화제의 최신 의학 논문 리뷰

암세포가 숨긴 '세 겹의 언어'를 동시에 해독하다 — 멀티오믹스가 바꾸는 정밀의학의 판도

Cahn

— 13 min read
암세포가 숨긴 '세 겹의 언어'를 동시에 해독하다 — 멀티오믹스가 바꾸는 정밀의학의 판도

도입 — 미충족 수요 또는 배경 문제 제시

암은 단일 질환이 아니다. 동일한 병리 조직형, 동일한 병기를 가진 두 환자에게 같은 항암 요법을 투여해도 한 명은 완전 관해를 얻고 다른 한 명은 조기에 내성을 보인다. 이 불일치의 핵심에는 우리가 아직 완전히 읽어내지 못한 **분자적 다층성(molecular heterogeneity)**이 있다.

지난 20년간 차세대염기서열분석(NGS)이 확산되면서 유전체 변이(somatic mutation, copy number alteration)를 기반으로 한 표적치료가 임상에 자리 잡았다. EGFR 변이 폐암에 오시머티닙을, BRCA 변이 유방암에 PARP 억제제를 쓰는 방식이 대표적이다. 그러나 유전체 단독 분석의 한계는 분명하다. DNA 서열이 같아도 전사(transcription)·번역(translation)·번역 후 변형(post-translational modification) 단계에서 전혀 다른 단백질 기능 지형이 펼쳐지기 때문이다. 실제로 소세포폐암 환자의 약 30–40%는 기존 표적약에 반응하지 않으며, 3중 음성 유방암(TNBC)의 5년 생존율은 여전히 77% 수준에 머문다(전이성은 12% 내외).

바로 이 지점에서 멀티오믹스(multi-omics) — 유전체(genomics), 전사체(transcriptomics), 단백체(proteomics)를 동시에 통합 분석하는 접근 — 가 등장한다. 세포 안에서 벌어지는 사건을 'DNA → RNA → 단백질'이라는 세 겹의 언어로 동시에 읽어냄으로써, 어느 한 층위만 봐서는 보이지 않던 치료 취약점과 내성 기전을 드러낸다. 문제는 이 방대한 데이터를 어떻게 임상적으로 의미 있는 결론으로 압축하느냐는 것이다. 이것이 2024–2025년 정밀의학 연구의 최전선에서 격렬하게 싸워지고 있는 과제다.

이 연구/주제가 지금 주목받는 이유

미디어·정책 맥락

2024년 초 미국 바이든 행정부의 Cancer Moonshot 2.0 업데이트는 멀티오믹스 기반 조기 진단과 치료 개인화를 핵심 우선순위로 명시했다. 유럽에서는 EU Cancer Mission이 2030년까지 암 생존율 70% 달성을 목표로 내걸며, 수십만 명 규모의 멀티오믹스 코호트 구축 예산을 확대했다. 국내에서도 2024년 보건복지부가 '첨단재생의료 및 첨단바이오의약품 지원 강화 계획'에 단백체 분석 인프라 투자를 포함시키며 주목받았다.

빅테크·바이오테크 투자

  • Microsoft·Recursion Pharmaceuticals 파트너십(2023년 말 발표, 5억 달러 규모): AI를 이용한 멀티오믹스 데이터 약물 후보 발굴
  • Tempus AI의 나스닥 상장(2024년 6월): 실제 임상 멀티오믹스 데이터베이스 기반 정밀의학 플랫폼으로 시총 80억 달러를 넘어섬
  • Flagship Pioneering의 Proteomics 스핀오프 및 Nautilus Biotechnology의 단일세포 단백체 플랫폼은 2024년 시리즈 C 자금 조달을 완료했다
  • Illumina·Veracyte·Foundation Medicine 등 기존 NGS 업체들도 전사체·단백체 패널을 기존 파이프라인에 통합하는 로드맵을 공개

논문 트렌드

2024년 Nature·Cell·Cancer Cell 등에 게재된 암 멀티오믹스 논문 수는 전년 대비 40% 이상 증가했으며(PubMed 기준 'multi-omics cancer' 키워드), 특히 **공간 전사체(spatial transcriptomics)**와 단백체를 결합한 연구가 새로운 축을 형성하고 있다.

