LC-MS/MS 기반 Lipidomics 분석으로 항암제 내성 메커니즘 탐색

 

항암제 내성(resistance)은 결국 세포가 살아남기 위해 대사를 다시 짜는 과정으로 볼 수 있다.
여기서 특히 자주 간과되는 영역이 “지질(lipid)”이다. 실제로 종양세포는 내성 획득 과정에서 세포막 구조와 신호전달, 에너지 대사를 전부 지질 기반으로 재구축하는데, 이 변화는 전사체나 단백질 레벨만 봐서는 잡아내기 어렵다.

지금은 많은 제약사들이 glycolysis·TCA 중심의 central metabolism만 들여다보지만,
정작 환자 샘플이나 resistant cell line을 LC-MS/MS로 lipidomics profiling 해보면
내성 signature가 지질 조성 변화로 더 명확하게 드러나는 경우가 훨씬 많다.

이 글에서는 다음 내용을 중심으로 서술해본다:

1. 왜 lipidomics가 내성 연구에서 핵심인지
2. LC-MS/MS 기반 lipidomics 분석 workflow
3. 항암제 종류별(case-based) lipid metabolism 내성 메커니즘
4. 국내 제약사 관점에서의 실제 R&D 활용 전략

1. 항암제 내성과 lipid metabolism의 깊은 연결성

1-1. 세포막 리모델링은 내성의 시작점

세포는 항암제 압력을 받으면 “세포막 구성 성분”부터 손을 본다.
대표적으로 변화하는 것들:

• phosphatidylcholine/PE 비율 조절
• membrane rigidity 증가
• cholesterol 축적 → drug uptake 감소
• sphingolipid 변화 → apoptosis 회피

즉, 지질 구성 자체가 바뀌면서 약물이 더 이상 세포 안으로 들어오지 않거나,
약물로 인해 발생해야 하는 세포사멸 신호(apoptotic signaling)가 약해진다.

1-2. Lipid droplet 증가 → 세포 스트레스 완충 장치

또 하나 특징적인 패턴은 lipid droplet(LD) 증가다.
LD는 항산화 버퍼 역할도 하고, 유리지방산(FFA)을 sequester함으로써 ER stress를 줄이는 효과가 있다.

내성 세포는 LD를 확 늘려놓고 다음과 같은 전략을 취한다:

• ROS 완충 → 항암제 유도 oxidative stress 회피
• FAO 증가 → 장기 생존 에너지 공급
• PUFA 보호 → ferroptosis 저항성

특히 ferroptosis가 중요한 항암제(예: cisplatin 저항성)에서는 PUFA 조성 변화가 내성의 핵심이다.

1-3. Central metabolism만 보면 놓치는 blind spot

RNA-seq에서 glycolysis나 TCA gene expression을 보면 변화가 거의 없어 보이지만,
실제 LC-MS/MS lipidomics로 lipid remodeling을 보면 훨씬 더 강력한 내성 signature가 잡히는 경우가 많다.

예: EGFR inhibitor 내성 세포

• transcriptome: EGFR pathway만 변화
• lipidomics: ether phospholipid + PUFA 증가 → ROS 회피 구조 확립

이처럼 내성은 전사체보다 지질 변화로 더 선명하게 드러나는 경우가 많다.

2. LC-MS/MS 기반 Lipidomics 분석 workflow

분석팀 관점에서 가장 문제 되는 건 두 가지다:

1. 분획(phase separation)
2. 지질 종류별 polarity 차이를 다 커버할 수 있는 chromatography

그래서 실제 workflow는 다음을 권장한다.

2-1. Extraction: MTBE 기반 단일 단계 추출

Bligh–Dyer 또는 Folch도 가능하지만, 분석 reproducibility 측면에서는
MTBE 기반 추출이 가장 안정적이다.

장점:

• phospholipid·sphingolipid·ceramide·neutral lipid 동시 수득
• 낮은 matrix effect
• batch 간 signal variation 감소

분석팀에서는 실제로 MTBE 기반으로 extraction 한 뒤 upper phase만 취해서 LC-MS로 올리는 방식이 reproducibility가 가장 안정적이었다.

2-2. LC 조건 설계 (Reverse-phase + HILIC 병행)

지질 종류가 워낙 다양하기 때문에 단일 LC 조건으로는 모든 class를 잡기 어렵다.

조합 추천:

• RP-LC: TG, DG, cholesterol ester, ceramide
• HILIC-LC: phospholipid(PC, PE, PI, PS), sphingolipid

국내 제약사 분석실 기준으로도 RP + HILIC 두 방식 병행이 가장 현실적이다.

2-3. MS/MS 분석 전략

• positive mode : PC, PE, TG, DG, CE
• negative mode : PI, PS, PG, PA
• MRM 기반 quantitation
• class-specific internal standard 사용 (13C 또는 deuterated IS)
• fatty acyl chain composition 추적을 위해 MS/MS fragment 확보

중요 포인트는 “class-specific IS를 넣지 않으면 absolute quantitation이 사실상 불가능”하다는 것.

2-4. Data processing

lipidomics는 데이터 후처리가 다른 omics보다 난이도가 높다.

대표적으로:

• isobaric lipid 구분
• adduct form(NH4+, acetate, sodium) 보정
• TG 같은 neutral lipid의 ionization efficiency 편차
• batch effect 보정

따라서 LipidSearch, MS-DIAL 같은 소프트웨어와 내부 DB를 병행해 curate하는 과정이 필요하다.

