Single-cell multi-omics (scRNA + scMetabolomics) 융합 분석 – 종양 이질성 해석

 

Single-cell multi-omics (scRNA + scMetabolomics) 융합 분석 – 종양 이질성 해석

 

1. 서론: 왜 단일세포 수준의 이질성 연구가 중요한가?

암은 단순한 세포 덩어리가 아니라, 수많은 이질적(heterogeneous) 세포 집단의 집합체다. 동일한 환자의 종양에서도

• 어떤 세포는 항암제에 민감하게 반응하는 반면,
• 다른 세포는 동일한 약물에 저항성을 보이며,
• 또 다른 세포는 암 줄기세포(stem-like cancer cell)로서 재발의 씨앗이 되기도 한다.

전통적인 bulk RNA-seq이나 metabolomics는 평균값(average signal)만 보여주기 때문에, 개별 세포 수준의 차이를 포착하기 어렵다. 이 한계를 극복하기 위해 등장한 것이 바로 Single-cell multi-omics 접근법이다.

그중에서도 단일세포 전사체 분석(scRNA-seq)과 단일세포 대사체 분석(scMetabolomics)을 융합하는 전략은 종양 내 이질성을 분자적·대사적 수준에서 동시에 해석할 수 있는 강력한 도구로 부상하고 있다.

 

---

2. Single-cell multi-omics의 개념과 기술적 배경

2.1 scRNA-seq: 세포별 유전자 발현 지도

• 개별 세포에서 mRNA 발현 프로파일을 도출
• 특정 세포 집단의 분화 상태, 면역 회피 전략, drug resistance 관련 유전자 확인 가능
• 대표 기술: Drop-seq, 10x Genomics Chromium, Smart-seq2

2.2 scMetabolomics: 단일세포 대사체 정량

• LC-MS/MS 또는 CE-MS 기반 분석으로 개별 세포 내 수십~수백 개 대사체 프로파일링
• 극소량 시료(페모몰 수준)를 다루어야 하므로 ultrasensitive LC-MS/MS 필수
• 세포 내 ATP/GTP 비율, NAD+/NADH 상태, lactate flux 등 대사 활성을 직접 반영

2.3 융합 분석의 필요성

• RNA만으로는 한계: mRNA 발현이 반드시 효소 활성을 반영하지는 않음
• Metabolome만으로는 불완전: 대사체 변화의 upstream 원인을 알기 어렵다
• 따라서 scRNA와 scMetabolomics를 결합하면, 유전자 발현 ↔ 대사 기능 ↔ 세포 운명 간의 다차원적 연결 고리를 규명할 수 있다.

---

3. 종양 이질성 해석에서의 적용

3.1 대사 기반 암세포 아형(Subpopulation) 구분

• 일부 세포는 glycolysis 의존적 (Warburg effect)
• 또 다른 세포는 oxidative phosphorylation (OXPHOS) 기반 에너지 대사
• scRNA + scMetabolomics를 함께 보면, 같은 glycolytic gene 발현세포라도 실제 lactate 축적 여부가 달라 세분화 가능

3.2 암 줄기세포(CSC)와 내성 세포 집단 규명

• scRNA: stemness marker (SOX2, NANOG, CD44 등)
• scMetabolomics: FAO(fatty acid oxidation) 증가, ROS 억제 대사 패턴
• CSC 집단은 종종 항암제 내성과 재발을 유발 → 조기 탐지 가능

3.3 종양 미세환경(TME) 세포–세포 상호작용 분석

• 종양 세포뿐 아니라 T cell, macrophage, CAF(cancer-associated fibroblast)도 함께 분석
• 예: scRNA로 IFN-γ 발현 T cell 집단 확인 + scMetabolomics에서 lactate 과잉 축적 확인 → lactate 축적이 T cell 기능 억제와 연결됨

