🧬 biology

Cancer as a bistable order-repair transition: In silico comparison of evolutionary and atavism-targeting therapies

이 논문은 암을 이중 안정적 질서-복구 전이로 모델링하는 이론적 프레임워크를 제안하며, 종양의 격세적 취약성과 진화 역학을 표적으로 하는 치료법이 최대 내성 용량 전략보다 유의미하게 더 나은 생존 결과를 낸다는 것을 인 실리코(in silico) 시뮬레이션을 통해 입증한다.

원저자: Leon Sandler

게시일 2026-07-30

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Leon Sandler

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

당신의 몸을 하나의 분주하고 첨단 기술이 집약된 도시라고 상상해 보십시오. 이 도시의 모든 시민(세포)은 자신의 직무를 알고 있으며, 전체 메트로폴리스가 원활하게 돌아갈 수 있도록 엄격한 교통 법규를 준 따릅니다. 이 도시에서 "다세포 질서(multicellular order)"는 모두가 협력하고, 자원을 공유하며, 각자의 차선을 지키도록 유지하는 규칙 책입니다. 하지만 때때로 극심한 스트레스 상황이 닥치면, 몇몇 시민들이 이 규칙 책을 잊어버리고, 도시가 존재하기 훨씬 전의 먼 과거 시절처럼 고립된 늑대(lone wolves) 모드로 돌아가 생존만을 위해 움직이는 '적자생존'의 상태로 회귀하곤 합니다. 이것이 암의 기본 개념입니다. 즉, 협력이 무너지고 세포들이 집단의 말을 듣는 대신 자신만을 위해 싸우기 시작하는 현상입니다. 과학자들은 암세포에 최대 용량의 독성 물질(화학요법)을 퍼부으려 할 때, 우리가 의도치 않게 그들을 더 강하고, 빠르고, 죽이기 어렵게 만든다는 사실을 오래전부터 알고 있었습니다. 이는 마치 살충제를 너무 많이 사용하면 슈퍼 박테리아가 생겨나는 것과 같습니다. 암 연구의 핵심적인 질문은 이것입니다: 어떻게 하면 우리가 암세포를 무적의 괴물로 진화시키지 않으면서도 이들을 저지할 수 있을 것인가?

독립 연구자인 레온 샌들러(Leon Sandler)의 이 논문은 실제 실험실이 아닌 컴퓨터 시뮬레이션을 사용하여 이 질문을 다룹니다. 저자는 암을 단순히 무작위적인 돌연변이의 혼란이 아니라, 하나의 "이중 안정(bistable)" 시스템으로 구축한 디지털 모델을 만듭니다. 이것은 마치 스위치와 같아서, "ON"(건강하고 협력적인 조직) 또는 "OFF"(암적이고 혼돈스러운 조직) 중 한 곳에 고정될 수 있습니다. 논문은 종양이 충분히 커지고 스트레스를 받으면, 그 스위치를 "OFF" 위치로 돌려버리며, 일단 그 상태가 되면 스트레스 요인을 제거하더라도 그 자리에 머물게 된다고 제안합니다. 이 연구는 스위치를 다시 돌리거나 종양을 억제하는 다양한 방법들을 테스트합니다. 500마리의 가상 생쥐를 대상으로 한 컴퓨터 시뮬레이션 결과는 기존의 "최대 용량" 접근 방식이 가장 효과가 낮다는 것을 보여줍니다. 대신, 시뮬레이션은 스마트한 조합 치료가 가장 효과적임을 보여줍니다. 즉, 종양을 완전히 죽이지 않으면서도(진화를 유도하지 않기 위해) 크기를 작게 유지하는 "스마트"한 투여 전략을 사용하고, 스트레스 상황에서 종양이 돌연변이를 일으키는 능력을 차단하며, 그 후 면역 체계와 암세포가 정상적으로 돌아가는 법을 "기억"하게 만드는 약물을 사용하는 것입니다. "최대 용량" 전략을 사용한 가상 생쥐의 중앙 생존 기간은 단 74일에 불과했던 반면, 스마트 조합 전략은 이를 168일까지 늘렸습니다. 더욱이, 면역 요법과 재분화(redifferentiation) 약물의 특정 조합은 가상 생쥐의 33%가 400일 넘게 생존하도록 했습니다. 이 논문은 이것이 아직 병원에서 발견된 치료법이라고 주장하는 것이 아닙니다. 이는 수학에 의해 생성된 가설이며, 암을 이기기 위해서는 단순히 더 많은 독을 퍼붓는 것이 아니라 암의 약점(그들의 고대적이고 원시적인 생존 본능)을 공략해야 한다는 점을 시사합니다.

