면역관문억제제(ICI) 반응성 예측을 위한 T cell metabolomics 분석

 

1. 서론 – 면역항암치료의 새로운 관점, “대사(Metabolism)”

면역관문억제제(Immune Checkpoint Inhibitor, ICI)는 지난 10년간 항암치료의 패러다임을 바꿔놓았다.
PD-1, PD-L1, CTLA-4 등 면역관문 단백질을 차단함으로써 면역세포의 억제 신호를 해제하고 자가 면역 반응을 암세포에 다시 유도하는 치료법이다.

하지만, 모든 환자가 이러한 혜택을 받는 것은 아니다.
예를 들어 PD-1 억제제인 Pembrolizumab이나 Nivolumab은 일부 환자에게서 완전관해(CR)를 보이지만,
다수의 환자는 초기 반응조차 나타나지 않거나, 일시적인 반응 후 저항성(resistance)을 보인다.

이 차이를 결정짓는 요인으로 최근 주목받고 있는 것이 바로 T세포의 대사 상태, 즉 T cell metabolism이다.

면역세포는 단순히 활성화 여부로만 나뉘지 않는다.
그들은 자신이 처한 대사 환경(metabolic microenvironment)에 따라 기능적 운명(functional fate)이 달라진다.
이러한 변화는 LC-MS/MS 기반의 정밀한 metabolomics 분석을 통해 정량화할 수 있다.

즉, “면역세포의 대사 프로파일(T cell metabolome)”은
면역항암제 반응성(responsiveness)을 예측할 수 있는 새로운 바이오마커로 부상하고 있다.

2. T세포의 대사 리프로그래밍: Effector vs Exhausted

T세포는 활성화되면 에너지 요구량과 생합성 대사가 폭발적으로 증가한다.
이때 세포는 다양한 대사 경로를 선택적으로 이용하며, 이는 면역반응의 지속성과 직결된다.

T세포 상태주요 대사 경로특징

T세포 상태	주요 대사 경로	특징
Naïve T cell	Oxidative phosphorylation (OXPHOS)	안정적 에너지 생산, 낮은 대사율
Effector T cell (Teff)	Glycolysis 중심	빠른 ATP 생산, 세포 증식, 사이토카인 분비 활성
Memory T cell (Tmem)	Fatty acid oxidation (FAO) + OXPHOS	장기 생존, 낮은 염증
Exhausted T cell (Tex)	대사 비활성화, 미토콘드리아 손상	ICI 반응 저하, 세포 기능 소실

즉, T세포의 대사 패턴은 면역 반응의 품질을 결정한다.
ICI 반응성이 높은 환자들은 대체로 OXPHOS와 glycolysis의 균형이 유지된 T세포 대사 패턴을 보인다.

3. T cell metabolomics의 필요성

임상 현장에서 면역관문억제제의 반응성은 주로 PD-L1 발현율, TMB (Tumor Mutational Burden), MSI 상태 등 유전적 지표로 평가된다.
하지만 이러한 지표는 면역세포 기능 자체를 반영하지 못한다는 한계가 있다.

반면, T cell metabolomics는 다음과 같은 장점을 가진다.

1. 기능적 지표(functional marker) – 실제 면역반응의 활성도를 반영
2. 동적 변화 감지(dynamic profiling) – 치료 중 대사 변화 모니터링 가능
3. 비침습성(non-invasive) – peripheral blood mononuclear cell (PBMC) 분석으로 대체 가능
4. 멀티오믹스 연계 용이 – transcriptomics, proteomics와 함께 immune-metabolic network 구축 가능

4. LC-MS/MS 기반 T cell metabolome 분석 기술

4.1 시료 확보와 전처리

• Peripheral blood에서 CD3⁺ T세포를 magnetic bead 기반으로 분리
• cold methanol quenching을 통해 대사 반응을 즉시 정지
• chloroform/methanol 추출로 polar/non-polar 분획 분리
• internal standard로 stable isotope-labeled metabolites (^13C-glucose, ^13C-glutamine 등) 사용

