🧬 biology

Network-Guided Systems Biology Prioritizes Regulatory Modulators, Potential Drug Targets, and Multi-Target Natural Candidate Compounds for Diabetic Nephropathy

본 연구는 전사체 분석, 네트워크 재구성 및 가상 스크리닝을 결합한 통합 시스템 생물학적 접근 방식을 활용하여 당뇨병성 신병증의 핵심 조절 모듈을 식별하고, 잠재적인 다중 타겟 천연물 치료 후보로서 에르고스탄형 스테로이드를 우선순위화한다.

원저자: Abhay Raj Kori, Mohammad Sahil Khan, Neha Singh, Pramod Katara

게시일 2026-10-06

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Abhay Raj Kori, Mohammad Sahil Khan, Neha Singh, Pramod Katara

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

당뇨병성 신병증은 신장을 손상시켜 종종 신부전으로 이어지는 당뇨병의 심각한 합병증입니다. 이는 높은 혈당 수치가 만성 염증과 흉터 조직의 축적을 포함한 일련의 해로운 사건들을 촉발할 때 발생합니다. 분자 수준에서 이 손상은 특정 유전자들이 과도하게 활성화되어 세포가 파괴적인 방식으로 행동하게 만드는 생물학적 경로를 켜면서 발생합니다. 이러한 과활성 유전자들은 마치 폭주하는 엔진과 같기 때문에, 과학자들은 이들을 늦출 수 있는 분자를 찾는 것이 질병을 멈출 수 있다고 오랫동안 믿어 왔습니다. 그러나 인체는 복잡한 연결망이며, 질병이 상호작용하는 신호들의 네트워크에 의해 유지되기 때문에 단일 유전자를 표적으로 삼는 것은 종종 실패합니다. 더 나은 해결책을 찾기 위해 연구자들은 고립된 부분만을 보는 대신 전체 시스템이 어떻게 기능하는지 이해하기 위해 이러한 복잡한 네트워크를 지도화하는 분야인 시스템 생물학에 주목하고 있습니다. 컴퓨터 모델의 유전자 활동과 천연 화합물 탐색을 결합함으로써, 과학자들은 네트워크의 여러 부분을 동시에 진정시킬 수 있는 약물을 식별하여 복잡한 질병을 치료하는 더 효과적인 방법을 제시하고자 합니다.

최근 연구에서 알라하바드 대학교(University of Allahabad)의 연구진은 새로운 치료 후보 물질을 찾기 위해 이 네트워크 가이드 접근 방식을 당뇨병성 신병증에 적용했습니다. 그들은 인간 신장 생검 데이터를 분석하여 건강한 개인과 진행된 당뇨병성 신병증을 앓고 있는 환자의 샘플을 비교하는 것으로 시작했습니다. 이 비교를 통해 수천 개의 유전자가 다르게 행동하고 있음이 드러났으며, 특히 너무 높게 활성화된 1,484개의 유전자에 초점을 맞추었습니다. 연구진은 이러한 과활성 유전자들이 질병을 주도하는 과잉 활성 병리적 연쇄 반응을 나타내므로, 억제의 가장 논리적인 표적이 될 것이라고 판단했습니다. 그들은 활성이 낮아진 유전자들은 다른 유형의 치료를 통해 회복시켜야 하므로 제외하고, 통제 불능 상태로 달리는 유전자들을 억제하는 데 집중했습니다.

이 방대한 양의 과활성 유전자 목록을 이해하기 위해, 연구팀은 마치 사람들이 누구와 대화하는지에 따라 군중을 그룹으로 분류하듯, 유전자들이 함께 움직이는 방식에 따라 이들을 클러스터로 조직했습니다. 그들은 75개의 뚜렷한 그룹을 식별한 후, 대사 약물의 표적으로 이미 알려진 유전자들을 포함하고 있으며 가장 긴밀하게 연결된 그룹을 찾아냈습니다. 이 과정은 가장 생물학적으로 관련성이 높은 모듈로 범위를 좁혀주었습니다. 그 후 그들은 이 유전자들이 생성하는 단백질들이 서로 어떻게 상호작용하는지에 대한 상세한 지도를 구축했습니다. 이 지도는 특정 단백질들이 시스템의 많은 부분을 연결하는 중심 허브 역할을 하는 조밀한 네트워크를 보여주었습니다. 이러한 허브들 중에는 면역 활성화, 염증 신호 전달, 그리고 세포를 붙잡아 주는 구조적 비계인 세포외 기질의 구성에 관여하는 단백질들이 있었습니다. 이 네트워크의 주요 플레이어로는 CD4, CCRR7, CSF1R, SYK와 같은 단백질들이 있었으며, 이들은 질병 과정을 조율하는 결정적인 조정자 역할을 하는 것으로 나타났습니다.