스위치와 늑대의 이야기

이 디지털 실험의 핵심으로 들어가 봅시다. 저자는 암을 두 가지 존재 상태 사이의 전투로 상상합니다. 한쪽에는 세포들이 예의 바르고 협력적인 이웃인 **질서(Order)**가 있습니다. 다른 한쪽에는 이기적이고 고대적인 단세포 늑대들이 있는 **혼돈(Chaos)**이 있습니다. 논문은 이 이웃이 얼마나 예의 바른지를 측정하기 위해 "질서 매개변수(order parameter)"라는 특별한 숫자를 사용합니다. 이 숫자가 높으면 모두가 협력하는 것이고, 낮으면 늑대들이 지배하는 것입니다.

문제는 이 시스템에 "끈적한" 스위치가 있다는 점입니다. 종양이 커지고 스트레스를 받으면(예를 들어 과도한 화학요법을 받을 때), 스트레스는 스위치를 "혼돈" 쪽으로 세게 누르는 무거운 장화와 같은 역할을 합니다. 일단 스위치가 내려가면, 장화(약물)를 치워도(투약을 중단해도) 종양은 다시 예의 바른 상태로 돌아오지 않습니다. 그것은 혼돈의 상태에 갇혀 버립니다. 이는 왜 치료를 중단해도 암이 항상 사라지지 않는지, 그리고 암세포가 다시 "성장"하도록 강제하려는 치료(재분화)가 왜 종양이 너무 클 때는 종종 실패하는지를 설명해 줍니다.

위대한 치료 경주

어떤 치료가 가장 효과적인지 알아보기 위해, 저자는 500마리의 가상 생쥐를 대상으로 경주를 설정했습니다. 각 생쥐는 디지털 종양을 가지고 있었으며, 저자는 어떤 전략이 가장 오래 생존하는지 테스트했습니다. 시뮬레이션에서 각 전략은 다음과 같이 진행되었습니다:

