Single-cell metabolomics + transcriptomics 융합 분석

이질적 암세포 집단에서 항암제 반응 규명 전략

---

1. 서론 – 암 연구의 패러다임 전환

암은 더 이상 단일 질환으로 규정되지 않습니다. 동일한 종양이라 하더라도, 그 내부에는 유전적·전사체적·대사체적 다양성을 지닌 세포 아형(subclone)들이 공존하고 있습니다. 이 세포들은 서로 다른 생리적 특성을 갖고 있으며, 항암제에 대한 민감성 또한 극명하게 갈립니다. 결국 암 치료 실패의 주요 원인 중 하나는 바로 이러한 세포 이질성(intra-tumoral heterogeneity)입니다.

기존의 bulk RNA-seq이나 bulk metabolomics는 종양 내 모든 세포의 평균값을 제공하는 방식이었습니다. 그러나 평균값은 소수의 내성 클론이 암 재발을 일으키는 과정을 설명하지 못합니다. 따라서 최근 암 연구에서 중요한 화두는 “단일세포 수준에서의 분자적 프로파일링(single-cell profiling)”입니다.

특히 단일세포 전사체학(single-cell transcriptomics)과 단일세포 대사체학(single-cell metabolomics)의 결합은 암 연구에 새로운 지평을 열고 있습니다. 전사체 분석이 “세포의 잠재적 기능”을 보여준다면, 대사체 분석은 “세포가 실제로 작동하고 있는 상태”를 반영합니다. 이 두 층위를 함께 분석함으로써, 연구자는 암세포의 약물 반응성을 정확히 규명하고, 내성 메커니즘을 실체적으로 추적할 수 있게 됩니다.

이 글에서는 single-cell metabolomics와 transcriptomics의 융합 분석 원리와 기술적 배경을 살펴보고, 항암제 반응 규명 사례(EGFR inhibitor, PARP inhibitor, BRAF inhibitor, ICI 등)를 통해 임상적 의미를 탐구하겠습니다.

---

2. 기술적 배경

2.1 단일세포 대사체학 (Single-cell metabolomics, SCM)

특징

• 대사체는 세포 상태를 가장 잘 반영하는 “즉각적인 분자 서명”
• 단일세포에서 수십~수백 종의 대사체를 검출할 수 있음
• 분석 기법: LC-MS/MS, CE-MS, MALDI-MS, nano-DESI 등

기술적 난제

• 극미량 시료: 단일세포 내 대사체 농도는 펨토몰~아토몰 수준
• 빠른 대사 turnover: 시료 안정화가 어렵고, pre-analytical variation이 큼
• Matrix effect: 극소량 시료에서 이온 억제 현상 심각

해결 전략

• Nano-LC coupled ESI-MS: 유량을 수 nL/min 수준으로 줄여 감도 향상
• Stable isotope-labeled IS(내부표준) 도입
• Microfluidics 기반 single-cell 분리 및 즉시 quenching

---

2.2 단일세포 전사체학 (Single-cell RNA-seq)

특징

• 세포별 mRNA 발현량 측정
• 클러스터링을 통해 세포 아형 정의 가능
• 발달 경로나 세포 상태 변화를 pseudotime으로 추적

주요 플랫폼

• 10x Genomics Chromium: high-throughput, 수천~수만 세포 동시 분석
• SMART-seq3: 고해상도, 전장 전사체 분석 가능

---

2.3 융합 분석의 필요성

• Transcriptomics는 “가능성”을, metabolomics는 “결과”를 보여줍니다.
• 예: scRNA-seq에서 glycolysis 관련 유전자 발현↑ → 실제 lactate 축적 여부는 metabolomics에서 확인해야 함.
• 두 층위를 통합해야 “어떤 세포가 어떤 경로를 통해 약물에 반응하거나 내성을 가지는지” 설명 가능.

---

3. 융합 분석 워크플로우

3.1 시료 준비

• 단일세포 분리: FACS, microfluidics droplet
• 대사체 안정화: methanol quenching, -80℃ 즉시 보관
• 이중 분할 전략: 동일 세포 집단을 반으로 나눠 한쪽은 transcriptomics, 다른 한쪽은 metabolomics

3.2 LC-MS/MS 기반 단일세포 대사체 분석

• 극저농도 분석 조건
  • HILIC LC → polar metabolites (amino acids, nucleotides 등)
  • nano-RP LC → lipid species
• 검출 모드
  • MRM (targeted) → 고감도, 제한된 metabolite panel
  • HRMS (untargeted) → 광범위 탐색, 데이터 후처리 필수

