Integrative transcriptome-based drug repurposing in tuberculosis

이 논문은 다양한 전사체 데이터를 통합하여 결핵의 숙주 지향 치료법으로 재창출 가능한 64 가지 FDA 승인 약물과 새로운 표적 유전자를 체계적으로 발굴하는 계산적 워크플로우를 제시합니다.

핵심

1. 문제 상황: 결핵이라는 강력한 적과 낡은 무기

결핵은 매년 백만 명 이상의 목숨을 앗아갑니다. 문제는 세균이 항생제에 점점 더 강해져서 (내성), 기존의 약이 잘 먹히지 않는다는 것입니다.

• 비유: 결핵균은 마치 강철로 된 방패를 쓴 괴물 같습니다. 우리가 쓰는 기존 항생제 (창) 는 이 방패를 뚫지 못하고 튕겨 나갑니다.

그래서 과학자들은 "괴물 자체를 죽이는 것" 대신, **"괴물이 숨어있는 우리 집 **(인체)을 생각했습니다. 이를 **숙주 지향 치료 **(HDT)라고 합니다.

2. 새로운 전략: "치약"을 찾아내자!

새로운 약을 처음부터 만드는 것은 돈도 많이 들고 시간도 오래 걸립니다. 대신, **이미 안전성이 입증된 다른 약들 **(예: 고혈압 약, 암 치료제 등)을 찾아내어 결핵 치료에 쓸 수 있는지 확인하는 '약물 재사용'이 가장 빠른 길입니다.

이 연구팀은 컴퓨터를 이용해 수만 개의 약물을 분석했습니다.

• 비유: 마치 수천 개의 레시피를 가진 요리사들이 있습니다. 우리는 "결핵에 걸린 사람의 몸 상태"라는 나쁜 요리를 만들어낸 원인을 찾아내고, 그 나쁜 맛을 **다시 원래의 좋은 맛 **(건강한 상태)으로 되돌려주는 약을 찾는 것입니다.

3. 방법론: 혼란스러운 목소리를 하나로 모으기 (가장 중요한 부분)

이 연구의 핵심은 **'데이터의 혼란'**을 해결한 점입니다.

• 문제: 결핵에 걸린 사람들의 데이터를 모아보니, 실험실마다, 사람마다, 사용하는 기계마다 결과가 다 달랐습니다. 어떤 사람은 "A 가 나빠졌고", 다른 사람은 "B 가 나빠졌다고" 했습니다. 마치 100 명의 사람들이 같은 노래를 불렀는데, 어떤 사람은 고음을, 어떤 사람은 저음을, 어떤 사람은 다른 악기로 불렀기 때문에 소리가 너무 시끄럽고 혼란스러웠던 것입니다.
• 해결책: 연구팀은 이 100 명의 목소리를 단순히 합치는 게 아니라, **가장 많이 들리는 공통된 멜로디 **(핵심 신호)를 찾아내는 지능적인 알고리즘을 만들었습니다.
  • 비유: 시끄러운 파티에서 가장 많이 반복되는 주제만 골라내어, "아, 이 파티의 진짜 분위기는 이거구나!"라고 파악한 것입니다. 이렇게 하면 어떤 실험실의 오류나 특정 사람의 편견에 흔들리지 않는 진짜 결핵의 특징을 파악할 수 있었습니다.

4. 발견한 보물: 64 개의 새로운 "치약" 후보

이 지능적인 분석을 통해 연구팀은 64 개의 기존 약물을 결핵 치료에 쓸 수 있는 강력한 후보로 선정했습니다.

• 이미 알려진 영웅들:

  • **스타틴 **(콜레스테롤 약) 결핵균은 우리 몸의 콜레스테롤을 먹으며 살아갑니다. 이 약으로 콜레스테롤을 막으면 결핵균이 굶어 죽습니다.
  • **타목시펜 **(유방암 약) 세포가 세균을 삼키는 능력을 키워줍니다.
  • 이건 마치 "치약으로 머리카락을 감으면 비듬이 잘 제거된다"는 것을 이미 알고 있었던 경우입니다.