---

4. 분석 워크플로우 설계

4.1 샘플 준비

• 종양 조직 → 효소 소화로 단일세포 분리
• 세포 표면 마커 기반 FACS sorting → 암세포 vs 면역세포 분리

4.2 동시 multi-omics 분석

1. 병렬 접근 (Parallel profiling)
   • 일부 세포는 scRNA-seq, 일부 세포는 scMetabolomics
   • 이후 computational integration
2. 동일 세포 분석 (Joint profiling)
   • 동일 세포에서 RNA 추출 후 잔여 세포질을 대사체 분석
   • 최근 microfluidic + nano-LC-MS/MS 기술로 점차 실현 가능

4.3 데이터 통합

• CCA (Canonical Correlation Analysis)
• Multi-omics factor analysis (MOFA+)
• Deep learning 기반 embedding (Variational Autoencoder, Graph Neural Network)

---

5. 실제 연구 사례

5.1 해외

• Nature Cell Biology (2021): Glioblastoma 단일세포 multi-omics → glycolysis-high 세포군이 temozolomide 내성 관련
• Cell Metabolism (2022): Melanoma scRNA+scMetabolomics → OXPHOS 의존 집단이 anti-PD-1 치료에 불응

5.2 국내

• 서울대병원 연구팀: 폐암 환자 조직 기반 scRNA+metabolomics → EGFR-TKI 내성 환자에서 glutamine metabolism↑ 집단 규명

---

6. 항암제별 적용 가능성

6.1 화학요법

• Cisplatin 내성: scRNA에서 DNA repair gene↑, scMetabolomics에서 glutathione↑ → ROS 억제

6.2 표적치료제

• EGFR-TKI 내성: scRNA에서 EGFR bypass signaling↑, scMetabolomics에서 lipid raft 관련 phospholipid↑

6.3 면역항암제

• anti-PD-1 불응 환자: scRNA에서 T cell exhaustion marker↑, scMetabolomics에서 lactate↑, arginine↓ → T cell 대사 억제

---

7. 산업적·임상적 활용 전략

7.1 제약 산업

• 환자 세분화 (Patient stratification): 특정 대사체 signature 가진 집단만 신약 임상시험 포함
• 신규 타겟 발굴: Metabolic enzyme (GLS, SCD1 등) 저해제 개발

7.2 임상 진단

• Liquid biopsy 기반 single-cell exosome multi-omics → 비침습적 내성 모니터링 가능

7.3 AI 플랫폼 결합

• Deep learning 기반 multi-omics integration → 치료 반응성 예측 모델 구축
• 국내 빅테크 + 제약사 협력으로 정밀의료 전환 가능

---

8. 도전 과제와 한계

1. scMetabolomics 기술적 제약: picogram 수준 대사체 검출 민감도 한계
2. 동일 세포 분석 어려움: RNA 추출과 metabolite 보존의 상충
3. 데이터 해석 난이도: 수천 개 유전자 + 수백 개 대사체 통합 분석 → 고차원 데이터 처리 필요
4. 임상 적용 한계: 현재 연구는 주로 전임상·실험실 수준 → 대규모 환자 검증 필요

---

9. 미래 전망

• Spatial single-cell multi-omics: 조직 내 위치 정보를 반영한 scRNA+scMetabolomics → 종양 미세환경 내 대사 heterogeneity 시각화
• AI-driven digital twin: 환자별 multi-omics 데이터 기반 항암제 반응 가상 시뮬레이션
• Clinical translation: 단일세포 multi-omics 기반 진단 키트 개발 (IVD, companion diagnostics)

---

10. 결론

Single-cell multi-omics, 특히 scRNA + scMetabolomics 융합 분석은 종양 내 이질성을 해석하는 차세대 전략으로 자리매김하고 있다.

• 기존 bulk 분석으로는 파악할 수 없던 세포 아형 간 대사 차이를 밝힘으로써,
• 항암제 내성, 면역치료 불응, 종양 재발의 기전을 정밀하게 규명할 수 있다.

앞으로 AI·자동화 LC-MS/MS·임상 샘플링 기술이 결합된다면, 이 접근법은 정밀의료(precision oncology)의 핵심 엔진으로 발전할 것이다.