핵심 분석

1. CPTAC 기반 대규모 통합 단백유전체 연구

미국 국립암연구소(NCI)가 주도하는 **임상단백유전체종양분석컨소시엄(CPTAC, Clinical Proteomic Tumor Analysis Consortium)**은 멀티오믹스 통합 분석의 가장 체계적인 플랫폼이다. 2023–2024년에 걸쳐 Cancer Cell에 발표된 CPTAC 폐편평세포암종(LSCC) 및 췌장암 코호트 연구는 각각 100명 이상의 신선 동결 종양 조직을 대상으로 WGS(whole-genome sequencing), RNA-seq, tandem mass tag(TMT) 기반 단백체, 포스포단백체(phosphoproteomics)를 동시 수행했다.

핵심 방법론:

  • WGS로 체세포 돌연변이·구조 변이 탐색
  • RNA-seq로 발현 서브타입 분류 및 스플라이싱 변이 확인
  • TMT-LC-MS/MS로 8,000–10,000개 단백질 정량
  • 인산화 단백체로 키나아제 활성 지형(kinase activity landscape) 재구성
  • 데이터 통합에는 iProFun, MOFA+ 등 다층 인자 분석 알고리즘 적용

주요 발견:

① 유전체–단백체 불일치(genomic-proteomic discordance): mRNA 발현 수준과 단백질 풍부도(protein abundance)의 상관관계는 암종에 따라 평균 Spearman ρ = 0.3–0.5 수준에 불과했다. 즉, 유전체나 전사체만으로는 실제 기능 단백질 풍부도를 예측하기 어렵다는 것을 대규모 데이터로 입증했다.

② 치료 취약 키나아제 발굴: 폐편평세포암 CPTAC 분석에서 CDKN2A 결실이 있는 subtype에서 CDK4/6 억제제 감수성과 연관된 단백체 서명이 확인됐으며, 기존 유전체 분류로는 놓쳤던 환자 20% 이상에서 새로운 치료 취약점이 제안됐다.

③ 면역 미세환경의 단백체 재정의: 단순 RNA 기반 면역 서브타입보다 단백체 기반 분류가 면역관문억제제 반응 예측에서 더 높은 구별력을 보였다(AUC 0.74 vs. 0.61).

2. 단일세포 멀티오믹스와 종양 이질성

2024년 Nature 및 Nature Medicine에 게재된 연구들은 단일세포 멀티오믹스(single-cell multi-omics) — 특히 단일세포 ATAC-seq(chromatin accessibility)와 RNA-seq를 동시 측정하는 10x Multiome 플랫폼 — 를 이용해 암세포 내 전사인자 조절 네트워크와 에피지놈 변화를 동시에 추적했다.

교모세포종(GBM) 연구(2024, Nature)에서는:

  • 종양 내 단일세포 단위에서 **줄기세포 유사 상태(stem-like state)**와 **간엽 전환(mesenchymal transition)**이 동일 클론 내에서 가역적으로 전환된다는 것을 발견
  • 이 가역적 상태 전환이 temozolomide 내성의 핵심 기전임을 단백체 검증으로 확인
  • 전사인자 FOSL1이 두 상태 전환의 분기점으로 작용하며, 이를 표적할 경우 in vitro에서 내성이 역전됨을 시사

3. 공간 멀티오믹스(Spatial Multi-omics)의 부상

기존 단일세포 오믹스는 조직의 공간적 맥락을 잃는다는 단점이 있었다. 2024년 Science에 발표된 Slide-tags 기술은 단일세포 해상도의 공간 전사체와 단백체를 동시에 측정할 수 있음을 보였으며, 대장암 코호트에 적용해 **종양-기질 경계면(tumor-stroma interface)**에서의 독특한 면역 억제 단백체 서명을 발굴했다.