• **새로운 영웅들 **(놀라운 발견)

  • **클로니딘 **(고혈압 약) 혈압을 조절하는 약인데, 면역 반응을 조절해서 결핵균을 퇴치할 수 있을 것으로 예상됩니다.
  • **아미오다론 **(부정맥 약) 등등.
  • *이건 마치 "치약으로 머리카락을 감으니, 머리카락이 더 윤기 있고 건강해졌다!"는 새로운 발견입니다.*

5. 네트워크 분석: 약이 어떻게 작동하는지 연결고리 찾기

연구팀은 단순히 "약이 좋다"는 것뿐만 아니라, 약이 우리 몸의 어떤 부위를 건드려서 결핵균을 잡는지도 찾아냈습니다.

• 비유: 결핵균과 약 사이에 **중간 다리 **(연결 고리)가 있습니다. 연구팀은 이 다리 역할을 하는 **12 개의 핵심 유전자 **(예: IL-8, CXCR2 등)를 찾아냈습니다.
  • 이 다리들을 통해 약이 면역 세포를 깨우거나, 세균이 숨어있는 구멍을 막는다는 것을 발견했습니다. 이는 앞으로 새로운 약을 개발할 때 표적이 될 수 있는 핵심 부품들입니다.

6. 시너지 효과: 약을 섞으면 더 강력해진다!

마지막으로, 연구팀은 "어떤 약을 섞으면 효과가 배가 될까?"를 분석했습니다.

• 비유: 고혈압 약 + 항생제를 섞으면, 고혈압 약이 결핵균의 방패를 무너뜨리고 항생제가 마무리를 짓는 식입니다.
• 반면, 섞으면 안 되는 약도 찾았습니다. (예: 세균의 성장을 늦추는 약과 세균의 세포벽을 공격하는 약을 섞으면, 세균이 느려져서 세포벽 공격이 효과가 없어질 수 있음). 이는 나쁜 조합을 미리 피할 수 있는 지도를 제공한 것입니다.

---

🌟 결론: 이 연구가 우리에게 주는 메시지

이 연구는 **"결핵이라는 거대한 산을 오를 때, 혼란스러운 지도 **(데이터)는 것을 보여줍니다.

1. 지능적인 분석: 수많은 데이터 속에서 진짜 중요한 신호를 찾아냈습니다.
2. 빠른 해결책: 이미 있는 약 (스타틴, 고혈압 약 등) 을 결핵 치료제로 쓸 수 있다는 가능성을 제시했습니다.
3. 미래의 나침반: 어떤 약을 섞어야 하고, 어떤 표적을 공략해야 하는지에 대한 구체적인 지도를 그렸습니다.

이 연구는 단순히 컴퓨터로 약을 찾는 것을 넘어, 결핵으로 고통받는 환자들에게 더 빠르고 효과적인 치료법을 제공할 수 있는 희망이 됩니다. 마치 낡은 치약으로 새로운 세상을 청소하는 것과 같은 창의적인 과학의 승리입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 결핵 (TB) 의 현황: 결핵은 전 세계적으로 감염성 질환 사망의 주요 원인이며, 항생제 내성 증가로 인해 치료의 난이도가 높아지고 있습니다.
• Host-Directed Therapeutics (HDT) 의 필요성: 병원체를 직접 죽이는 대신 숙주 면역 반응을 조절하여 치료 효과를 높이는 HDT 가 대안으로 부상하고 있습니다.
• 기존 접근법의 한계:
  • 기존 전사체 기반 약물 재창출 (Connectivity Mapping) 연구는 특정 데이터 플랫폼 (예: 마이크로어레이만 사용) 이나 단일 연결성 (connectivity) 점수 산정 방법에 의존하는 경우가 많았습니다.
  • TB 는 조직, 세포 유형, 감염 기간, 프로파일링 기술 (마이크로어레이 vs RNA-seq) 에 따라 전사체 서명이 매우 이질적 (heterogeneous) 입니다.
  • 이러한 이질성을 고려하지 않고 단일 데이터셋이나 단일 점수화 방법을 사용하면 예측의 불안정성과 편향이 발생할 수 있습니다.

