유전자 빅데이터를 합성치사 네트워크 관점에서 분석해 환자에게 가장 적합한 치료법 제시

미국 국립암센터와 공동으로 임상시험 진행 중

□ 암은 개개인의 편차가 심한 질병이지만 그동안 비슷한 종류의 암 환자에게 같은 치료법을 적용해왔다. 최근 유전자 및 임상 의료 데이터의 축적에 따라 환자의 빅데이터를 바탕으로 가장 적합한 치료법을 선택해 치료하는 암 환자 개인 맞춤형 의료가 대두되고 있다.

□ 암은 돌연변이의 축적으로 발생하는 질병으로, 현재 개인 맞춤형 항암 치료는 유전체의 돌연변이에 집중되어 있다. 그러나 암 환자에게 일어나는 모든 돌연변이에 대해 항암제가 개발된 것이 아니기 때문에, 기존의 개인 맞춤형 항암 치료로 좋은 효과를 얻는 환자의 숫자는 기대에 못 미치는 편이다.

□ 이에 성균관대학교(총장 신동렬) 의과대학(학장 최연호) 이주상 교수 연구팀(다음세대 의학연구실, 홈페이지: https://leejoosang.wixsite.com/ngml, 트위터: https://twitter.com/joo_sang_lee)은 미국 National Cancer Institute의 Eytan Ruppin 교수 연구팀과 함께 기존의 개인 맞춤형 의료를 획기적으로 개선할 수 있는 새로운 의료 플랫폼 셀렉트(SELECT)를 개발했다. 본 연구에는 서울삼성병원 이세훈 교수 연구팀, 차의과대학 황소현 교수 연구팀도 참여했다.

□ 이 플랫폼은 기존의 방식과 두 가지 면에서 차별된다. 첫째, 암세포에서는 유전체의 돌연변이뿐만 아니라 다양한 유전적인 변이가 나타나는데, 연구진은 최근의 임상 시험 결과들을 바탕으로 유전자 발현 패턴(transcriptomics)의 변화에 초점을 맞췄다.

□ 둘째, 하나의 유전자는 세포 내에서 많은 다른 유전자들과 네트워크를 이루며 긴밀한 상호작용을 한다. 연구진은 이러한 유전자 상호작용 중에 암 치료와 직접적으로 연결되는, 암세포의 생존에 치명적인 영향을 끼치는 합성치사 상호작용(synthetic lethal interaction)을 선별하여 항암 맞춤 치료에 이용했다.

□ 현재 실험적인 방법으로 암 환자의 치료에 직접적인 도움을 줄 수 있는 유전자 네트워크를 밝혀내기는 쉽지 않다. 이 난제를 극복하고자 연구진은 빅데이터의 힘을 활용했다. 대량의 암환자 유전자 및 임상 데이터를 분석하여 암치료에 유익한 합성치사 관계를 예측하는 알고리즘을 개발했다. 이 알고리즘을 이용하면 개별 항암 치료제의 치료 효과를 예측할 수 있는 유전자 생체지표를 밝혀낼 수 있다.

□ 이렇게 밝혀진 합성치사 유전자 생체지표는 기존의 맞춤 치료를 획기적으로 발전시킬 잠재력이 있다. 항암제가 효과가 있을지를 치료하기 전에 환자의 유전자 데이터만 가지고 예측함으로써 불필요한 치료를 막을 수 있고, 환자에게 가장 효율적인 치료를 제공할 수 있다.

□ 이를 검증하기 위해 연구진은 세계 각국의 암센터에서 실시된 다양한 암종과 표적 치료제 및 면역 치료제를 아우르는 약 4,000명 이상의 환자가 참여한 48개의 임상 시험 데이터를 분석했다. 연구진이 발견한 유전자 네트워크는 80%의 표적 및 면역 항암제에 대하여 환자의 반응률 및 생존율을 기존의 다른 어떤 생체지표보다 정확하게 예측할 수 있었다.

□ 나아가 이 합성치사 생체지표는 암 환자에게 가장 적합한 치료법을 예측할 수 있는 가능성을 제시한다. 유전자 발현 데이터를 바탕으로 최근 시행된 국제 공동 임상시험 데이터와 비교 분석한 결과, 기존의 접근법이 제공하는 것보다 2배가 넘는 환자에게 가장 효과적인 치료법을 제시할 수 있는 것으로 나타났다.

□ 매우 고무적인 결과를 보여주는 본 연구는 독립적인 임상 시험을 통해서 검증하는 단계가 남아있다. 연구진은 현재 미국 국립암센터(National Cancer Institute), 삼성서울병원(Samsung Medical Center) 등과 함께 본 연구에서 밝혀진 유전자 네트워크가 암 환자에게 개인 맞춤 치료를 제공함으로써 실질적으로 암 환자의 생존율을 높일 수 있는지를 확인하기 위한 임상 시험을 계획하고 있다. 이 임상 시험이 성공한다면 새로운 치료법을 기다리는 많은 암 환자와 의료진에게 희망을 제시할 수 있을 것으로 보인다.

□ 이주상 교수는 “다양한 암종과 치료제에 대해 하나의 플랫폼을 바탕으로 상당한 예측력을 보이는 것이 SELECT의 힘이다”며 “앞으로 대용량의 유전체 데이터와 발전된 인공지능 모델을 이용하여 암 정밀의학을 혁신해 나가는 것이 목표다”라고 말했다.

□ 본 연구는 한국연구재단 의약학분야 기초연구사업의 중견연구 지원사업으로 수행되었으며, 세계적인 학술지 ‘셀 (Cell)’에 4.13(화) 온라인 게재되었다(https://www.cell.com/cell/fulltext/S0092-8674(21)00361-5). 연구에 사용된 데이터와 소스 코드는 연구 목적으로 열람이 가능하며, 논문의 영문 요약은 저자의 트위터(https://twitter.com/joo_sang_lee)를 참조하면 된다.

※ 논문명 : Synthetic lethality mediated precision oncology via the tumor transcriptome

※ 저자 : 이주상 교수(제1저자, 교신저자, 성균관대), 정영민(공동저자, 성균관대), 김다솔(공동저자, 성균관대), Eytan Ruppin(교신저자, 미국국립암센터)