnpB는 분자량이 현저히 낮아 하나의 바이러스 전달체에 유전자 가위와 표적 가이드 RNA, 치료용 유전자 조각을 동시에 탑재할 수 있다. 이러한 특성은 망막 변성, 근위축증 등 생체 내(in vivo) 유전자 전달이 필수적인 난치성 질환의 치료 효율을 대폭 개선한다. 식물 생명공학 분야에서도 원하는 농업적 형질을 유도할 때 표적 외 변이를 최소화하여 품종 개량 기간을 대폭 단축할 수 있다. 자연계 단백질의 한계를 넘어서는 맞춤형 단백질 설계 기술은 차세대 바이오 분야의 핵심 플랫폼으로 자리매김할 전망이다.

다른 카테고리

🔥 게임체인저 😮 반전 연구 💡 필독 ⚠️ 논쟁 중 🚀 임상 연구 🤔 주목할 만한 🧬 타임머신 생물학 🌱 그린바이오