Machine Learning-Driven Identification of Therapeutic Checkpoints in Rheumatoid Arthritis: A Network-Based Approach to Discover Resolution- Promoting Agents

수십 년 동안 류마티스 관절염에 대한 의학적 접근 방식은 주로 방어적이었습니다. 의사들은 관절 통증과 부종을 유발하는 염증을 가라앉히기 위해 약물을 사용하여 신체의 과도한 면역 반응을 억제하는 데 집중해 왔습니다. 이러한 치료법은 많은 사람에게 도움이 되지만, 종종 지속적인 완치를 제공하지 못하여 상당수의 환자가 결코 완전히 사라지지 않는 질병을 안고 살아가게 만듭니다. 과학자들은 이제 단순히 염증의 볼륨을 낮추는 것만으로는 충분하지 않다는 사실을 깨닫고 있습니다. 인체에는 염증을 멈추고 스스로를 치유하는 자연적인 내장 메커니즘이 있는데, 이 과정을 '해결(resolution)'이라고 합니다. 건강한 사람의 경우, 감염이나 부상이 처리되면 특정 신호가 면역 체계에 대기를 명령하고 조직이 정상으로 돌아오도록 합니다. 류마티스 관절염에서는 이 '꺼짐 스위치'가 고장 난 것으로 보입니다. 새로운 분야인 해결 약리학(resolution pharmacology)은 단순히 공격을 억제하는 것이 아니라, 신체의 자체 치유 과정을 능동적으로 재가동하는 방법을 찾음으로써 이 문제를 해결하고자 합니다.

이슬람 아자드 대학교(Islamic Azad University)의 아흐마드 파티네자드(Ahmad Fathinejad)가 수행한 최근 연구는 컴퓨터 과학과 생물학을 결합하여 이 치유 과정이 어디에서 막히는지 구체적인 지점을 찾아냄으로써 이 문제에 대해 새로운 시각을 제시합니다. 연구자는 질병을 단순한 증상의 목록으로 보는 대신, 관절 내부의 염증이 생긴 조직을 함께 작동하는 수천 개의 유전자로 이루어진 복잡한 네트워크로 다루었습니다. 연구진은 류마티스 관절염 환자의 관절 조직에서 나타나는 유전적 활동을 분석하고 이를 건강한 조직과 비교함으로써, 신체가 스스로를 치유하는 것을 방해하는 유전적 네트워크의 정확한 부분이 어디인지 지도로 그려내고자 했습니다. 목표는 해결 과정을 재가동할 수 있는 핵심 제어 지점, 즉 '체크포인트'를 찾아낸 다음, 컴퓨터를 사용하여 그 스위치를 켤 수 있는 기존 약물들을 찾는 것이었습니다.

연구는 인간 관절 조직으로부터 유전 데이터를 수집하는 것으로 시작되었으며, 류마티스 관절염 환자의 샘플을 건강한 개인의 샘플과 신중하게 분리했습니다. 강력한 컴퓨터 알고 알고리즘을 사용하여 연구팀은 2만 개 이상의 유전 활동을 분석하여 질병이 있는 조직에서 어떤 유전자가 다르게 행동하는지 확인했습니다. 그들은 환자의 관절 조직에서 2,000개 이상의 유전자가 너무 과하게 작동하거나 혹은 제대로 작동하지 않고 있다는 것을 발견했습니다. 이 방대한 양의 정보를 이해하기 위해 연구진은 복잡한 데이터에서 숨겨진 패턴을 찾아낼 수 있는 인공지능의 일종인 머신러닝 기법을 사용했습니다. 연구팀은 컴퓨터 모델이 류마티스 관절염의 독특한 유전적 특징을 인식하도록 훈련시켰습니다. 모델이 단순히 데이터를 암기하는 것이 아니라 질병의 생물학을 실제로 학습하고 있는지 확인하기 위해, 연구진은 컴퓨터가 한 번도 본 적 없는 완전히 별개의 환자 그룹을 대상으로 테스트를 진행했습니다. 모델은 이 새로운 그룹에서도 높은 정확도로 질병을 식al별해 냈으며, 이는 모델이 찾아낸 유전적 패턴이 첫 번째 샘플 그룹의 우연한 결과가 아니라 실제적이고 일관된 것임을 입증했습니다.