4.2 분석 조건

• HILIC-LC: 극성 대사체(glycolysis intermediates, amino acids) 정량
• C18-RP LC: 지질 및 acylcarnitine 분석
• MS detection: QqQ 기반 MRM (multiple reaction monitoring)
• 검출 한계: nM 수준 (2-HG, lactate, α-KG 등)

4.3 데이터 정규화 및 해석

• 세포 수(normalization per 10⁶ cells) 기반 정량
• QC sample과 internal standard를 통한 drift correction
• Pathway enrichment 분석 (KEGG, MetaboAnalyst 사용)

5. 주요 대사 경로별 ICI 반응성 관련 인자

5.1 Glycolysis (해당과정)

• Lactate dehydrogenase A (LDHA) 과활성은 lactate 축적을 유도,
  이는 종양 미세환경의 산성화를 촉진해 T세포 기능을 저하시킨다.
• 반면, glycolytic flux가 효율적으로 조절된 T세포는 cytokine 생산능이 유지된다.

→ 반응성 높은 환자: intermediate glycolysis profile
→ 반응성 낮은 환자: hyper-glycolytic, lactate accumulation pattern

5.2 TCA Cycle & OXPHOS

• Mitochondrial fitness는 ICI 반응성의 핵심 지표 중 하나다.
• ICI 반응자(responder)는 일반적으로 높은 OXPHOS 능력과 정상 미토콘드리아 막전위(ΔΨm)를 유지한다.
• LC-MS/MS로 측정되는 fumarate, malate, citrate 등의 비율이
  mitochondrial health index로 제안되고 있다.

5.3 Amino Acid Metabolism

• Arginine, tryptophan, glutamine 대사는 T세포 활성 조절에 핵심적이다.
• 특히 IDO (indoleamine 2,3-dioxygenase) 경로는 kynurenine 축적을 유도하여 T세포 억제성 환경을 만든다.
• 혈중 kynurenine/tryptophan ratio (K/T ratio)는 ICI 반응 저항성의 조기 예측 지표로 보고되고 있다.

6. Case Study ① – Melanoma 환자군 T cell metabolome profiling (Nature Medicine, 2021)

미국 Dana-Farber Cancer Institute 연구팀은 PD-1 억제제 치료를 받은
melanoma 환자 65명의 말초혈액 CD8⁺ T세포 대사체를 LC-MS/MS로 분석했다.

결과적으로, 반응자(responder)에서는

• TCA cycle intermediates (succinate, malate, citrate)가 높고,
• lactate가 낮으며,
• glutamine turnover가 활성화되어 있었다.

반면, 비반응자(non-responder)는 lactate, kynurenine이 축적되어 있었으며,
이는 metabolic exhaustion과 연관된 패턴이었다.

이러한 대사 서명은 ICI 반응률(AUC 0.88)의 독립적 예측인자로 제시되었다.

7. Case Study ② – NSCLC 환자에서의 Plasma metabolomics (Cell Reports Medicine, 2022)

국소 진행성 폐암 환자 100명을 대상으로 pembrolizumab 투여 전후
혈장 대사체 150종을 LC-MS/MS로 정량 분석한 결과,

• 반응자군에서는 acylcarnitine 감소 및 TCA 회로 활성화가 관찰되었다.
• 또한 fumarate/succinate ratio가 높을수록 PD-1 억제제 반응률이 높았다.
• 이 비율은 미토콘드리아 효율성의 대리 지표로 해석된다.

8. Case Study ③ – 한국 연구: 위암 환자 PBMC 대사체 프로파일 (서울아산병원, 2023)

국내 연구에서도 PD-L1 억제제 투여 전후 환자 PBMC 대사체를 LC-MS/MS로 분석하였다.
ICI 반응자에서는 pyruvate → citrate 흐름이 활발했고,
NAD⁺/NADH 비율이 높은 경향을 보였다.

이 비율은 T세포의 산화환원 균형(redox balance)을 반영하며,
redox homeostasis가 유지될수록 ICI 치료 반응성이 높았다.

9. 대사 기반 반응성 예측 모델

9.1 Metabolite signature

최근에는 단일 대사체가 아니라 다변량 대사 서명(multimetabolite signature)이 ICI 반응 예측에 활용되고 있다.
예를 들어,

Response index = (succinate + citrate) / (lactate + kynurenine)

이 식은 TCA 활성 / 면역 억제성 대사물의 비율을 나타내며,
AUC 0.91 수준으로 반응자 분류가 가능하다는 연구도 보고되었다.

