Game Theoretic Modeling of Cancer Healthy Cell Competition: A Population Dependent Nash Equilibrium Framework

인체의 미세한 세계에서 조직은 정적인 풍경이 아니라 세포들이 끊임없이 이웃을 평가하는 활발한 전쟁터입니다. 건강한 세포는 약하거나 손상된 상대 세포를 인식하고 제거하는 타고난 능력을 갖추고 있는데, 이는 '세포 경쟁(cell competition)'이라 불리는 생물학적 과정입니다. 이 메커니즘은 특히 피부나 장기의 내벽에서 자연적인 방어 시스템 역할을 하며, 변화가 시작된 세포들을 밀어냄으로써 종양 형성을 방지하는 데 도움을 줍니다. 수십 년 동안 과학자들은 수학적 모델을 사용하여 이 투쟁이 어떻게 전개되는지 이해하려고 노력해 왔습니다. 대부분의 모델은 상호작용을 고정된 게임으로 취급하여, 암세포가 얼마나 존재하느냐에 관계없이 건강한 세포의 방어 규칙과 강도가 결코 변하지 않는다고 가정했습니다. 그러나 실제 생물학적 시스템은 유동적입니다. 환경은 변화하고, 개체군은 성장하거나 축소되며, 세포가 받는 압력은 주변 환경에 따라 달라집니다. 이러한 정적인 관점은 왜 사람마다 종양의 성장 속도가 다른지, 혹은 왜 어떤 환자에게는 치료가 효과적이고 다른 환자에게는 실패하는지를 설명하는 데 어려움을 겪었습니다.

알리레자 에바디(Alireza Ebadi)와 마리암 하세미(Maryam Hashemi)의 새로운 연구는 고정된 규칙에서 벗어나 전투가 전개됨에 따라 변화하는 동적인 프레임워크로 이동함으로써, 이 갈등을 바라보는 다른 방식을 제안합니다. 연구진은 건강한 세포의 방어 강도가 일정하다고 가정하는 대신, 건강한 세포의 반격 능력이 매 순간 건강한 세포와 암세포의 비율에 직접적으로 의존하도록 하는 컴퓨터 시뮬레이션을 구축했습니다. 그들은 이를 '개체군 의존적 평형(population-dependent equilibrium)'이라고 부르는데, 이는 게임의 '규칙'이 특정 시점에 누가 이기고 있는지 또는 지고 있는지에 따라 스스로 업데이트됨을 의미합니다. 이 아이디어를 테스트하기 위해 연구팀은 조직의 디지털 모델, 즉 피부나 장기 내벽을 나타내는 격자를 만들고, 그 안에 건강한 세포와 암세포를 배치했습니다. 그들은 가상 세포들이 시간에 따라 어떻게 상호작용하는지 관찰했으며, 건강한 세포가 변화하는 적의 숫자에 맞춰 자신의 방어 전략을 학습하고 적응할 수 있도록 했습니다. 이는 마치 인구가 변화하는 위협에 반응하여 행동을 조절하는 것과 같습니다.

연구진은 다양한 요인들이 결과에 어떤 영향을 미치는지 확인하기 위해 수천 번의 시뮬레이션을 실행했습니다. 그들은 모델에 다양한 약물과 식이 요소를 도입하여 저울의 추를 다시 건강한 조직 쪽으로 기울일 수 있는지 확인했습니다. 시뮬레이션에서 건강한 세포는 수동적이지 않았습니다. 그들은 암세포에 맞서 적극적으로 밀어냈으며, 그들의 성공 여부는 싸우기 위해 얼마나 많은 세포가 남아 있느냐에 달려 있었습니다. 연구 결과, 아무런 개입 없이 모델을 그대로 두었을 때 암세포가 결국 점령하여 건강한 세포를 밀어내고 영토를 확장한다는 것을 발견했습니다. 이 결과는 치료가 없는 상태에서의 자연스러운 종양 진행 과정을 반영하며, 모델이 현실적인 방식으로 작동함을 확인시켜 주었습니다. 그러나 연구진이 특정 물질을 도입했을 때 결과는 극적으로 변했습니다. 그들은 아스피린과 VC1-8이라는 화합물을 포함한 7가지 약물과 함께, 높은 당분 섭취 및 흡연과 같은 5가지 식이 요인을 테스트했습니다.

