Proteo-metabolomics 통합 분석을 통한 항암제 반응 바이오마커 발굴

LC-MS/MS 기반 단백질 발현-대사체 상관분석과 면역항암제 반응성 예측

---

1. 서론: 단일 오믹스의 한계를 넘어

항암제 개발 과정에서 가장 큰 난제 중 하나는 환자 간 이질성(inter-patient heterogeneity)입니다. 동일한 항암제를 투여하더라도 어떤 환자는 높은 치료 효과를 보이는 반면, 일부 환자는 내성이 나타나거나 심각한 부작용으로 치료가 중단되기도 합니다. 기존에는 유전체(genomics) 또는 단백질체학(proteomics) 수준의 분석이 치료 반응 예측에 활용되었지만, 단일 계층의 데이터만으로는 복잡한 약물 반응성을 충분히 설명하기 어려웠습니다.

이 한계를 극복하기 위해 최근에는 Proteo-metabolomics 통합 분석이 주목받고 있습니다. LC-MS/MS 기반 정밀 단백질 발현 데이터와 세포·체액 내 대사체 프로파일링을 결합함으로써, 약물 반응의 분자적 네트워크 변화를 더 정밀하게 이해할 수 있게 된 것입니다. 특히, 면역항암제(immune checkpoint inhibitors, ICIs)와 같은 신약의 경우 반응률이 환자군에서 20~40% 수준에 불과하기 때문에, 바이오마커 기반 환자 선별 전략은 임상적으로도 필수적입니다.

---

2. Proteo-metabolomics 통합 분석의 개념과 접근법

1. 단백질 발현 데이터 (Proteomics)
   • 항암제 처리 전후의 단백질 발현량, 인산화 상태, 단백질-단백질 상호작용 네트워크를 정량화
   • 예: PD-L1 발현 수준, DNA repair 관련 단백질의 변화
2. 대사체 데이터 (Metabolomics)
   • LC-MS/MS 기반의 targeted 또는 untargeted metabolomics 기법을 활용하여 에너지 대사, 아미노산 회로, 지질 대사 변화를 탐지
   • 예: 글루타민 대사, TCA cycle 중간체, kynurenine pathway
3. 통합 분석 전략
   • 다변량 통계 및 머신러닝 기반으로 단백질-대사체 간 상관 네트워크를 구축
   • responder vs non-responder 환자군 비교를 통해 공통된 반응성 시그니처 도출
   • PK/PD 모델과 결합하여 약물 반응 예측 정확도 개선

---

3. 항암제별 Proteo-metabolomics 적용 사례

3.1 면역관문 억제제 (Immune Checkpoint Inhibitors, ICIs)

• 약물: Nivolumab, Pembrolizumab (anti-PD-1), Atezolizumab (anti-PD-L1)
• 문제: 전체 환자의 60~70%는 반응하지 않음. 기존 PD-L1 IHC 검사는 불완전한 바이오마커.
• Proteomics 관점:
  • 반응군에서 T세포 활성화 관련 단백질 (Granzyme B, Perforin) 발현 증가
  • 면역 억제 관련 단백질 (IDO1, Arginase-1) 발현 감소
• Metabolomics 관점:
  • Non-responder 군에서 Kynurenine/tryptophan 비율이 높아 면역 억제적 대사환경 형성
  • Responder 군에서 SCFA (short-chain fatty acids) 증가 → 장내 미생물 유래 대사체와 상관성
• 종합 시사점:
  Proteo-metabolomics 통합 분석을 통해, IDO1 단백질 발현 + kynurenine 축적을 복합 바이오마커로 활용 가능. 이 조합은 ICIs 반응성 예측 정확도를 높임.