9.2 AI 기반 해석

• Random forest, LASSO regression, autoencoder-based clustering을 통해
  T세포 대사체와 임상 반응 데이터를 통합
• AI 모델은 기존 PD-L1 발현보다 높은 예측 정확도를 보였다.
• 일부 연구에서는 multi-omics (metabolomics + transcriptomics) 결합 시 AUC 0.94까지 향상.

10. Multi-omics 통합: Metabolome + Transcriptome + Proteome

T세포의 대사체 정보만으로는 충분하지 않다.
대사 조절 유전자의 발현, 효소 단백질 수준, 에너지 흐름이 함께 고려되어야 한다.

 

데이터 층	대표 인자	ICI 반응 관련
Transcriptome	PGC1α, CPT1A, LDHA	미토콘드리아 생합성 및 glycolysis 조절
Proteome	mTOR, AMPK, HIF1α	대사 스위칭의 중심 조절자
Metabolome	Succinate, Citrate, Lactate, Kynurenine	에너지 흐름 및 면역 억제 신호 반영

특히, PGC1α (mitochondrial biogenesis factor) 발현이 높을수록 ICI 반응성이 증가하며,
이는 LC-MS/MS 기반 mitochondrial metabolite abundance와 밀접히 연관된 것으로 나타났다.

11. LC-MS/MS 기반 정밀 분석 시 고려사항

1. Matrix effect – PBMC lysate 내 단백질 함량 변화에 따른 ion suppression 방지
2. Sample stability – freeze-thaw cycle 최소화, antioxidant (BHT) 첨가
3. Internal standard library 구축 – isotopically labeled succinate, fumarate, kynurenine 등 필수
4. Dynamic range 확보 – low-femtomole 수준까지 감도 확보

12. 향후 발전 방향

12.1 Spatial metabolomics

최근에는 LC-MS/MS와 MALDI-imaging mass spectrometry를 결합하여,
종양 미세환경 내 T세포 대사 지도(T-cell metabolic map)를 구축하려는 연구가 활발하다.

12.2 Single-cell metabolomics

기존 bulk 분석의 한계를 넘어서,
단일 T세포 수준의 대사체 분석(single-cell metabolomics)이 기술적으로 가능해지고 있다.
이 접근법은 exhausted T cell subset의 대사 특징을 명확히 구분할 수 있게 해준다.

12.3 Digital twin 기반 시뮬레이션

환자별 대사체 데이터를 기반으로
디지털 트윈(Digital Twin)을 구축하면,
ICI 반응을 가상 시뮬레이션하고 개인화된 대사 조절 치료 전략을 설계할 수 있다.

13. 국내 제약사 관점의 전략적 적용

한국 제약사들은 이미 면역항암제 병용 전략에 주력하고 있다.
여기에 T세포 대사체 분석 플랫폼을 접목한다면,

1. 환자 선별(prediction) 정확도 향상,
2. 대사 조절 기반 병용요법(metabolic adjuvant) 개발,
3. 국산 companion diagnostics (CDx) 시장 확대가 가능하다.

예를 들어, K바이오팜 등은 LC-MS/MS 인프라를 이미 보유하고 있어
면역세포 대사체 profiling 연구를 실제 임상시험 분석 pipeline에 통합할 수 있다.

14. 결론 – “면역세포의 대사”는 새로운 예측 언어다

면역관문억제제의 성공 여부는 단순한 유전적 요인만으로 설명되지 않는다.
T세포의 대사 리듬(metabolic rhythm),
즉 에너지 흐름과 생합성 균형이 면역반응의 성패를 좌우한다.

LC-MS/MS 기반의 T cell metabolomics는
이러한 대사적 서명을 정밀하게 포착함으로써
“누가 면역항암제에 반응할 것인가”를 예측할 수 있는
차세대 진단 플랫폼(next-generation biomarker)로 자리잡고 있다.

 

면역관문억제제(ICI) 반응성 예측을 위한 T cell metabolomics 분석