[SDG3 건강보장] 암은 정상세포와 다르게 세포내 비정상적인 축적을 통해 유발되는 대사 반응을 하며, 암의 치료 및 진단을 목적으로 이런 암 대사반응에 대해 다방면으로 연구되는 상황에서 국내 연구진이 컴퓨터를 통해 24개 암종에 해당하는 1043명의 암 환자에 대한 대사 모델 구축에 성공했다.
KAIST는 생명화학공학과 김현욱 교수, 이상엽 특훈교수 연구팀이 서울대병원 고영일 교수·윤홍석 교수·정창욱 교수 연구팀과 공동연구를 통해 암 체세포 유전자 돌연변이와 연관된 새로운 대사물질 및 대사경로를 예측하는 컴퓨터 방법론을 개발했다고 18일 밝혔다.
암은 정상세포와 다르게 세포내 비정상적인 축적을 통해 유발되는 대사 반응을 하며, 암의 치료 및 진단을 목적으로 이런 암 대사반응에 대해 다방면으로 연구되고 있는 상황에서 나온 연구성과다.
최근 암 유발 대사물질(oncometabolite) 발견과 이를 표적으로 하는 신약들이 美식품의약국(FDA) 승인을 받아 주목받고 있다.
여기에는 급성 골수성 백혈병의 치료제로 사용되고 있는 ‘팁소보(성분명: 아이보시데닙)’ 및 약물 ‘아이드하이파(성분명: 에나시데닙)’가 포함된다.
암 유발 대사물질 (oncometabolite)은 세포 내 비정상적인 축적을 통해 암을 유발하는 대사물질이다.
이러한 대사물질들은 특정 유전자 돌연변이의 영향으로 대사 과정 중에 비정상적으로 높은 농도로 축적되는데 이러한 축적은 암세포의 성장과 생존을 촉진한다고 연구팀은 설명했다.
기존 연구에서 확인된 주요 암 유발 대사물질로는 2-하이드록시글루타레이트(2-hydroxyglutarate), 숙시네이트(succinate), 푸마레이트(fumarate) 등이 보고됐다.
하지만, 암 대사 연구와 새로운 암 유발 대사물질 발굴에는 대사체학 등의 방법론이 필요하다. 또 이를 대규모 환자 샘플에 적용하기 위해서는 상당한 시간과 비용이 소요된다.
이러한 이유로 암과 관련된 많은 유전자 돌연변이들이 밝혀졌음에도 그에 상응하는 암 유발 대사물질은 극소수만 알려져 있다.
김현욱 교수 공동연구팀은 세포 대사 정보를 예측할 수 있는 게놈 수준의 대사 모델에 국제 암 연구 컨소시엄에서 공개하고 있는 암 환자들의 전사체 데이터를 통합해 24개 암종에 해당하는 1043명의 암 환자에 대한 대사 모델을 성공적으로 구축했다.
게놈 수준의 대사모델은 세포의 전체 대사 네트워크를 다루는 컴퓨터 모델로서, 세포 내 모든 대사반응에 대한 정보가 담겨 있다. 다양한 조건에서 세포의 대사 활성을 예측하는 것이 가능하다는 것이다.
공동연구팀은 암 환자 특이 대사 모델과 동일 환자들의 암 체세포 돌연변이 데이터를 활용해, 4단계로 구성된 컴퓨터 방법론을 개발했다 .
첫 단계에서는 암 환자 특이 대사 모델을 시뮬레이션해, 환자 별로 모든 대사물질들의 활성을 예측한다.
두 번째 단계로는 특정 유전자 돌연변이가 앞서 예측된 대사물질의 활성에 유의한 차이를 일으키는 짝을 선별한다.
세 번째 단계에서는 특정 유전자 돌연변이와 연결된 대사물질들을 대상으로, 이들과 유의하게 연관된 대사경로를 추가로 선별한다.
마지막 단계에서는 ‘유전자-대사물질-대사경로’ 조합을 완성해, 컴퓨터 방법론 결과로 도출하게 된다.
이번 논문의 공동 제1 저자인 이가령 박사(현 다나파버 암센터 및 하버드 의과대학 박사후연구원)와 이상미 박사(現 하버드 의과대학 박사후연구원)는 “이번 연구에서 개발된 방법론은 암 환자 코호트의 돌연변이 및 전사체 데이터를 토대로 다른 암종에 대해서도 쉽게 적용될 수 있다”며 “유전자 돌연변이가 대사경로를 통해 어떻게 세포대사에 변화를 일으키는지 체계적으로 예측할 수 있는 최초의 컴퓨터 방법론”이라고 기술개발의의를 설명했다.
KAIST 김현욱 교수는 “이번 공동연구의 결과는 향후 암 대사 및 암 유발 대사물질 연구에서 중요한 참고 자료로 활용될 수 있을 것”이라고 말했다.
이번 논문은 바이오메드 센트럴(BioMed Central) 社가 발행하는 생명공학 및 유전학 분야 대표적 국제학술지 ‘게놈 바이올로지(Genome Biology, JCR 분야 상위 5% 이내)’에 게재됐다.
논문명 : Prediction of metabolites associated with somatic mutations in cancers by using genome-scale metabolic models and mutation data
SDG뉴스 노영조 기자