2. 방법론 (Methodology)

연구팀은 TB 의 이질적인 전사체 데이터를 통합하고, 다양한 연결성 점수화 방법을 활용하여 강력한 HDT 후보를 선별하는 새로운 계산 워크플로우를 개발했습니다.

가. 데이터 수집 및 전처리

• 질병 데이터: GEO(Gene Expression Omnibus) 에서 수집된 10 개의 마이크로어레이 및 23 개의 RNA-seq 연구 (총 28 개) 를 활용했습니다. 이는 다양한 조직, 세포주, 감염 시점을 포함합니다.
• 약물 데이터: LINCS(L1000) 데이터베이스의 10 µM 농도, 24 시간 처리 조건에 해당하는 728 개의 FDA 승인 약물 서명 (총 6,093 개) 을 사용했습니다.

나. 통합 질병 서명 (Consensus Disease Signature) 구축

• 가중치 부여 평균화 (Weighted Aggregation): 개별 28 개의 질병 서명을 통합하여 '컨센서스 (합의) TB 서명'을 생성했습니다.
• 가중치 산정: 각 개별 서명의 다른 서명들과의 자카드 유사도 (Jaccard similarity) 를 기반으로 가중치를 부여했습니다. 유사도가 높은 서명 (더 많은 연구에서 일관된 신호) 에 높은 가중치를 주어, 특정 실험 조건이나 기술적 노이즈에 의한 편향을 줄이고 TB 의 핵심 숙주 반응 신호를 포착하도록 설계했습니다.

다. 다중 연결성 점수화 (Multiple Connectivity Scoring)

약물과 질병 서명의 역전 (reversal) 관계를 평가하기 위해 6 가지 연결성 점수화 방법을 통합 적용했습니다:

1. Enrichment-based (풍부화 기반):
   • CMAP 1.0 Connectivity Score (KS 검정 기반)
   • CMAP 2.0 (LINCS) 점수: WCS, NCS, Tau score (가중 KS 검정 및 정규화)
2. Correlation-based (상관 기반):
   • XCor (Pearson 상관)
   • XSpe (Spearman 상관)

• 순위 통합 (Rank Aggregation): 마이크로어레이와 RNA-seq 데이터, 개별 및 통합 서명에 대해 독립적으로 분석한 후, 'BiG' 방법을 사용하여 6 가지 점수화 방법 간의 일관성을 확보하고 강력한 후보를 선별했습니다.

라. 네트워크 분석 및 시너지 예측

• 네트워크 분석: STRING 데이터베이스와 DGIdb 를 활용하여 질병 유전자와 약물 표적 유전자 사이의 중간 연결 유전자 (bridging genes) 를 식별했습니다.
• 시너지/길항 분석: DrugCombDB 를 활용하여 예측된 HDT 후보와 기존 TB 항생제 간의 시너지 및 길항 효과를 MOA(작용 기전) 수준에서 평가했습니다.

3. 주요 결과 (Key Results)

가. 통합 서명의 유효성

• 통합 (aggregated) 서명은 개별 서명에서 일관되게 나타나는 '우세한 (dominant)' 생물학적 신호 (예: 인터페론 반응, 세포 주기 조절 등) 를 성공적으로 포착했습니다.
• 반면, 특정 조직이나 실험 조건에만 국한된 신호는 통합 과정에서 필터링되어, 더 일반화되고 강건한 TB 서명을 확보했습니다.

나. 고신뢰도 HDT 후보 64 개 식별

• 통합 워크플로우를 통해 64 개의 FDA 승인 약물을 고신뢰도 TB HDT 후보로 선별했습니다.
• 검증된 약물: 연구팀은 기존 실험적으로 검증된 약물인 **스타틴 (Rosuvastatin, Fluvastatin, Lovastatin 등)**과 **타모시펜 (Tamoxifen)**이 상위 랭킹에 포함됨을 확인하여 방법론의 타당성을 입증했습니다.
• 새로운 후보: 클로니딘 (Clonidine, 고혈압 치료제) 등 TB 치료에 대한 기존 문헌이 없거나 새로운 약물들이 예측되었습니다.