"최대 용량" 전략 (MTD): 이것은 전통적인 방식입니다. 종양에 DNA를 손상시키는 약물을 가능한 가장 강력한 용량으로 투여합니다.
- 결과: 약한 암세포를 죽이는 데는 잠시 효과가 있었습니다. 하지만 약물의 스트레스는 압력솥처럼 작용하여, 살아남은 세포들이 돌연변이를 일으켜 초강력 내성 세포가 되도록 강요했습니다. 결국 종양은 더 강해져서 돌아왔습니다. 가상 생쥐의 중앙 생존 기간은 74일이었습니다.
"스마트 투여" 전략 (적응형 치료): 종양을 박살 내는 대신, 이 전략은 종양을 죽이지 않고 작게 유지합니다. 세포가 돌연변이를 일으킬 만큼 스트레스를 주지 않으면서, 종양이 너무 커지는 것을 막을 정도의 적절한 양만 투여합니다.
- 결과: 종양에 스트레스를 주지 않았기 때문에, 암세포들은 괴물로 진화할 필요성을 느끼지 못했습니다. 이는 훨씬 나은 결과를 냈으며, 중앙 생존 기간을 133일까지 끌어올렸습니다.
"돌연변이 차단" (SIM-block): 논문은 스트레스가 엔진에서 불꽃을 튀기는 것처럼 돌연변이를 더 빠르게 만든다고 제안합니다. 이 전략은 그 돌연변이 엔진을 멈추기 위한 차단제를 추가합니다.
- 결과: 스마트 투여와 결합했을 때, 이것은 판도를 바꾸었습니다. 가상 생쥐의 중앙 생존 기간은 168일이 되었습니다. 종양은 억제되었고, 저항성을 진화시킬 수도 없었습니다.
"영 타겟(Young-Target)" 전략 (면역 + 재분화): 이것이 가장 흥고한 발견입니다. 논문은 암이 "격세유전(atavism)", 즉 고대의 원시적인 상태로의 회귀라고 주장합니다. 이는 암세포가 현대의 다세포 세포들이 사용하는 소통하고 협력하는 "젊은" 도구들을 잃어버렸음을 의미합니다.
- 전략: 면역 체계를 사용하여 암을 추적하고(면역 체계는 이러한 "고대" 세포를 포착하는 데 능숙함), 암세포가 정상적으로 돌아가는 법을 기억하도록 강제하는 약물(재분파)을 사용합니다.
- 결과: 이것이 장기 생존자를 만들어낸 유일한 전략이었습니다. 가상 생쥐의 **33%**가 400일째에도 여전히 살아있었습니다.

왜 "영 타겟"이 승리했는가

논문은 "영 타겟" 전략이 왜 그렇게 잘 작동했는지에 대해, 그것이 암의 강점이 아닌 약점을 공격하기 때문이라고 제안합니다. 암은 원시적인 단세포 생물처럼 생존하는 데는 능숙하지만, 현대적이고 협력적인 세포가 되는 데는 서툽니다. 면역 체계와 재분화 약물을 사용함으로써, 이 치료법은 암이 자신이 약한 전장에서 싸우도록 강제합니다.

저자는 시뮬레이션의 규칙을 모든 방향으로 30%씩 변경하며 결과가 우연인지 확인하기 위해 대규모 민감도 테스트를 수행했습니다. 답은 "아니오"였습니다. 치료법의 순위는 모든 테스트에서 동일하게 유지되었습니다. "영 타겟" 전략은 **94%**의 테스트에서 승자로 남았습니다. 이는 이 아이디어가 특정 숫자만을 이용한 운 좋은 추측이 아니라, 시스템이 작동하는 근본적인 속성임을 시사합니다.

시사점

이 논문은 실험실에서 암을 치료했다고 주장하는 것이 아닙니다. 이것은 수학과 컴퓨터 코드로 써 내려간 "만약에(what-if)" 이야기입니다. 이는 우리가 보통 암과 싸우는 방식, 즉 최대의 힘으로 죽이려 하는 방식이 오히려 우리가 막으려는 바로 그 현상, 즉 '진화'를 촉발할 수 있다는 점을 시사합니다.

대신, 시뮬레이션은 새로운 플레이북을 제시합니다:

종양이 진화할 정도로 스트레스를 주지 마십시오.
돌연변이를 일으키는 엔진을 차단하십시오.
면역 체계와 암세포가 "성장"하여 정상 세포로 기억하게 만드는 약물을 사용하십시오.

논문은 이 방식이 현실 세계의 테스트를 통해 증명되어야 하겠지만, 수학은 암의 "고대적" 약점을 공략하는 것이 혼돈에서 질서로 스위치를 되돌리는 열쇠가 될 수 있음을 시사한다고 결론짓습니다. 이는 희망적인 아이디어이지만, 현재로서는 이 이야기가 현실 세계에서 통할지 지켜봐야 하는 가상 생쥐와 수학적 모델의 세계에 머물러 있습니다.

