Single-cell Metabolomics & LC-MS/MS: 종양 이질성 분석 전략

단일세포 수준 대사체 이질성 해부와 암세포 아형별 대사 적응 경로 추적

---

1. 서론: 종양 이질성과 단일세포 분석의 필요성

암종은 유전적·전사체적 이질성뿐 아니라 대사적 이질성(metabolic heterogeneity)을 내포하고 있습니다. 같은 종양 내에서도 일부 세포는 Warburg effect (aerobic glycolysis)에 의존하는 반면, 다른 세포는 산화적 인산화(OXPHOS)를 주요 에너지원으로 활용할 수 있습니다.

기존 bulk metabolomics 접근법은 이러한 세포 간 차이를 평균화해버리므로, 치료 저항성 아형의 대사 특징을 포착하기 어렵습니다. 이를 극복하기 위해 최근에는 Single-cell metabolomics 기술이 도입되었고, 특히 LC-MS/MS 기반 초고민감 정량법이 종양 이질성 분석의 핵심 플랫폼으로 자리잡고 있습니다.

Single-cell Metabolomics & LC-MS/MS: 종양 이질성 분석 전략

---

2. Single-cell metabolomics 접근법

2.1 단일세포 분석의 기술적 도전과제

• 세포당 대사체 양이 피코몰(pmol) 이하 수준으로 극미량
• 세포 분리 과정에서 metabolite leakage 발생 가능
• 신속한 quenching과 고효율 ionization이 필수

2.2 분석 Workflow (LC-MS/MS 기반)

1. 단일세포 분리
   • FACS, microfluidics, laser capture microdissection (LCM)
2. 대사체 추출
   • 냉각 methanol extraction, nanopipette 기반 국소 sampling
3. 분석 플랫폼
   • Nano-LC coupled HRMS (Orbitrap, Q-TOF)
   • Targeted MRM (Multiple Reaction Monitoring) 기반 ultra-sensitive quantification
4. 데이터 처리
   • PCA, t-SNE, UMAP 기반 차원 축소 → 세포 아형별 metabolic clustering
   • Network analysis로 단백질-대사체 pathway 연결

---

3. 단일세포 수준 대사체 heterogeneity 분석 전략

3.1 Glycolysis vs OXPHOS heterogeneity

• Hypoxic tumor core: glycolysis (↑ lactate, ↑ pyruvate)
• Oxygen-rich margin: OXPHOS (↑ TCA cycle intermediates)
• LC-MS/MS 예시:
  • Single-cell 수준에서 lactate/pyruvate ratio 측정
  • Malate, fumarate, succinate flux 비교

3.2 아미노산 대사 heterogeneity

• 일부 세포는 glutamine addiction (glutaminase 활성 ↑)
• 다른 세포는 serine/glycine pathway 활용
• LC-MS/MS 기반 isotopomer tracing (U-13C-glutamine) → 아형별 flux 구분

3.3 지질 대사 heterogeneity

• Lipid droplet-rich 세포: fatty acid oxidation (FAO) 의존
• Rapid proliferating 세포: phospholipid biosynthesis 증가
• Single-cell LC-MS/MS로 phosphatidylcholine (PC), phosphatidylethanolamine (PE) 프로파일 구분

---

4. 암세포 아형별 대사 적응 경로 추적

4.1 EGFR 변이 폐암 세포

• EGFR TKI-sensitive 세포: glycolysis flux 유지
• EGFR TKI-resistant 세포: OXPHOS 대체 경로 활성
• Single-cell metabolomics → 내성 아형 조기 탐지 가능

4.2 삼중음성유방암 (TNBC)

• 일부 세포는 glycolysis 기반 증식
• 일부 세포는 fatty acid oxidation 의존
• 아형별 대사 적응 차이를 LC-MS/MS 기반 metabolic flux analysis로 규명

4.3 면역회피 아형

• PD-L1 high 세포: tryptophan-kynurenine pathway 활성 ↑
• IDO1 발현과 kynurenine 축적 → T세포 억제
• 단일세포 LC-MS/MS 기반 kynurenine/tryptophan 비율 측정 가능

---

5. 데이터 통합: Multi-omics 기반 종양 이질성 해석

• Single-cell transcriptomics + metabolomics
  • 유전자 발현과 대사체 변화 간 상관 분석
  • 예: GLS1 (glutaminase) mRNA 발현 ↑ ↔ glutamate flux ↑
• Proteo-metabolomics 통합
  • 단백질 발현 (glycolytic enzymes, FAO enzymes) ↔ 대사체 flux 데이터 연결
• AI 기반 클러스터링
  • 세포군별 metabolic subtype 정의 (glycolytic subtype, OXPHOS subtype 등)

---

6. 임상 적용 가능성

1. 치료 내성 조기 예측
   • EGFR-TKI, BRAF inhibitor 내성 아형 사전 탐지
2. 맞춤형 병용요법 설계
   • glycolysis 억제제 + OXPHOS inhibitor 병용
   • IDO1 inhibitor + 면역항암제 병용
3. 동반진단(Companion Diagnostics, CDx)
   • 단일세포 metabolomic signature를 환자 샘플 기반 biomarker로 적용

---

7. 결론 및 전망

단일세포 LC-MS/MS 기반 metabolomics는 종양 내 대사 heterogeneity 해부와 암세포 아형별 대사 적응 경로 추적을 가능하게 합니다. 이는 항암제 내성 극복, 환자 맞춤형 병용요법 설계, 차세대 동반진단 개발에 핵심적인 기술로 발전할 전망입니다.

특히 향후에는 microfluidics 기반 single-cell metabolite sampling, AI-driven metabolic network modeling, spatial metabolomics와 결합해, 종양 미세환경에서 세포 간 상호작용까지 동적으로 추적할 수 있을 것입니다.