다. 작용 기전 (MOA) 및 경로 분석

• 선별된 약물들은 콜레스테롤 대사 억제 (HMGCR 억제제), 면역 조절 (사이토카인 신호 전달), PDGFR 억제 등 TB 병원체와 숙주 상호작용에 중요한 기전들을 표적으로 하는 것으로 나타났습니다.
• 네트워크 분석을 통해 HMGCS1이 콜레스테롤 대사와 사이토카인 신호의 교차점 (shared node) 으로 확인되었습니다.

라. 새로운 드러그블 타겟 (Druggable Targets)

• 질병 유전자와 약물 표적을 연결하는 12 개의 핵심 '중간 유전자 (bridging genes)'를 식별했습니다.
• 주요 유전자: IL-8, CXCR2, MCL-1, BAX, ITGB1 등.
  • 예: CXCR2 억제제는 TB 감수성 마우스 모델에서 폐 중성구 수를 감소시켜 병리 현상을 완화하는 것으로 알려져 있습니다.

마. 약물 시너지 및 길항 예측

• 시너지: 스타틴 (HMGCR 억제제) 과 HDAC 억제제 (레스베라트롤 등) 의 조합, 또는 다중 키나제 억제제 (Dasatinib 등) 가 TB 항생제 및 다른 HDT 와 시너지 효과를 보일 것으로 예측되었습니다.
• 길항: 지방산 합성 억제제와 세균 세포벽 합성 억제제의 조합은 세균 성장 속도를 늦춰 세포벽 약물의 효과를 감소시킬 수 있어 길항 효과가 예상됩니다.

4. 기여 및 의의 (Significance)

1. 이질성 해결을 위한 새로운 프레임워크: 다양한 전사체 플랫폼과 생물학적 조건 간의 이질성을 극복하기 위해 '가중치 부여된 서명 통합'과 '다중 점수화 방법'을 결합한 계산 프레임워크를 제시했습니다. 이는 단일 데이터셋에 의존하는 기존 연구의 한계를 극복합니다.
2. 강건한 HDT 발견: 알려진 HDT 를 재발견함과 동시에, 실험적 검증이 필요한 새로운 약물 후보 (클로니딘 등) 와 새로운 표적 유전자 (IL-8, CXCR2 등) 를 체계적으로 발굴했습니다.
3. 시스템 생물학적 통찰: 단순한 유전자 목록 나열을 넘어, 단백질 - 단백질 상호작용 (PPI) 네트워크를 통해 질병과 약물의 기전적 연결고리를 규명하고, 콜레스테롤 대사 및 면역 조절 경로의 중요성을 강조했습니다.
4. 임상적 적용 가능성: FDA 승인 약물을 대상으로 하므로 개발 기간과 비용이 단축되며, 시너지/길항 분석을 통해 향후 병용 요법 (Combination Therapy) 전략 수립에 기여할 수 있습니다.
5. 확장성: 이 프레임워크는 결핵뿐만 아니라 다른 감염성 질환의 HDT 발견에도 적용 가능한 일반화된 접근법으로 제시됩니다.

5. 결론

이 연구는 결핵 치료에 필요한 새로운 숙주 지향 치료제 (HDT) 를 찾기 위해 전사체 기반 연결성 매핑을 고도화했습니다. 데이터의 이질성을 통합하고 다양한 분석 방법을 결합함으로써, 실험적 검증이 가능한 64 개의 고신뢰도 약물 후보와 12 개의 새로운 드러그블 타겟을 도출했습니다. 이는 감염성 질환 치료제 개발을 위한 강력한 계산적 도구이자, 향후 실험적 검증 및 임상 적용을 위한 중요한 로드맵을 제공합니다.