기술 요약: 이중 안정적 질서-복구 전이로서의 암

문제 제기
현재의 이론적 종양학은 암을 무작위적인 돌연변이 축적이나 민감한 세포 클론과 저항성 세포 클론 사이의 순수한 진화적 경쟁으로 취급하는 경우가 많다. 진화 역학(예: 적응 치료)과 저항 기제는 잘 확립되어 있으나, 기존 모델들은 왜 특정 치료법이 종양 부하를 줄임에도 불구하고 실패하는지, 또는 왜 분화 치료가 이력 현상(hysteresis)에 의해 제한되는지를 설명할 수 있는 거시적 프레임워크가 부족하다. 특히, 암을 스트레스에 의해 유발된 고대 단세포 생존 프로그램으로의 회귀로 보는 "격세유전 가설(atavism hypothesis)"을 진화 역학과 결합하여, 조정된 가정(tuned assumptions)이 아닌 동역학적 구조로부터 치료 논리를 도출할 필요가 있다.

방법론
저자들은 진화 역학과 단일 이중 안정적 질서-복구 변수를 결합한 이론적 종양학 프레임워크를 제시한다.

질서-복구 엔진: 조직의 무결성은 질서 매개변수 $I \in [0,1]$ $I \in [0, 1]$ 로 모델링되며, 높은 $I$ $I$ 는 협력적인 다세포 상태를, 낮은 $I$ $I$ 는 격세유전적(준단세포적) 표현형을 나타낸다. 역학은 다음과 같은 평균장 감소(mean-field reduction)를 따른다: $dI/d\tau = \mu(I)(1 - I) - \rho I$ $d I / d τ = μ (I) (1 - I) - ρ I$ .
- 복구 ( $\mu$ ): 자기 증폭적이며 현재의 질서 상태에 의존한다.
- 침식 ( $\rho$ ): 약물 유도 DNA 스트레스( $D$ )와 종양 부하( $N$ )에 따라 상승하는 스트레스 플럭스이다.
- 이중 안정성(Bistability): 시스템은 두 개의 안정적인 상태를 보인다. 일단 종양이 저차원 질서의 영역(basin)에 안착하면, 스트레스를 제거하더라도 질서가 자동으로 복구되지 않으며, 이는 재분화 치료의 효능을 제한하는 이력 현상 루프를 생성한다.
진화 계층: 종양 세포는 수용 능력을 두고 경쟁하는 약물 민감성( $S$ ) 및 약물 저항성( $R$ ) 구획으로 나뉜다. 저항성은 적응도 비용(fitness cost)을 수반한다. 결정적으로, 저항성 획득에는 용량에 비례하는 스트레스 유도 항이 포함되며, 이는 박테리아의 SOS 반응과 유사한 "스트레스 유도 돌연변이(SIM)" 엔진을 모델링하며, 이는 억제 가능하다.
시뮬레이션 설계: 본 연구는 $n=500$ 마리의 가상 코호트를 활용하여 다양한 치료 프로토콜을 비교한다.
민감도 분석: 9개의 파라미터를 $\pm 30\%$ 범위 내에서 변화시키는 라틴 하이퍼큐브 전역 민감도 분석을 수행하여 견고성을 확보하였다.

주요 기여

통합 프레임워크: 본 논문은 진화적 경쟁(민감/저항)과 거시적 질서-복구 변수를 결합한다. 이 단일한 추가를 통해 하나의 프레임워크가 네 가지 뚜렷한 치료 논리(진화적 조향, 진화 가능성 억제, 분화, 면역 타겟팅)를 생성하고 연관 지을 수 있다.
이력 현상의 기계적 설명: 모델은 질서 매개변수의 이중 안정성으로부터 재분화 치료의 제한된 범위를 도출하며, 왜 단순히 스트레스를 제거하는 것만으로는 격세유전 상태를 되돌릴 수 없는지를 설명한다.
치료 논리의 역전: 모델은 격세유전 가설의 결론인 "강점이 아닌 약점을 타겟하라"를 지지한다. DNA 손상을 일으키는 약물에 의해 종양에 최대 스트레스를 가하는 것이 오히려 저항성을 생성하는 고대의 돌연변이 엔진을 활성화함으로써 자가당착적일 수 있음을 보여준다.
가설 생성: 본 연구는 확인적 연구가 아닌 가설 생성형 연구로 명시적으로 프레임화되었으며, 특정 임상 데이터에 맞추는 것이 아니라 동역학적 구조로부터 예측을 도출한다.