3. 항암제 종류별 lipidomics 기반 내성 메커니즘 케이스 정리

아래는 항암제 종류별로 실제로 자주 관찰되는 lipid remodeling 패턴들을
“연구실에서 실제로 보였던 느낌”으로 서술했다.

3-1. EGFR inhibitor 내성: Ether phospholipid 증가 + PUFA 축적

패턴

• ether-linked PC/PE 증가
• arachidonic acid(AA)-containing phospholipid 증가
• membrane fluidity 조절 → drug influx 감소
• ROS 억제 → apoptosis 회피

내성 메커니즘

EGFR 억제 후 세포가 OXPHOS 의존성이 높아지면 ROS가 증가한다.
이때 세포는 **ether phospholipid(특히 plasmalogen)**를 늘려 ROS 완충력을 확보한다.

또한 PUFA 비율을 조절해 ferroptosis sensitivity를 낮춘다.

조합 전략

• plasmalogen 합성 억제제
• SCD1 inhibitor
• ferroptosis inducer

이 조합이 EGFR inhibitor resistance를 강하게 깨뜨리는 것으로 보고됨.

3-2. Cisplatin 내성: Sphingolipid–ceramide 회피

패턴

• ceramide 감소
• sphingosine-1-phosphate(S1P) 증가
• SMase downregulation

cisplatin의 apoptosis 신호는 ceramide 축적을 통해 일어난다.
내성 세포는 SMase를 억제해 ceramide 생성을 차단하고,
대신 S1P를 증가시켜 생존 신호를 강화한다.

조합 전략

• Sphingosine kinase inhibitor + cisplatin
• ceramide analogs

3-3. ICI(PD-1/PD-L1) 저항성: Cholesterol-riched TME + OxLDL 축적

패턴

• 종양 침투형 T세포에서 cholesterol overload
• oxidized LDL(oxLDL) 증가
• T cell exhaustion 강화

TIL(Tumor-infiltrating lymphocyte)이 cholesterol-rich 환경에 노출되면
PD-1 신호가 더 강해진다는 결과가 많다.

조합 전략

• ACAT1 inhibitor (cholesterol esterification 억제)
• ICI 병용 → T cell 기능 회복

3-4. PARP inhibitor 내성: FAO 증가 + lipid droplet 축적

패턴

• FAO upregulation
• TG·DG 증가
• LD 증가

PARP 억제 후 DNA damage 복구 에너지가 부족해지면
세포는 FAO를 올려 ATP 공급을 늘리고 생존을 유지한다.

3-5. KRAS inhibitor 내성: MUFA 증가 + SCD1 의존성 강화

패턴

• MUFA/PUFA 비율 증가
• SCD1 발현 증가
• membrane saturation 증가 → ferroptosis 회피

KRAS 억제하면 ROS가 증가하면서 ferroptosis 민감도가 높아지는데,
내성 세포는 SCD1을 올려 MUFA를 늘리고 ferroptosis를 피한다.

조합 전략:
SCD1 inhibitor + KRAS inhibitor

4. Lipidomics 기반 내성 연구에서 Multi-omics 통합 포인트

지질 변화만 보면 원인을 파악하기 어렵기 때문에
다음과 같이 통합 분석이 많이 사용된다.

• lipidomics + RNA-seq: lipid metabolism gene regulation
• lipidomics + proteomics: lipid enzyme activation
• lipidomics + metabolomics: central metabolism–lipid flux 연결
• lipidomics + isotope tracing: fatty acid flux 재구성

특히 fatty acid synthesis(FASN), desaturation(SCD1), elongation(ELOVL) 축을
전사체와 함께 보면 내성 메커니즘이 훨씬 선명해진다.

5. 국내 제약사 관점에서의 R&D 활용 전략

한국 제약사가 이 전략을 활용하려면 다음 세 가지가 중요하다.

5-1. LC-MS/MS lipidomics 플랫폼 사내 구축

외부 CRO로 돌리면 reproducibility 확보가 쉽지 않다.
특히 지질은 extraction batch effect에 매우 취약해서
사내 분석팀이 직접 표준화하는 것이 최선이다.

준비해야 할 것:

• MTBE extraction SOP
• class-specific IS
• RP + HILIC LC 조건
• MS/MS fragmentation DB
• QC sample 기반 drift monitoring

5-2. 내성 모델(line/cell panel) 구축 + time-course lipidomics

항암제 내성 연구는 time-course가 필수다.

• acute response (6h–24h)
• adaptive response (3–7일)
• stable resistance (>2주)

이 세 단계를 lipidomics로 비교해야 “내성 생성 과정”이 보인다.

5-3. Combination therapy 타깃 발굴

지질 기반 vulnerability를 타깃으로 콤비네이션 후보를 만들 수 있다.

예:

• EGFRi-resistant → plasmalogen 합성 억제
• KRASi-resistant → SCD1 타깃
• PARPi-resistant → FAO 억제
• Cisplatin-resistant → ceramide signaling 재활성화

이런 데이터가 실제 신규 병용 전략의 근거가 될 수 있다.

 

항암제 내성은 대사 관점에서 보면 “지질 중심의 재배선(rewiring)”이 대부분이다.
그래서 LC-MS/MS 기반 lipidomics는
내성 연구에서 가장 후순위로 밀려 있으면서도, 가장 많은 정보를 주는 분석 기술이다.

전사체나 단백질만 보는 내성 연구는 반쪽짜리에 가깝고,
지질 데이터가 들어오면 비로소 “약물이 왜 듣지 않는지, 무엇을 조합해야 하는지”가 명확해진다.

LC-MS/MS 기반 Lipidomics 분석으로 항암제 내성 메커니즘 탐색