결과는 명확한 효율성의 계층 구조를 보여주었습니다. 약물 중에서는 VC1-8과 아스피린이 건강한 세포가 자리를 지키도록 돕는 데 가장 성공적이었습니다. 이 약물들이 존재하는 시뮬레이션에서 건강한 세포는 더 큰 개체군을 유지했으며, 암세포는 공격적으로 확장하지 못하고 억제되었습니다. 모델은 이 약물들이 건강한 세포의 방어력을 높여 암세포 이웃을 제거하는 데 더 효과적으로 만듦으로써 작용한다고 시사했습니다. 반대로, 식이 요인들은 정반대의 효과를 냈습니다. 높은 당분 섭득과 흡연은 시뮬레이션에서 암 성장을 촉진하는 가장 강력한 동력이었으며, 암세포가 급격히 확장하여 건강한 세포를 멸종 직전까지 몰아붙이게 만들었습니다. 연구는 또한 약물과 나쁜 식단이 결합되었을 때 어떤 일이 일어나는지도 탐구했습니다. 시뮬레이션 결과, 건강한 식단과 효과적인 약물은 서로를 부분적으로 상쇄할 수 있는 반면, 나쁜 식단은 약물의 이점을 약화시킬 수 있다는 것이 밝혀졌습니다. 이는 세포가 존재하는 환경이 치료법 자체만큼이나 중요하다는 것을 시사합니다.

이 연구의 가장 중요한 측면 중 하나는 '학습'의 개념을 어떻게 다루느냐 하는 것입니다. 연구진은 단순히 세포가 정해진 대본을 따르도록 프로그래밍한 것이 아니라, 시뮬레이션이 진행됨에 따라 상황에 대한 이해를 업데이트하도록 했습니다. 그들은 믿음을 새로운 증거에 기반하여 업데이트하는 방법인 베이즈 학습(Bayesian learning)을 사용하여 세포의 방어 전략이 어떻게 진화하는지 추적했습니다. 시뮬레이션이 진행됨에 따라 모델의 내부 방어 강도 추정치는 실제 개체수와 점차 일치해 갔으며, 이는 시스템이 단순히 미리 작성된 규칙을 따르는 것이 아니라 환경으로부터 실제로 학습하고 있음을 보여주었습니다. 이러한 동적인 접근 방식 덕분에 연구진은 건강한 세포와 암세포 사이의 균형이 고정된 지점이 아니라, 모든 상호작용에 따라 변하는 움직이는 목표라는 것을 알 수 있었습니다. 연구는 광범위한 조건 하에서도 이 새로운 프레임워크가 안정적임을 확인했는데, 이는 두 세포 유형 간의 경쟁이 한쪽이 즉시 다른 쪽을 쓸어버리지 않고 오랫동안 지속될 수 있음을 의미하며, 이는 실제 종양의 느리고 복잡한 진행 과정과 일치하는 시나리오입니다.

연구진은 이러한 결과가 인간 환자나 동물에 대한 직접적인 실험이 아닌 컴퓨터 시뮬레이션에서 나온 것임을 주의 깊게 명시했습니다. 다양한 약물과 음식이 세포에 미치는 영향에 사용된 수치들은 자신들의 실험실에서 측정된 것이 아니라 기존의 과학 문헌으로부터 추정된 것입니다. 즉, 어떤 약물이 가장 효과적이고 어떤 음식이 가장 해로운지에 대한 순위는 그들이 사용한 데이터에 근거하여 정확할 가능성이 높지만, 실제 측정값이 확보되면 정확한 수치는 조정될 필요가 있다는 뜻입니다. 또한 모델은 인간 조직의 복잡한 3차원 구조를 평면적인 2차원 격자로 단순화했는데, 이는 이러한 유형의 계산을 위해 필요한 단계이지만 종양이 체내에서 침습하는 모든 세부 사항을 포착하지 못할 수도 있습니다. 그럼에도 불구하고, 이 연구는 암을 생각하는 강력하고 새로운 도구를 제공합니다. 종양과 건강한 조직을 개체수에 따라 규칙이 변하는 동적인 시스템으로 다룸으로써, 연구진은 서로 다른 치료법과 생활 습ön스 선택의 조합이 어떻게 함께 작용할 수 있는지 테스트할 수 있는 방법을 제시했습니다.

이러한 접근 방식은 개인 맞춤형 암 치료가 환자의 식단과 받는 약물의 특정 조합을 포함한 전체적인 그림을 살피는 것에서 이익을 얻을 수 있음을 시사합니다. 만약 환자가 강력한 약물을 복용하고 있지만 암 성장을 강력하게 촉진하는 식단을 섭취하고 있다면, 그 약물은 예상보다 효과가 떨어질 수 있습니다. 모델은 이러한 환경적 요인을 조절하는 것이 치료가 효과를 발휘하기 위해 필수적이라고 예측합니다. 이 연구는 암을 해결했거나 새로운 치료법을 발견했다고 주장하는 것이 아니라, 건강한 세포와 암세포 사이의 투쟁을 이해하는 더 명확하고 유연한 방법을 제공하는 것입니다. 이는 승자와 패자가 정해진 정적인 전투라는 관념을 넘어, 결과가 두 개체군 사이의 지속적이고 변화하는 협상에 달려 있음을 보여줍니다. 과학자와 의사들에게 이는 향avel한 치료가 단지 종양의 유전적 구성뿐만 아니라, 종양이 살아가는 동적인 환경에 맞춰 조정되어야 함을 의미합니다.