결과

세포독성 프로토콜: DNA 손상 프로토콜 중, 중앙 생존 기간은 최대 내성 용량(MTD)에서 적응 치료(Adaptive Therapy)로, 더 나아가 스트레스 유도 돌연변이(SIM) 차단이 결합된 적응 치료(A2 + A3)로 갈수록 단조롭게 증가했다.
- MTD: 중앙 생존 기간 74일.
- A2 + A3 (적응 + SIM 차단): 중앙 생존 기간 168일.
- 이는 억제와 진화 가능성 억제의 결합이 최대 세포 감소보다 우월함을 확인해 준다.
젊은 취약점 타겟팅: 최근에 진화된 의존성을 타겟팅하는 프로토콜만이 장기 생존자를 배출했다.
- A1 + A4 (면역요법 + 재분화): 400일째에 33.2%의 생존율을 달달성했다.
- 재분화 단독(A4)은 사망을 유의미하게 지연시켰으나(중앙값 284일), 이력 현상으로 인해 지속적인 퇴행을 이끌어내는 데는 거의 실패했다.
민감도 분석: 약물 군의 순위(MTD $\le$ SIM-block $\le$ adaptive $\le$ adaptive + SIM-block)는 100%의 민감도 샘플에서 보존되었다. 젊은 의존성(면역요법 $\pm$ 분화)을 타겟팅하는 것의 생존 이점은 94%의 샘플에서 보존되었다.
안면 타당성(Face Validation): 모델은 보정(calibration) 없이도 다음의 독립적인 결과들을 질적으로 재현했다:
- MTD가 저항성 재발을 초래하는 반면, 적응 치료는 통제 기간을 연장함.
- 적응 치료의 성공이 저항성의 적도 비용(fitness cost)에 의존함.
- 스트레스 유도 돌연변이에 의한 저항성 가속화.
- 면역요법의 이봉적(bimodal) "hot/cold" 반응.

의의 및 주장
본 논문은 왜 DNA 스트레스 요법이 자가당착적일 수 있는지, 그리고 왜 분화 치료가 이력 현상에 의해 제한되는지를 단지 저항 역학만으로는 설명할 수 없는 단일 동역학 프레임워크를 통해 설명한다고 주장한다. 또한 층위화된 치료 전략을 제안한다: 질병의 총량을 억제하고 진화 가능성을 억제하기 위한 적응형 + SIM 차단 세포독성 백본(backbone)과, 잔류 면역원성 세포를 제거하기 위한 면역요법 및 재분화의 결합이다.

저자들은 치료 순위가 임상적 우월성의 증거가 아니라 실험적으로 테스트되어야 할(예: 4T1 또는 B16과 같은 동종 유래 마우스 모델) 모델 생성 가설임을 강조한다. 모델은 격세유전 전제가 종양과 정상 샘플 간의 유전자 발현 변화, 특히 진화적으로 오래된(단세포) 유전자의 과발현을 분석함으로써 정량적으로 평가될 수 있음을 시사한다. 연구는 자신의 결과가 모델의 구조적 특성임을 밝히며, 암을 단순히 돌연변이의 집합이 아닌 다세포 질서의 붕괴로 이해하는 새로운 관점을 제공한다.

스위치와 늑대의 이야기

위대한 치료 경주

왜 "영 타겟"이 승리했는가

시사점

유사한 논문