3.3 전사체 분석

• scRNA-seq, UMI 기반 정량
• 저품질 세포 제거(QC: mitochondrial % 등)
• 세포 아형별 발현 패턴 도출

3.4 데이터 통합

• Canonical correlation analysis (CCA)
• Multi-Omics Factor Analysis (MOFA+)
• Deep learning 기반 융합: totalVI, scVI-tools
• 결과: transcriptome-defined cluster와 metabolome-defined cluster 매핑

---

4. 항암제 반응 규명 사례

4.1 EGFR inhibitor (예: Gefitinib, Osimertinib) – NSCLC 모델

• 민감성 세포군
  • Transcriptome: glycolysis 관련 유전자 억제
  • Metabolome: lactate 수준 감소
• 내성 세포군
  • Transcriptome: glutamine transporter 발현 증가 (SLC1A5↑)
  • Metabolome: TCA cycle 중간체(α-KG, fumarate) 축적
• 결론: EGFR inhibitor 내성은 glutamine 대사 리프로그래밍과 관련

 

---

4.2 PARP inhibitor (Olaparib) – BRCA mutant Ovarian cancer

• 일부 세포는 PARP 억제에 의해 NAD+ 고갈 및 세포 사멸
• 그러나 소수 아형은 serine–one carbon metabolism 강화로 NAD+ 보충
• LC-MS/MS에서 NAD+ turnover 추적 → 내성 기전 확인
• 임상적 시사점: one-carbon metabolism 억제제 병용 가능성

 

---

4.3 BRAF inhibitor (Vemurafenib) – Melanoma

• Responder 세포군: glycolysis 억제 + OXPHOS 증가
• Resistant 세포군: fatty acid oxidation (FAO) 활성화
• scRNA-seq: CPT1A 발현 증가
• metabolomics: acyl-carnitine 증가 확인
• 제안: FAO 억제제 병용 시 내성 극복 가능

 

---

4.4 Immune Checkpoint Inhibitor (Anti-PD-1) – Melanoma/TNBC

• T 세포 subset 간 차이 규명
• Responder T cell: OXPHOS 유지, tryptophan–kynurenine ratio 안정
• Non-responder T cell: glycolysis↑, kynurenine 축적 → 면역 억제적 환경 형성
• 내성 극복 전략: IDO 억제제 병용

---

4.5 mTOR inhibitor (Everolimus) – Renal cell carcinoma

• 일부 세포군은 mTOR 억제에도 불구하고 lipid metabolism을 리프로그래밍
• scRNA-seq: SREBP1 발현 증가
• metabolomics: cholesteryl ester 축적
• 결론: mTOR 억제제 내성은 지질 대사 우회 경로와 연결

---

5. 임상 응용 가능성

1. 환자 맞춤형 치료
   • 암 조직에서 단일세포 분석 → 민감성/내성 클론 비율 계산
   • 치료 전 내성 가능성 예측
2. 신규 바이오마커 발굴
   • 대사체–전사체 융합 시그니처 → 예후 및 치료 반응 예측
3. Combination therapy 설계
   • 내성 아형이 의존하는 대사 경로 타깃 → rational combination 가능
4. Drug repositioning
   • 특정 대사 의존성이 높은 아형에 기존 약물 적용

---

6. 한계와 도전 과제

• 기술적: 단일세포 대사체 검출 한계, 시료 손실 최소화 필요
• 데이터 분석: 다중오믹스 정규화와 batch correction 복잡
• 임상 적용: 실제 환자 샘플에서 workflow 표준화 필요
• 비용 문제: 고감도 분석 장비 및 데이터 처리 인프라 요구

---

7. 결론

Single-cell metabolomics와 transcriptomics의 융합은 암세포 집단 내 이질성을 이해하고, 항암제 반응성·내성 메커니즘을 규명하는 데 필수적입니다.

특히 EGFR, PARP, BRAF, mTOR inhibitor와 같은 표적치료제뿐만 아니라, 면역관문억제제(ICI) 반응성 연구에도 중요한 도구로 자리잡고 있습니다. 앞으로 LC-MS/MS 기반 초민감 대사체 분석 기술과 머신러닝 기반 데이터 융합 기법이 고도화된다면, 단일세포 오믹스 융합 분석은 정밀의학의 핵심 플랫폼으로 발전할 것입니다.

---

📌 요약

• 암 조직은 이질적 세포 집단으로 구성되어 약물 반응이 다양
• Single-cell metabolomics + transcriptomics 융합 → 세포별 약물 반응 추적 가능
• EGFR, PARP, BRAF, mTOR inhibitor, ICI 사례에서 내성 메커니즘 규명
• 임상적 의의: 맞춤형 치료, 조기 내성 예측, 병용요법 설계
• 향후 과제: 극저농도 대사체 검출 기술, 데이터 통합 표준화, 비용 절감

Single-cell metabolomics + transcriptomics 융합 분석