Single-cell proteomics 미래

Single-cell proteomics 미래

세포 평균의 시대에서 세포 개별 해석의 시대로

1. 왜 single-cell proteomics가 필요한가

기존 proteomics는 수천~수백만 개 세포의 평균값을 측정합니다.

하지만 실제 생물학은 평균이 아니라 이질성(heterogeneity) 위에서 작동합니다.

평균의 함정

예: 종양 조직

 

세포 유형	비율	특징
약물 민감 세포	80%	치료 반응
약물 내성 세포	20%	재발 원인

Bulk proteomics 결과 → “치료 효과 있음”
Single-cell proteomics → “내성 클론 존재”

👉 치료 실패 예측 가능

2. 기술적 전환점: single-cell proteomics를 가능하게 한 혁신

2.1 초저량 샘플 준비 기술

핵심 과제:

• 단일 세포 단백질 양: ~200 pg
• 손실 최소화 필수

주요 접근:

✔ nanoPOTS (nanodroplet processing)
✔ microfluidic sample handling
✔ ultra-low binding surface

👉 시료 손실 최소화

2.2 초고감도 질량분석 기술

기술 발전:

• ion transmission 효율 증가
• trapped ion mobility spectrometry (TIMS)
• parallel accumulation–serial fragmentation (PASEF)

👉 펩타이드 검출 민감도 향상

2.3 Carrier proteome 전략 (SCoPE-MS)

핵심 아이디어:

• single-cell sample + carrier proteome 혼합
• peptide identification 증가
• 정량 정보는 single-cell 기반 유지

👉 단일 세포에서도 proteome profiling 가능

3. Single-cell proteomics가 바꾸는 연구 패러다임

3.1 세포 아형(subpopulation) 규명

기존:

• marker 기반 세포 분류

앞으로:

• proteome 기반 기능적 아형 정의

예:

• 면역세포 활성 상태 분류
• 종양 미세환경 세포 지도 작성

3.2 약물 반응의 세포 수준 분석

Drug response heterogeneity 분석 가능:

✔ responder vs non-responder 세포
✔ 초기 내성 클론 탐지
✔ 적응적 신호 경로 활성화

👉 precision oncology 핵심 도구

3.3 세포 상태 전이(state transition) 추적

가능한 분석:

• 분화 과정 추적
• 면역 활성화 단계 분석
• 스트레스 반응 동역학

👉 단백질 수준의 동적 변화 이해

4. Transcriptomics 대비 proteomics의 강점

Single-cell RNA-seq는 이미 널리 사용되지만, 한계가 분명합니다.

항목	scRNA-seq	Single cell proteomics
실제 기능 반영	제한적	높음
PTM 분석	불가능	가능
단백질 활성 상태	추정	직접 측정
약물 표적 정보	제한적	직접 확인

👉 단백질 수준에서만 기능 해석 가능

5. 제약 산업에서의 활용 가능성

5.1 Drug target validation

• 특정 세포 아형에서만 발현되는 타겟 확인
• off-target effect 세포 특이성 평가

5.2 약물 내성 메커니즘 규명

Single-cell 수준에서:

• 내성 세포의 signaling pathway
• metabolic rewiring
• survival pathway 활성화

👉 조기 대응 전략 설계 가능

5.3 독성 평가

특정 세포군에 대한 선택적 독성 탐지:

• cardiomyocyte toxicity
• hepatocyte subpopulation 영향
• immune cell dysregulation

6. 남아 있는 주요 기술적 한계

6.1 단백질 커버리지 제한

현재:

• single cell당 ~1,000–3,000 proteins
• bulk proteomics 대비 제한적

👉 저농도 단백질 검출 어려움

6.2 정량 정확도 문제

• ion sampling stochasticity
• missing value 증가
• carrier proteome bias

👉 데이터 해석 복잡성 증가

6.3 처리량(throughput) 제한

현재:

• 수백~수천 세포 분석 가능
• scRNA-seq 대비 낮은 처리량

👉 대규모 코호트 적용 제한

7. 데이터 해석의 새로운 도전

Single-cell proteomics는 새로운 분석 문제를 제기합니다.

주요 과제

✔ zero inflation (미검출 문제)
✔ 기술적 노이즈 vs 생물학적 변이 구분
✔ batch effect 증폭
✔ 세포 상태 연속성 모델링

👉 통계 모델 및 AI 필요성 증가

8. 향후 10년 전망

8.1 기술 발전 방향

✔ 더 높은 감도
✔ label-free single-cell quantification
✔ 실시간 proteome 분석
✔ 공간정보(spatial proteomics) 통합

8.2 Spatial single-cell proteomics

단일 세포 정보 + 위치 정보:

• 종양 미세환경 구조 이해
• 면역세포 이동 경로 분석
• 조직 내 signaling gradient 분석

👉 조직 생물학의 새로운 차원

8.3 임상 적용 가능성

향후 적용 가능 영역:

✔ 암 치료 반응 예측
✔ 면역치료 반응 예측
✔ 희귀 세포 탐지 (CTC 등)
✔ 조기 질병 탐지

9. 가장 큰 변화: “평균 환자” 개념의 붕괴

Single-cell proteomics는 다음 개념을 무너뜨립니다.

❌ 평균 환자
❌ 평균 종양
❌ 평균 면역 반응

대신:

✔ 세포 수준 이질성
✔ 개인 맞춤 치료
✔ 동적 질병 모델

10. 분석팀이 지금 준비해야 할 것

필수 역량

• ultra-low input sample handling
• 고감도 LC-MS 최적화
• single-cell 통계 분석
• multi-omics 통합 분석
• AI 기반 패턴 인식

11. 핵심 메시지

Single-cell proteomics는 단순한 기술 발전이 아니라,

질병을 “세포 집단의 평균”이 아니라
“세포 개별 행동의 집합”으로 이해하는 패러다임 전환입니다.

 

마무리

Single-cell proteomics는 아직 완전히 성숙한 기술은 아니지만,
그 방향성은 명확합니다.

우리는 더 이상 “얼마나 많이 존재하는가”가 아니라,
“어떤 세포가 무엇을 하고 있는가”를 묻는 시대에 들어섰습니다.

이 질문에 답할 수 있는 기술이 바로 single-cell proteomics입니다.