연구진은 단백질을 지도화하는 데서 멈추지 않고, 무엇이 이들을 조절하는지도 조사했습니다. 그들은 전사 인자(유전자 발현의 마스터 스위치 역할을 하는 단백질)와 마이크로RNA(유전자 활동을 미세하게 조정하는 작은 분자)가 어떤 것들이 이 허브들을 주도하는지 확인하기 위해 조절 네트워크를 구축했습니다. 그들은 NFKB1, RELA, SP1, STAT3를 포함한 소수의 전사 인자들이 광범위한 면역 및 염증 반응 프로그램을 조율하고 있음을 발견했습니다. 마찬가지로, 특정 마이크로RNA는 여러 질병 관련 유전자에 동시에 영향을 미칠 수 있는 핵심 조절자로 식별되었습니다. 이러한 다층적인 관점은 질병이 조절의 견고하고 상호 연결된 시스템에 의해 유지된다는 것을 시사하며, 이는 왜 단순한 단일 표적 치료가 지속적인 완화를 제공하는 데 어려움을 겪는지 설명해 줍니다.

이 종합적인 질병 지도를 손에 넣은 후, 팀은 치료법을 찾는 데 착수했습니다. 그들은 식물 유래 천연 화합물에 집중했는데, 이러한 물질들이 생물학적 시스템과 상호작용하도록 진화했으므로 여러 표적을 동시에 조절할 수 있을 것이라고 판단했기 때문입니다. 그들은 276,000개 이상의 방대한 식물 유래 화합물 라이브러리로 시작하여, 효과적이고 안전할 가능성이 가장 높은 화합물을 찾기 위해 엄격한 일련의 필터를 적용했습니다. 그들은 너무 크거나, 약물과 같은 특성이 부족하거나, 생물학적 활성이 낮을 가능성이 높은 분자 클래스에 속하는 화합물들을 제거했습니다. 이 과정을 통해 목록은 플라보노이드, 알칼로이드, 테르페노이드를 포함한 640개의 고신뢰도 후보 물질로 압축되었습니다.

마지막 단계로, 연구팀은 컴퓨터 시뮬레이션을 사용하여 이 640개의 천연 화합물이 자신들의 네트워크 내에서 가장 중요한 29개의 단백질 표적에 얼마나 잘 결합하는지 테스트했습니다. 분자 도킹(molecular docking)이라고 불리는 이 가상 스크리닝을 통해 연구진은 어떤 화합물이 질병 유발 단백질의 활성 부위에 단단히 들어맞을지 예측할 수 있었습니다. 그들은 상호작용을 지도화하기 위해 18,000회 이상의 시뮬레이션을 실행했습니다. 결과는 에르고스탄형 스테로이드(ergostane-type steroids)로 알려진 특정 화합물 그룹이 가장 유망한 후보임을 강조했습니다. LTS0003161, LTS0144363, LTS0182645를 포함한 여러 스테로이드들은 서로 다른 여러 단백질 표적에 동시에 강력하게 결합할 수 있는 능력을 보여주었습니다. 실제로, 상위 후보들은 질병 네트워크에 관여하는 최대 9개의 서로 다른 단백질과 상호작용할 수 있는 것으로 예측되었습니다.

이 연구는 이 에르고스탄형 스테로이드들이 다중 표적 길항제(multi-target antagonists)로 작용할 수 있음을 시사하는데, 즉 이들은 당뇨병성 신병증을 주도하는 여러 과잉 활성 경로를 동시에 억제할 수 있다는 의미입니다. 염증, 면역 신호 전달 및 섬유증에 관여하는 단백질들과 결합함으로써, 이 천연 화합물들은 단일 표적만을 겨냥하도록 설계된 약물보다 더 포괄적인 치료 접근법을 제공할 잠재력이 있습니다. 그러나 연구진은 이러한 결과가 컴퓨터 시뮬레이션과 네트워크 분석에 기반하고 있다는 점을 강조합니다. 데이터는 향로 조사를 위한 강력하고 데이터 중심적인 가설을 제공하지만, 이 화합물들의 실제 생물학적 활성과 안전성은 아직 살아있는 세포나 동물에서 테스트되지 않았습니다. 이 작업은 특정 분자 표적과 천연 후보 물질을 식별함으로써, 이들이 정말로 이 쇠약하게 만드는 질환에 효과적인 치료제가 될 수 있는지 확인하기 위한 실험적 검증을 위한 로드맵 역할을 합니다.