특히 주목할 결과:

  • 종양 침윤 경계 50µm 이내 T세포는 공간적으로 분리된 T세포 대비 전혀 다른 탈진(exhaustion) 전사 프로그램을 구동
  • 이 공간 특이적 탈진 서명이 항PD-1 치료 반응과 독립적으로 연관(HR 0.41, 95% CI 0.23–0.74)

4. AI 기반 멀티오믹스 데이터 통합

데이터 통합의 최대 병목은 **차원의 저주(curse of dimensionality)**다. 유전체·전사체·단백체를 합치면 환자 1명당 수십만 개의 특성값이 생성된다. 2024년 Nature Methods에 발표된 MIDAS(Multi-modal Integrated Deep Archetypal Study) 프레임워크는 variational autoencoder(VAE) 기반 딥러닝으로 멀티오믹스 데이터를 저차원 잠재 공간(latent space)으로 압축하고, 결측 오믹스 레이어를 임퓨테이션하는 방법을 제안했다.

  • TCGA 10개 암종, 6,000명 이상 코호트 검증
  • 유전체만 사용 시 대비 생존 예측 C-index 0.09 향상
  • 표준 치료 반응 예측 정확도 기존 대비 18% 개선

임상·비즈니스 가치

임상 적용 가능성

현재 임상 진입 단계:
멀티오믹스 기반 분류가 실제 치료 결정에 반영되는 사례가 늘고 있다. NCI-MATCH(Molecular Analysis for Therapy Choice) 및 NCI-ComboMATCH 시험은 단백체·전사체 데이터를 유전체 분류에 보완적으로 사용하는 프로토콜을 2024년부터 도입하고 있다. 국내에서는 삼성서울병원·세브란스병원 등 주요 3차 병원이 CPTAC과 유사한 단백유전체 파이프라인을 연구 목적으로 가동 중이다.

예상 임상 이익:

  • 표적 치료제 선택의 정밀도 향상: 유전체 단독 선택 대비 실제 기능적 약물 반응 예측 정확도 약 15–25% 향상 추정
  • 내성 기전 조기 탐지: 연속 액체생검(liquid biopsy)에 단백체 마커를 결합하면 영상 진단보다 2–3개월 앞서 내성 출현 감지 가능성
  • 면역치료 환자 선별: RNA 기반 TMB 혹은 PD-L1 IHC만 사용 시보다 단백체 기반 면역 서명이 우수한 예측력을 보임

현실적 한계

  1. 비용과 처리 시간: 완전한 멀티오믹스 프로파일링(WGS + RNA-seq + TMT 단백체)의 비용은 현재 샘플당 수백만 원 이상이며, 결과 반환까지 2–4주가 소요된다. 급성기 치료 결정에 적용하기 어렵다.

  2. 표준화 부재: 각 기관마다 샘플 처리 프로토콜, 데이터 분석 파이프라인이 달라 결과의 재현성과 비교 가능성이 제한된다. FDA의 LDT(Laboratory Developed Test) 규제 강화(2024년 최종 규칙 발표)가 이 분야에 추가적인 허들로 작용한다.

  3. 신선 동결 조직 요구: 고품질 단백체 분석은 포르말린 고정 파라핀 포매(FFPE) 조직보다 신선 동결 조직에서 훨씬 우수하다. 일상적 임상 환경에서 신선 동결 바이오뱅킹 인프라 구축이 선결 과제다.

  4. 임상적 해석 역량 부족: 멀티오믹스 결과를 실제 처방으로 연결할 수 있는 **분자종양위원회(Molecular Tumor Board)**가 갖춰진 기관은 전 세계적으로도 소수다. 데이터 과학자·병리의·종양내과 전문의 간 협업 생태계 구축이 필수적이다.

  5. 무작위 대조 임상시험(RCT) 증거 부족: 현재까지 멀티오믹스 기반 치료 선택이 표준 치료 대비 OS(전체 생존) 혹은 PFS(무진행 생존)를 유의미하게 향상시켰음을 보인 대규모 RCT는 아직 없다. 대부분의 근거는 후향적 코호트 혹은 단일군 시험에서 나온다.

