What is shared across 33 cancer types is the tissue, not the tumour: a non-malignant axis of the microenvironment
10,000개 이상의 TCGA 종양 샘플을 분석한 결과, 33가지 암 유형에서 재현되는 인과적 네트워크 구조는 종양 특이적 동인보다는 공유된 비악성 조직 미세환경 구성 요소에 의해 주도되며, 이는 벌크 데이터로부터의 범암적 인과 추론이 본질적인 종양 조절보다는 샘플 구성의 특징을 주로 반영한다는 것을 나타낸다.
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
암은 단일 질병이 아니라, 신체의 특정 조직 유형에서 발생하는 수백 가지의 서로 다른 상태들의 방대한 집합체입니다. 종양을 형성하는 세포가 문제의 가장 명백한 부분이지만, 종양은 진공 상태에서 존재하지 않습니다. 종양은 면역 방어 세포, 구조적 지지 세포, 혈관을 포함한 건강한 세포들의 복잡한 이웃에 둘러싸여 있습니다. 과학자들은 암세포가 어떻게 성장하고 퍼져나가는지를 알려주는 특정 지침을 찾기 위해 이러한 종양의 내부 배선을 지도화하려고 오랫동안 노력해 왔습니다. 연구자들의 희망은 여러 종류의 암을 동시에 연구함으로써, 그 모든 암을 몰아내는 공통된 규제 프로그램인 보편적인 규칙 세트를 찾아낼 수 있다는 것이었습니다. 만약 그러한 프로그램이 존재한다면, 이는 모든 암에 대해 개별적인 해결책을 요구하는 대신, 전반적으로 적용될 수 있는 새로운 치료법을 위한 강력한 표적이 될 것입니다.
새로운 한 연구는 이전과는 다른 방식으로 데이터를 살펴봄으로써 이러한 오랜 희망에 도전합니다. 연구진은 33가지 다른 유형의 암을 나타내는 1만 개 이상의 종양 샘플로부터 유전자 활성 데이터를 분석했습니다. 그들은 어떤 유전자가 다른 유전자를 켜거나 끄는지, 즉 유전자 간의 인과 관계를 찾기 위해 설계된 방법을 사용했습니다. 그러나 그들은 이러한 비교가 보통 어떻게 이루어지는지에 대한 근본적인 결함을 발견했습니다. 서로 다른 암은 자연스럽게 기능을 수행하기 위해 서로 다른 유전자 세트를 사용하기 때문에, 이들을 직접 비교하는 것은 두 도시의 서로 다른 지도를 같은 좌표를 보고 비교하려는 것과 같습니다. 위치는 같을지 몰라도, 한 지도는 공원을 보여주고 다른 지도는 고속도로를 보여줄 수 있기 때문입니다. 이를 해결하기 위해 연구진은 33가지 암 유형 모두를 정확히 동일한 100개의 유전자 목록을 사용하여 분석하도록 강제했습니다. 데이터를 이와 같이 정렬하고 나서야 비로소 그들은 서로 다른 질병들 사이에 진정으로 공유되는 것이 무엇인지 볼 수 있었습니다.
그들이 발견한 것은 놀라웠습니다. 암세포 자체를 구동하는 공통된 지침 세트를 밝혀내는 대신, 공유된 구조는 전적으로 종양을 둘ere 둘러싼 건강한 조직을 가리키고 있었습니다. 그들이 발견한 가장 일관된 패턴은 감염과 싸우는 백혈구의 일종인 면역 세포를 모집하는 신호 역할을 하는 세 개의 유전자 그룹이었습니다. 이 유전자들은 거의 모든 암 유형에서 함께 나타났지만, 암의 내부 기계의 일부는 아니었습니다. 대신, 이들은 종양의 환경을 나타내는 표식, 즉 샘플 내에 면역 활동과 구조적 조직이 얼마나 존재하는지를 나타내는 지표였습니다. 이 연구는 이러한 암 지도를 만드는 데 가장 흔히 사용되는 유전자들이 활동성에서 가장 많이 변하는 유전자들이라는 점을 보여주었습니다. 이 변동성이 큰 유전자들은 암을 유발하는 유전자가 아니라, 샘플 내의 건강한 세포 혼합을 설명하는 유전자들이었습니다. 암을 일으키는 것으로 알려진 실제 '드라이버(driver)' 유전자들은 너무 안정적인 활성을 보여서 분석을 위해 선택된 상위 100개 유전자에 포함되지도 않았습니다.
연구진은 또한 이러한 지도를 신뢰하기 위해 얼마나 많은 데이터가 필요한지에 대한 실질적인 규칙을 밝혀냈습니다. 그들은 연구에 샘플이 너무 적을 때, 연결 고리를 찾는 데 사용되는 컴퓨터 프로그램이 무작위 소음으로부터 패턴을 만들어내기 시작한다는 것을 발견했습니다. 실제 생물학적 근거가 남아 있지 않을 때 어떤 일이 일어나는지 확인하기 위해 데이터를 섞어봄으로써, 그들은 명확한 임계값을 식별했습니다: 100개의 유전자를 살펴볼 때 신뢰할 수 있는 실제 연결을 찾으려면 연구에는 최소 172개의 샘플이 필요합니다. 이 숫자보다 적으면 결과는 통계적 우연일 가능성이 높습니다. 이 발견은 더 작은 샘플 크기를 가진 많은 이전 연구들이 허위 연결을 보고했을 수 있음을 시사합니다. 또한, 이 연구는 33가지 암 모두에서 일관되게 나타난 소수의 연결이 암세포들 사이의 대화가 아니라, 종양의 존재에 반응하는 건강한 조직에 관한 것이었음을 확인했습니다.
이 작업의 함의는 과학자들이 암 데이터를 해석하는 방식에 있어 매우 중요합니다. 이는 연구자들이 여러 암에서 동일한 유전자 연결이 나타나는 것을 볼 때, 그것이 보편적인 암 메커니즘을 발견했다고 가정해서는 안 된다는 것을 시사합니다. 대신, 그들은 아마도 모든 종양을 둘러싸고 있는 공통된 건강한 조직의 반영을 보고 있는 것일 가능성이 높습니다. 이 연구는 암세포가 자신만의 고유한 배선을 갖지 못한다고 말하는 것이 아니라, 현재 그 배선을 찾기 위해 사용되는 표준 도구들이 주변 환경의 소음을 듣도록 조율되어 있다는 것을 의미합니다. 암의 진정한 드라이버를 찾기 위해 과학자들은 훨씬 더 넓은 범위의 유전자를 살펴보고, 실제 신호와 무작위적인 우연을 구분할 수 있을 만큼 충분한 샘플을 확보해야 할 것입니다. 그때까지 모든 암에서 재현 가능한 특징은 종양 자체가 아니라, 그것이 살아가는 조직입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.