Host–Pathogen Metabolomics: 감염병 진단을 위한 대사체 기반 Biomarker 탐지

 

Host–Pathogen Metabolomics: 감염병 진단을 위한 대사체 기반 Biomarker 탐지

1. 서론: 감염병 진단 패러다임의 변화

감염병 진단은 전통적으로 병원체 직접 검출(배양, PCR, 항원검사) 또는 숙주 면역 반응 확인(항체검사, 염증마커)에 의존해왔다. 그러나 이러한 방식은 각각 한계가 존재한다.

• 배양: 시간이 오래 걸리고, 일부 병원체는 배양 불가능.
• PCR: 특정 병원체 타겟 필요, 변이 시 민감도 저하.
• 항원/항체 검사: 감염 초기 위음성 가능성, 민감도/특이도 제한.

이에 따라 최근에는 대사체학(metabolomics)이 새로운 감염병 진단 도구로 주목받고 있다. 감염 과정에서 병원체와 숙주는 대사적 상호작용(host–pathogen interaction)을 일으키며, 이로 인해 특이적 대사체 signature가 생성된다. 즉, 환자의 혈액·소변·호흡 공기 내 대사체 변화를 분석하면, 감염병을 빠르고 비침습적으로 진단할 수 있는 것이다.

---

2. Host–Pathogen Metabolomics의 개념

2.1 정의

• Host metabolome: 감염에 반응하는 면역세포, 대사 경로 변화(예: tryptophan → kynurenine pathway 활성화).
• Pathogen metabolome: 병원체가 분비하거나 대사하는 특이 물질(예: mycobacterial lipid, bacterial quorum-sensing metabolite).
• Host–pathogen metabolome: 숙주와 병원체의 대사체가 상호작용하여 형성된 복합적 signature.

2.2 접근 방식

1. Untargeted metabolomics
   • LC-MS/MS, HRMS, NMR로 광범위 대사체 프로파일링
   • 새로운 biomarker 탐색 단계에 유리
2. Targeted metabolomics
   • 특정 후보 대사체 정량
   • 임상 진단법으로 translation 가능

---

3. 감염병 진단을 위한 대사체 Biomarker 사례

3.1 세균 감염

• 결핵(Mycobacterium tuberculosis)
  • 혈청에서 mycolic acid 유도체 검출
  • Tryptophan–kynurenine 비율 변화 → 면역 억제 기전 반영
• 패혈증(Sepsis)
  • Lactate, succinate 증가 (anaerobic glycolysis 증가 반영)
  • Acylcarnitine profile 변화

3.2 바이러스 감염

• COVID-19
  • Plasma metabolomics: kynurenine/tryptophan ratio ↑, phospholipid profile 변화
  • 병 severity prediction 가능
• Influenza
  • Host lipid metabolism dysregulation → phosphatidylcholine 감소
• HIV
  • Polyamine metabolism 증가, glutamine depletion

3.3 기생충 감염

• 말라리아
  • Heme degradation product (hemozoin) → indirect detection
  • Host plasma에서 lysophosphatidylcholine 감소

---

4. 분석 기술적 세부 전략

4.1 샘플 매트릭스 선택

• 혈액/혈장: 가장 표준화 용이, 전신 대사 반영
• 소변: 비침습적, pathogen-derived metabolite 농축 가능
• 호흡 공기(VOC): 실시간 모니터링 가능, 폐감염 진단 적합

4.2 전처리 전략

• 단백질 제거 (protein precipitation, SPE)
• Lipidomics 전용 추출법 (Bligh-Dyer, MTBE extraction)
• Stable isotope internal standard (SIL-IS) 활용하여 matrix effect 최소화

4.3 분석 플랫폼

• LC-HRMS (Orbitrap, Q-TOF): untargeted metabolomics
• LC-MS/MS (MRM): targeted quantification
• NMR: 비파괴적, reproducibility 높음, 감도는 낮음

4.4 데이터 해석

• 다변량 통계학 (PCA, PLS-DA): 대사체 패턴 차별화
• Machine learning (Random forest, SVM, deep learning): biomarker signature 최적화
• Pathway analysis: host immune-metabolic reprogramming 반영

---

5. 임상 적용 전략

5.1 조기 진단

• 증상 발현 전 대사체 signature로 early infection detection 가능

5.2 감염병 구분

• 바이러스 vs 세균 감염 구별: 항생제 불필요한 경우 줄여 항생제 내성 억제 기여
• 예: 세균 감염 시 acylcarnitine profile 변화, 바이러스 감염 시 tryptophan 대사 변화

5.3 질병 중증도 평가

• COVID-19 severity prediction → ICU admission decision에 활용 가능

5.4 치료 모니터링

• 항생제/항바이러스제 치료 반응에 따른 대사체 변화 추적
• 예: vancomycin 치료 반응 환자에서 plasma metabolome 정상화 속도 차별화

---

6. 기술적 도전과 한계

6.1 표준화 문제

• 샘플 수집·보관·전처리 조건에 따른 대사체 변화
• 해결책: 국제 consortium 기반 Standard Operating Procedure(SOP) 마련

6.2 임상 translation

• 수백 개 후보 biomarker 중 임상적으로 robust한 소수만 선별 필요
• 대규모 multi-center validation 필수

6.3 데이터 복잡성

• 수천 개 대사체 peak → noise filtering, batch effect 교정 필요
• AI/ML 기반 해석 pipeline 개발 중요

6.4 병원체 특이성 한계

• 일부 대사체는 감염 특이성 부족 (염증성 질환에서도 변화)
• Host-only marker + pathogen-specific marker 조합 접근 필요

---

7. 국내외 연구 및 산업 동향

7.1 해외

• Johns Hopkins Univ.: Plasma metabolomics로 세균 vs 바이러스 패혈증 구분 연구
• Oxford Univ.: 말라리아 감염자에서 lipidomic biomarker 발굴
• NIH/NIAID: Host metabolome 기반 COVID-19 severity 예측 프로젝트

7.2 국내

• 서울대병원: 패혈증 환자 혈액 metabolomics → 조기 예후 예측 연구
• 국내 스타트업: Breath VOC metabolomics 기반 폐감염 조기 진단 키트 개발

---

8. 미래 전망

1. POC(point-of-care) metabolomics
   • 소형화 LC-MS/MS 또는 breathalyzer 기반 VOC sensor → 응급실/ICU에서 실시간 감염 진단 가능
2. Multi-omics integration
   • Metabolomics + transcriptomics + proteomics → 감염 진단 정확도 극대화
3. AI-driven biomarker discovery
   • Deep learning 기반 host–pathogen metabolic fingerprint 인식
4. Global surveillance
   • Pandemic 대응을 위해 대사체 signature 기반 감염병 outbreak monitoring

---

9. 결론

Host–pathogen metabolomics는 감염병 진단에 있어 새로운 패러다임을 제시한다.

• 숙주와 병원체의 대사체 상호작용을 반영한 biomarker는 기존 PCR, 배양법의 한계를 보완할 수 있다.
• 세균 vs 바이러스 구별, 조기 진단, 치료 반응 모니터링 등 임상적으로 높은 활용가치를 지닌다.
• 다만 표준화·임상 검증·데이터 해석 복잡성이라는 도전과제가 남아 있다.

향후 POC 플랫폼, multi-omics 통합, AI 기반 분석이 발전하면, host–pathogen metabolomics는 차세대 감염병 진단 핵심 기술로 자리 잡을 것이다.