컴퓨터가 질병과 건강을 안정적으로 구별할 수 있음을 확인한 후, 연구진은 모델을 사용하여 문제를 일으키는 가장 중요한 유전자를 특정했습니다. 연구진은 활성화된 수천 개의 유전자를 네트워크의 중심 허브 역할을 하는 단 15개의 핵심 요소로 좁혔습니다. MYC, PTPRC, JUN이라는 이름의 세 가지 저명한 유전자를 포함한 이 15개의 유전자는 결정적인 치료 체크포인트로 식별되었습니다. 이들은 생물학적 네트워크에서 해결 과정이 실패하고 있는 구체적인 지점들입니다. 이 연구는 만약 치료제가 이 특정 유전자들에 영향을 줄 수 있다면, 신체를 만성 염ồng 상태에서 다시 치유 상태로 강제로 전환하는 것이 가능할 수도 있음을 시사합니다. 이 접근 방식은 단순히 면역 체계를 차단하는 것을 넘어, 면역 체계를 자연스러운 결말로 인도하는 것을 목표로 합니다.

이 15개의 체크포인트가 식별되자, 팀은 다음 단계인 '그것들을 고치는 방법'으로 넘어갔습니다. 연구진은 의약품을 위한 디지털 검색 엔진처럼 작동하는 '역 시그니처 분석(reverse signature analysis)' 기술을 사용했습니다. 컴퓨터는 고장 난 체크포인트의 유전적 프로필을 가져와서, 정확히 반대의 효과를 낼 수 있는 화합물을 찾기 위해 방대한 약물 데이터베이스를 검색했습니다. 목표는 유전적 활동을 건강한 상태로 다시 밀어 넣을 수 있는 물질을 찾는 것이었습니다. 검색 결과, 마누마이신 A(Manumycin A)라는 화합물과 살레미드(Salermide)라는 두 가지 유망한 후보가 도출되었습니다. 또한 컴퓨터는 이미 치유 과정을 시작하는 데 도움을 주는 것으로 알려진 체내 자연 발생 분자인 15-데옥시-PGJ2(15-Deoxy-PGJ2)를 독립적으로 찾아냈습니다. 컴퓨터가 이 자연 치유 분자를 스스로 찾아냈다는 사실은 이 방법론이 올바르게 작동하고 있음을 보여주는 강력한 확인이 되었습니다. 마누마이신 A는 세포가 너무 빠르게 성장하는 것을 막는 것으로 알려져 있어 관절 조직의 비후를 줄이는 데 도움이 될 수 있으며, 살레미드는 염증을 조절하는 유전적 스위치에 작용하여 통증을 지속시키는 신호를 잠재울 수 있습니다.

본 연구는 머신러닝과 네트워크 분석의 결적인 결합이 치료제를 발견하는 강력한 새로운 방법을 제공한다고 결론짓습니다. 염증을 단순히 억제하는 것이 아니라 염증을 해결하는 신체의 능력에 초점을 맞춤으로써, 연구진은 새로운 치료제의 표적이 될 수 있는 소수의 유전자를 식별해 냈습니다. 또한 연구진은 코드와 데이터를 포함한 전체 과정을 공개 온라인 대시보드를 통해 다른 과학자들에게 제공하여, 누구나 이 발견을 탐구할 수 있도록 했습니다. 비록 이러한 결과들이 현재는 계산 과학적 단계이며 실험실 및 임상 시험에서의 추가 검증이 필요하지만, 이는 신체가 스스로 치유하도록 돕는 약물을 개발하기 위한 명확하고 데이터에 기반한 로드맵을 제공합니다. 이 연구는 류마티스 관절염을 치료하는 열쇠가 더 강력한 차단제를 찾는 것이 아니라, 신체의 회복 능력을 깨우는 올바른 열쇠를 찾는 데 있음을 시사합니다.