비즈니스 관점

멀티오믹스 정밀의학 시장은 2024년 약 85억 달러에서 2030년 250억 달러 이상으로 성장할 것으로 예측된다(MarketsandMarkets, 2024). 특히:

  • SaaS형 분석 플랫폼(Tempus, Guardant, Foundation Medicine): 병원이 직접 분석 인프라를 구축하지 않고 클라우드 기반 파이프라인을 구독하는 모델이 빠르게 확산
  • 데이터 네트워크 효과: 더 많은 환자 데이터를 확보할수록 AI 모델의 예측력이 향상되는 선순환 구조 — Tempus가 500만 건 이상의 실제 임상 오믹스 레코드를 보유한 것이 핵심 경쟁 우위
  • 제약사 R&D 파이프라인: 아스트라제네카, 로슈, 노바티스는 모두 임상 2상 이후 단계에서 멀티오믹스 바이오마커를 공동 일차 종료점으로 포함하는 시험을 증가시키는 추세
  • 리퀴드 바이오프시 + 멀티오믹스 융합: 혈액 기반 ctDNA·단백체·대사체 통합 패널이 조기 암 진단 시장(Grail Galleri 등)의 다음 세대를 정의할 것으로 예상

궁극적으로, 멀티오믹스가 임상 표준으로 자리 잡기 위해서는 비용 압축(단백체 분석 자동화, 나노포어 단백질 시퀀싱), 규제 경로 명확화, 그리고 RCT 수준의 임상 근거 축적이라는 세 과제를 동시에 해결해야 한다. 이 세 축이 수렴하는 시점이 정밀의학 2.0의 진정한 시작점이 될 것이다.

References

Read more

임상 노트와 의료 영상을 동시에 읽는 AI — 멀티모달 진단 모델은 의사를 대체할 수 있을까?

임상 노트와 의료 영상을 동시에 읽는 AI — 멀티모달 진단 모델은 의사를 대체할 수 있을까?

도입 — 미충족 수요 또는 배경 문제 제시 응급실에서 흉통으로 내원한 65세 환자를 생각해보자. 담당 의사는 흉부 X선, 심전도, 혈액 검사 결과, 그리고 환자의 과거 병력이 기록된 수십 페이지의 의무기록을 동시에 검토해야 한다. 현실에서 이 과정은 수십 분이 걸리고, 피로하거나 과부하 상태의 의료진이라면 중요한 단서 하나를 놓칠 수도 있다. 의료 현장에서

By Cahn
AI가 백인 남성을 더 잘 진단한다면? 의료 AI 공정성 문제, 이제는 피할 수 없다

AI가 백인 남성을 더 잘 진단한다면? 의료 AI 공정성 문제, 이제는 피할 수 없다

도입 — 미충족 수요 또는 배경 문제 제시 2023년 미국 응급실에서 한 흑인 여성 환자가 흉통을 호소했다. 담당 의사는 AI 기반 위험도 예측 도구를 참고했고, 시스템은 '저위험'으로 분류했다. 그러나 이 환자는 결국 급성 심근경색으로 진단됐다. 이것은 단순한 의료 오류가 아니다. 해당 AI 모델이 훈련된 데이터셋에서 흑인 여성 환자의

By Cahn
Long COVID의 숨겨진 적: 면역계가 자신을 공격하고, 세포의 발전소가 꺼진다

Long COVID의 숨겨진 적: 면역계가 자신을 공격하고, 세포의 발전소가 꺼진다

도입 — 미충족 수요 또는 배경 문제 제시 전 세계 COVID-19 감염자 수가 7억 명을 넘어선 지금, 급성기를 무사히 넘긴 환자들 사이에서 전혀 예상치 못했던 '두 번째 위기'가 수면 위로 떠오르고 있다. 바이러스가 사라진 뒤에도 수개월 혹은 수년 동안 지속되는 피로감·인지 장애·호흡 곤란·자율신경 이상 등의

By Cahn
의료 데이터의 전쟁: AWS HealthLake vs. Azure Health Data Services, 어느 클라우드가 병원을 지배할 것인가?

의료 데이터의 전쟁: AWS HealthLake vs. Azure Health Data Services, 어느 클라우드가 병원을 지배할 것인가?

도입 — 미충족 수요 또는 배경 문제 전 세계 병원과 의료기관이 매일 생성하는 데이터의 양은 상상을 초월한다. 2020년 기준으로 글로벌 헬스케어 데이터는 약 2,314 엑사바이트(EB)에 달하며, 2025년까지 연평균 36%의 성장률로 폭발적으로 증가할 것으로 예측된다. 문제는 이 방대한 데이터의 대부분이 여전히 파편화된 레거시 시스템, 비표준화된 포맷, 상호운용 불가능한

By Cahn