기술 요약: 네트워크 가이드 시스템 생물학을 통한 조절 모듈레이터, 잠재적 약물 타겟 및 당뇨병성 신병증을 위한 다중 타겟 천연 후보 화합물의 우선순위 선정

문제 정의
당뇨병성 신병증(Diabetic Nephropathy, DN)은 대사 불균형, 만성 염증, 산화 스트레스 및 섬유화 재형성 사이의 복잡한 상호작용에 의해 유발되는 말기 신질환의 주요 원인이다. 전사체 연구를 통해 DN에서의 비정상적인 유전자 발현 패턴이 확인되었으나, 이 분야에는 이러한 분자적 변화를 우선순위가 지정된 치료 전략으로 변환하기 위한 체계적인 프레임워크가 부족하다. 구체적으로, 억제성 저분자 화합물에 의해 억제될 수 있는 과활성화된 병리적 폭포(pathological cascades)를 식파하고, 질병의 다요인적 특성을 해결할 수 있는 다중 타겟 천연 화합물을 발견할 필요가 있다. 현재의 치료 옵션은 종종 부작용과 타겟 특이성의 부족이라는 한계를 지니고 있어, 견고한 질병 모듈과 잠재적 천연 길항제를 식별하기 위한 데이터 기반 접근 방식이 요구된다.

방법론
본 연구는 전사체 분석, 분자 네트워크 재구성 및 구조 기반 가상 스크리닝을 결합한 통합적 in silico 시스템 생물학 워크플로우를 채택하였다.

데이터 수집 및 전처리: 인간 신장 생검 조직(대조군 vs. 진행된 DN)에서 얻은 RNA-Seq 데이터를 유럽 뉴클레오타이드 아카이브(ENA/BioProject PRJNA595590)에서 추출하였다. 원시 리드(raw reads)는 표준 파이프라인(FastQC, Trimmмати, HISAT2, featureCounts)을 사용하여 품질 제어, 트리밍 및 인간 참조 게놈(GRCh38)에 정렬되었다.
차등 발현 및 클러스터링: 차등 발현 분석(DESeq2)을 통해 2,075개의 차등 발현 유전자(DEG)를 식별하였다. 본 연구는 억제제에 의해 억제될 수 있는 과활성화된 병리적 폭포를 나타내는 1,484개의 상향 조절된(upregulated) 유전자에 의도적으로 집중하였는데, 이는 하향 조절된 유전자가 연구 범위를 벗어난 효능제(agonistic) 요법을 필요로 하는 것과 대조적이다. 이 상향 조절된 유전자들은 K-means 클러스터링( $k=75$ )을 통해 공발현 모듈을 형성하였다. 견고한 모듈은 높은 클러스터링 계수( $\ge 0.7$ )와 DrugBank에 큐레이션된 대사 약물 타겟과의 교집합을 기준으로 정의되었다.
네트워크 재구성:
- PPI 네트워크: 고신뢰도 단백질-단백질 상호작용(STRING v12.0, 점수 $\ge 0.70$ )을 구축하고 단일 상호작용 노드를 제거하였다. 허브 단백질은 degree 및 betweenness 중심성 지표(cytoHubba)를 사용하여 식별되었다.
- 조절 네트워크: 허브 유전자를 miRNet 2.0을 통해 분석하여 '유전자–miRNA–TF' 조절 네트워크를 구축함으로써, 이들 질병 프로그램을 안정화하는 전사 인자(TF)와 마이크로RNA(miRNA)를 식별하였다.
기능적 농축: 유전자 기능(GO) 및 KEGG 경로 분석을 수행하여 우선순위가 지정된 유전자 모듈의 생물학적 기능을 규명하였다.
가상 스크리닝 및 도킹:
- 화합물 라이브러리: LOTUS 데이터베이스에서 항당뇨 관련성, 약물 유사성(Lipinski's Rule of Five), 구조적 클래스(예: 플라보노이드, 테르페노이드, 알칼로이드)를 기준으로 필터링된 640개의 고신뢰도 천연 화합물 라이브러리를 큐레이션하였다.
- 타겟 선정: 허브 상태, 경로 농축 및 고해결 결정 구조( $\le 2.5$ Å)의 가용성을 기준으로 29개의 단백질 타겟을 우선순위화하였다.
- 도킹: 단백질 전체 표면을 덮는 동적 그리드 박스를 사용하여 AutoDock Vina 1.2.5를 이용한 블라인드 분자 도킹을 수행하였다. 결합 친화도가 $\le -8$ kcal/mol인 화합물들을 보유하였다.
네트워크 약리학 분석: 다중 타겟 리간드(질병 관련 타겟 $\ge 2$ 개와 상호작용하는 화합물)를 식별하기 위해 이분형 단백질-리간드 상호작용 네트워크를 구축하였다.