---

3.2 표적항암제 (EGFR-TKI, ALK inhibitors 등)

• 약물: Gefitinib, Osimertinib (EGFR-TKI), Alectinib (ALK inhibitor)
• 문제: 초기 반응은 양호하지만, 평균 1~2년 내 획득 내성(acquired resistance) 발생.
• Proteomics 관점:
  • 내성 세포주에서 EGFR bypass signaling protein (HER2, MET) 발현 증가
  • DNA damage response 단백질 발현 변화
• Metabolomics 관점:
  • 내성군에서 글루타민 대사 증가, lactate 축적 → Warburg effect 강화
  • Responder 군에서 TCA cycle 플럭스 유지
• 종합 시사점:
  Proteo-metabolomics 기반으로, HER2 발현 증가 + lactate 축적 패턴을 내성 예측 바이오마커로 활용 가능. Combination therapy 설계 시 HER2 억제제 또는 glycolysis inhibitor 병용 고려 가능.

---

3.3 항암 화학요법 (Chemotherapy: Cisplatin, Doxorubicin 등)

• 약물: Cisplatin (DNA crosslinking agent), Doxorubicin (topoisomerase II inhibitor)
• 문제: 세포 독성은 강력하지만, 일부 환자에서 내성 및 심독성·신독성 발생.
• Proteomics 관점:
  • 내성 세포에서 DNA repair protein (XRCC1, ERCC1) 발현 증가
  • 항산화 단백질 (Glutathione peroxidase, SOD) 발현 변화
• Metabolomics 관점:
  • Cisplatin 내성군에서 glutathione 축적 → ROS 제거 경로 활성화
  • Doxorubicin 내성군에서 지질대사 리모델링 (phospholipid profile 변화)
• 종합 시사점:
  Proteo-metabolomics를 통해 ERCC1 발현 + glutathione 농도 상승을 cisplatin 내성 예측 인자로 활용 가능.

---

4. 통합 분석 기반의 Biomarker Validation 전략

1. 환자군 기반 Multi-omics 데이터 축적
   • 전향적 임상 코호트에서 proteomics + metabolomics 병렬 분석
   • responder vs non-responder 군별 signature 구축
2. LC-MS/MS 기반 정밀 정량
   • 단백질 → MRM 기반 타겟 분석
   • 대사체 → SCFA, kynurenine 등 targeted metabolomics
3. 데이터 통합 및 모델링
   • 다변량 회귀, PLS-DA, Random forest 기반 반응 예측 모델 개발
   • PK/PD 모델과 연결해 시간-농도-효과 관계 시뮬레이션
4. 임상 적용 및 규제 관점
   • FDA/EMA는 점차 multi-omics 기반 companion diagnostics에 관심 증가
   • 단일 바이오마커보다 복합 signature 기반 Companion Diagnostics (CDx) 개발이 유망

---

5. Drug Repositioning 가능성

Proteo-metabolomics는 단순히 반응 예측을 넘어, 새로운 drug repositioning 기회를 발굴할 수 있습니다.

• 예: 특정 항암제 비반응군에서 지질 대사 이상이 발견될 경우, 기존 지질대사 조절 약물(예: statins)을 병용하는 전략을 고려할 수 있습니다.
• 즉, 대사체-단백질 상관 패턴은 기존에 예상하지 못했던 약물 재창출 후보를 발굴하는 도구가 됩니다.

6. 결론 및 전망

Proteo-metabolomics 통합 분석은 기존의 단일 바이오마커 한계를 넘어, 복합적이고 네트워크 기반의 항암제 반응 예측을 가능하게 합니다. 특히, 면역항암제·표적항암제·화학요법제 각각에서 단백질-대사체 조합 시그니처가 유효하게 작동한다는 점은, 향후 환자 맞춤형 치료와 내성 극복 전략 수립에 핵심적인 역할을 할 것입니다.

향후에는 AI 기반 멀티오믹스 데이터 통합 분석, 실시간 TDM(Therapeutic Drug Monitoring) 플랫폼, 환자 유래 오가노이드 기반 전임상 모델과 결합하여 더욱 정밀한 “진짜 Personalized Oncology”가 가능해질 것으로 기대됩니다.

 

Proteo-metabolomics 통합 분석을 통한 항암제 반응 바이오마커 발굴