암 돌연변이에서 생기는 작은 표지자인 신생항원(neoantigens)을 통해 암세포를 정확히 확인할 수 있게 됨으로써 차세대 면역요법 개발의 길이 열렸다.

전문가들은 암 백신이나 세포치료법에서 ‘올바른(right)’ 신생항원을 표적화하면 부작용을 최소화하면서 암을 제거할 수 있을 것으로 생각해 왔다.

그러나 종양에는 수백 개의 돌연변이가 존재할 수 있고, 그중 일부만이 암 면역반응을 일으키는 신생항원을 생성한다. 따라서 문제는 어떤 것이 암을 나타내는 신생항원이냐는 점이다.

미국 파커 암 면역치료 연구소(PICI)와 종양 신생항원 선별 연합(TESLA, the Tumor Neoantigen Selection Alliance) 암 연구소는 최근 어떤 신생항원이 암 살해 효과를 자극할 수 있는지를 더욱 잘 예측할 수 있는 매개변수를 발견해 내는 성과를 올렸다. <관련 동영상>

TESLA는 연구를 위해 36개의 최우수 생명공학회사와 제약사, 대학 및 비영리 과학연구팀을 한데 모아 이번 연구를 수행했다.

생명과학 저널 ‘셀’(Cell) 지 9일 자 온라인판에 발표된 이번 연구는 더욱 효과적인 개인 맞춤 암 치료 시대를 열 것으로 기대되고 있다.

36개 기관 협업으로 데이터 모델 개발

TESLA는 향상된 전산 분석을 통해, 어떤 암 표지자가 면역반응을 일으킬 가능성이 가장 높은지를 나타내는 다섯 가지 특성을 발견했다. 이 특성들은 크게 두 가지 주요 범주로 나뉜다. 하나는 신생항원이 암세포에 표현되는 방식이고, 다른 하나는 면역 시스템이 신생항원을 인식하는 방식이다.

이 다섯 가지 특성을 두드러지게 나타내는 데이터 모델을 또 다른 암 표본 세트에 시험하자, 효과적인 신생항원 표적 가운데 75%를 정확하게 예측했고, 효과 없는 표적의 98%를 걸러냈다.

논문 교신저자이자 PICI 선임 데이터 과학자인 대니얼 웰스(Daniel Wells) 박사는 “우리 목표는 TESLA에서 생성된 데이터가 새로운 신생항원 기반 치료법 개발을 위한 참고 표준이 되도록 하는 것”이라며, “만약 옛 방법이든 새로운 방법이든 이 데이터를 사용해 예측을 벤치마킹하면, 새로운 방법에서 전체 분야가 훨씬 더 빠르게 협업과 반복이 가능할 것”이라고 말했다.

웰스 박사는 논문 공동 시니어 저자인 나딘 드프라누(Nadine Defranoux) 박사와 TESLA를 함께 이끌고 있다.

각 TESLA 팀은 벤치마크를 생성하기 위해 흑색종 및 비소세포 폐암(NSCLC) 조직에 대한 가장 유망한 신생항원 예측치를 공개적인 과학 비영리 기구인 세이지 바이오네트웍스(Sage Bionetworks)에 제출했다.

이어 PICI에서는 어떤 예측이 올바르고 T세포에 의해 인식 가능한지를 교차 비교하고 검증했다.

신생항원 예측 위한 5가지 특성 확인

새로 발견된 다섯 가지 특성을 참여 팀의 알고리즘에 다시 적용하자 예측이 눈에 띄게 향상됐다.

저명한 신생항원 전문가이자 논문 공동 시니어 저자인 로버트 슈라이버(Robert D. Schreiber) 워싱턴의대(세인트루이스) 교수는 “지금까지 신생항원 예측은 일종의 블랙박스였으나 이제 어떤 특성이 중요한지 힌트를 얻었다”며, “TESLA에서 나온 데이터 모델은 이 다섯 가지 특성을 중요하게 식별한 최초의 연구”라고 평가했다.

이번 발견에서는 또 두 가지 예측 방법이 같지 않고, 대부분이 다른 것으로 나타났다. 어떤 팀의 방법론도 모든 신생항원과 암 표지자 모두를 식별해내지는 못했다. 이는 TESLA와 같이 여러 과학팀의 조화를 이룬 노력이 필요함을 가리킨다.

연구자 누구나 데이터세트 무료 이용 가능

다른 암 유형에 대한 추가 연구가 필요하지만, 이번 발견은 신생항원 연구를 위한 중요한 진전으로 평가되고 있다.

PICI의 연구 개발 부문 부회장인 리사 버터필드(Lisa Butterfield) 박사는 “이번 연구는 제약사와 연구자들의 수학 알고리즘을 개선할 수 있는 잠재력을 지니고 있다”고 말했다.

버터필드 박사는 “이를 통해 각 환자의 암에 존재할 가능성이 가장 높고 면역계에 가장 잘 포착될 신생항원의 우선순위를 높이고, 그렇지 않은 것은 우선순위를 낮출 수 있다”며, “이것은 곧 환자를 위한 더 나은 개별화된 맞춤 치료를 의미한다”고 밝혔다.

이 같은 종류로는 최대 규모인 TESLA의 전체 데이터세트는 연구자 누구나 무료로 사용할 수 있다. 연구팀은 이번 연구가 개인 맞춤치료를 가속화하고, 전 세계 암 환자들에게 치료 효과를 증진시킬 수 있기를 기대하고 있다.