주요 결과

질병 모듈: 상향 조절된 DEG의 클러스터링 결과, 면역 활성화, 염증 신호 전달 및 세포외 기질(ECM) 조직화가 풍부한 14개의 견고하고 연결성이 높은 유전자 모듈이 발견되었다.
허브 단백질: PPI 네트워크는 CD4, CCR7, CSF1R, FBN1, ITGA4, LCK, SYK, TLR6를 포함한 핵심 허브 단백질을 식별하였다. 이 노드들은 면역-신장 상호작용 및 ECM 재형성의 중심 조절자 역할을 한다.
조절 구조: 조절 네트워크는 주요 전사 인자로 NFKB1, RELA, SP1, STAT3를, 주요 miRNA로 hsa-let-7a-5p, hsa-miR-21-5p 등을 강조하였다. 분석 결과, 유의미한 피드포워드 루프(feed-forward loop) 모티프가 관찰되었으며, 이는 질병 상태를 강화하는 다층적 조절 회로를 시사한다.
기능적 농축: 농축 분석은 면역 세포 활성화, 백혈구 증식 및 식세포 작용 경로와 더불어 ECM 구조 구성 요소의 우세함을 확인하였으며, 이는 DN의 알려진 병태생리와 일치한다.
다중 타겟 후보 물질: 640개의 천연 화합물을 29개 타겟에 대해 도킹한 결과 18,502회의 시뮬레이션을 수행하였다. 네트워크 분석을 통해 **에르고스탄형 스테로이드(ergostane-type steroids)**를 가장 유망한 다중 타겟 후보군으로 식별하였다.
- 최상위 후보: 리간드 LTS0003161, LTS0144363, LTS0182645는 각각 9개의 서로 다른 단백질 타겟과 상호작용하며 가장 높은 네트워크 연결성을 보였다.
- 결합 친화도: 이 화합물들은 최적의 결합 에너지가 약 -12.09 kcal/mol에 달하는 유리한 이론적 결합력을 입증하였다.
- 타겟 범위: 이 다중 타겟 리간드들은 인슐린 신호 전달, 염증 반응, 산화 스트레스 및 섬유화 재형성에 관여하는 단백질들을 공략하며, 이는 경로 수준의 조절 능력을 시사한다.

의의 및 주장
저자들은 본 연구가 당뇨병성 신병증의 분자적 복잡성을 규명하기 위한 강력한 데이터 기반 프레임워크를 제공한다고 주장한다. 차등 발현된 유전자 모듈을 큐레이션된 약물 타겟에 결합함으로써, 본 연구는 DN의 진행이 고립된 분자적 사건이 아닌 협력적인 네트워크에 의해 구동됨을 입증한다.

본 연구의 주요 의의는 에르고스탄형 스테로이드를 잠재적인 다중 타겟 치료 후보 물질로 식별했다는 점에 있다. 본 연구는 DN 치료를 복잡하게 만드는 동일한 네트워크 특성(특히 대사 스트레스, 면역 활성화 및 섬유화의 수렴)이 오히려 합리적인 다중 타겟 전략을 위한 기회를 창출한다는 가설을 제시한다. 식별된 화합물들은 주요 병리 축에 걸친 핵심 단백질들을 동시에 공략함으로써, 단일 타겟 제제에 비해 이론적인 우위를 제공할 것으로 기대된다.

저자들은 본 연구의 결과가 "향후 실험적 검증을 위한 견고하고 데이터 기반의 가설을 생성한다"고 명시적으로 밝히고 있다. 그들은 본 연구가 in silico 방법을 통해 기전적으로 근거 있는 치료 후보 물질을 성공적으로 우선순위화했음에도 불구하고, 결과는 여전히 예측치임을 강조한다. 결론적으로, 임상적 전환 이전에 생물학적 활성, 약동학 및 안전성을 확인하기 위해 세포, 동물 및 임상 모델에서의 실험적 검증이 필수적이다. 본 연구는 DN을 위한 다중 타겟 치료제 개발을 촉진하기 위한 질병 모듈, 조절 드라이버 및 후보 화합물의 자원 역할을 한다.

유사한 논문