암환자가 스스로 면역반응을 일으키도록 유도하는 항원을 판별하는 프로그램이 개발되어, 맞춤형 항암치료 시대에 한 걸음 다가갔다. 김상우 교수(연세대학교) 연구팀이 차세대 염기서열법으로 암 특이적 항원을 정확히 찾아내는 기술을 개발했다고 한국연구재단은 밝혔다.

정상 세포가 암세포로 변하면 원래 세포에 없던 단백질이 만들어지고 그 일부는 면역반응을 일으키는 ‘신항원(neoantigen)’이 된다. 면역항암치료는 수지상세포, 자연살해세포, T-세포와 같은 면역세포를 암세포의 신항원에 반응하게 하여 암을 죽이는 방법이다.

면역항암치료는 기존 항암제와 달리 암의 종류에 구애받지 않고 부작용이 거의 없는 장점이 있다. 하지만 항원을 정확하게 찾아내기 힘들어 전체 환자의 약 20% 정도에서만 효과를 보인다. 항원 분류의 정확도를 높여야, 환자의 암세포 특이적인 항원을 찾아 효과적인 백신을 만들 수 있다.

연구팀은 개인의 유전자 서열정보를 값싸고 빠르게 알아내는 차세대 염기서열법으로 신항원의 생성여부를 판단하는 프로그램을 개발하고 이를 ‘네오펩시(Neopepsee)’라고 명명했다.

암세포는 정상세포보다 DNA 변이가 훨씬 많이 생기는데, 네오펩시는 누적된 DNA 변이로 인해서 만들어진 변형 단백질의 종류를 분석해낸다. 단백질의 서열, 크기, 전하량 등 아홉 개의 분자 특성을 이용하여 면역반응을 일으키는 지 여부를 판단한다.

변형 단백질과 세포 내 단백질(주조직적합성복합체)의 결합성만을 활용하는 기존 방법에 비해, 네오펩시는 더 많은 단백질 특성을 활용하므로 정확성이 높다. 피부암의 일종인 흑색종을 대상으로 네오펩시를 활용했을 때 최대 3배의 정밀도를 보였다.

네오펩시는 기계학습법(machine learning)을 기반으로 약 1만 5천 건의 데이터를 학습하여 면역반응을 판단하도록 설계되었다.

또한 연구팀은 암세포 내 변형 단백질 서열이 세균, 바이러스 등에 존재하는 항원과 비슷할수록 면역반응을 잘 일으킨다는 사실도 추가적으로 밝혀냈다.

김상우 교수는 “네오펩시는 환자가 가지고 있는 유전자 돌연변이만으로 면역항암치료 효과를 예측할 수 있고, 또한 효과를 대폭 향상시킬 수 있다”라고 설명했다.

이 연구는 과학기술정보통신부․한국연구재단 기초연구사업(신진연구자) 지원으로 수행됐으며, 의약학 분야 국제학술지 종양학 연보 (Annals of Oncology) 1월 19일에 게재되었다. 

□ 논문명, 저자정보

논문명
Neopepsee: accurate genome-level prediction of neoantigens by harnessing sequence and amino acid immunogenicity information
저  자
김상우 교수 (교신저자, 연세대학교 의과대학 의생명과학부)
김소라 박사과정생 (공동 제1저자, 연세대학교 의과대학 의생명과학부)
김한상 박사과정생/전문의 (공동 제1저자, 연세대학교 의과대학 약리학교실)
김은영 박사과정생 (연세대학교 의과대학 의생명과학부)
이민구 교수 (연세대학교 의과대학 약리학교실)
신의철 교수 (KAIST 의과학대학원)
백순명 교수 (연세대학교 의과대학 의생명과학부)

□ 연구의 주요내용
 1. 연구의 필요성
  ○ 최근 환자 자신의 면역 세포를 이용하여 암을 치료하는 방법인 면역항암치료가 중요한 기술로 대두되고 있다. 면역항암치료는 기존에 활용되던 항암요법들에서 발생하던 간독성, 백혈구 감소 등과 같은 치명적인 부작용 없이 암을 치료하고, 치료 후 암 재발률이 떨어져 장기 생존이 가능한 것으로 알려져 있다.
  ○ 하지만 면역항암치료는 연간 1억 원 이상의 많은 비용이 들어감에도 불구하고, 치료를 실시한 환자의 약 20%에서만 효과가 있음이 알려져 있다. 또한 기존 항암요법에 비해서는 덜 심각하지만, 일부 환자에서는 자가면역질환 등의 부작용이 여전히 존재한다. 비용 대비 최대의 효과를 달성하기 위하여, 치료 효과가 있을 환자들을 사전에 알아내는 것이 매우 중요하다.
  ○ 면역항암치료의 효과를 예측하기 위하여, 환자에게 면역반응을 일으킬 수 있는 항원이 존재하는가를 검사하는 것이 필요하다. 암세포에 존재하는 돌연변이는 새롭게 변형된 단백질을 만들어 내는데, 그 중 일부는 면역반응을 일으키는 신항원(neoantigen) 으로 작용할 수 있다. 따라서 환자의 유전자 돌연변이를 조사함으로써, 환자의 암세포가 신항원을 가지고 있는지 여부를 알아내는 것이 가능하다. 
  ○ 어떠한 변형 단백질이 신항원인지를 예측하기 위하여, 그 단백질이 세포 내 주조직적합성복합체(Major Histocompatibility Complex, MHC)와 결합할 확률을 예측하는 방법이 사용되어 왔다. 그러나 주조직적합성복합체와의 결합은 전체 면역반응의 일부 과정만을 고려하고 있어, 예측된 값의 위양성(false positive)의 비율이 높고 정답을 놓칠 위험이 있다는 한계가 있다.

 2. 연구내용
  ○ 기존에 알려진 실험적인 결과들을 바탕으로 면역 세포들의 면역 활성화 반응과 관계된 것으로 밝혀진 12가지 요소들을 조사하였다. 특히, 변형 단백질이 기존에 검증된 병원성 항원(pathogenic epitope)들과 유사한 형태일 경우 더 높은 면역 반응이 있을 것이라고 가정하였다. 특징 선택(feature selection) 과정을 통하여 총 12개의 요소 중 면역 반응과 연관성이 높은 요소 9개를 최종 선별하였다.
  ○ 선별된 9개의 특성을 바탕으로, 실험적으로 증명된 약 1만 5천개의 면역 반응 양성 및 음성 단백질 데이터를 활용하여 4개의 기계학습법 분류기(classifier)를 구축하였다. 구축된 분류기의 성능을 기존 방법과 비교한 결과, 정확도(accuracy)를 기존 96%에서 97.5~98.1%로 끌어올리는 것을 확인하였다. 이는, 기존과 같은 민감성(sensitivity)을 가질 때 정밀도(precision)를 약 2~3배 (기존 24%, 신규 방법 44%~68%) 향상 시킨 것이다.
  ○ 독립적인 항암백신(cancer vaccine) 면역 치료 환자 데이터에서 추가적인 검증을 진행한 결과, 기존 신항원을 모두 찾아냄과 동시에 특이성(specificity)이 기존 45%에서 51~74%까지 향상됨을 확인하였다.
  ○ 마지막으로 국제적인 암 컨소시엄인 TCGA(The Cancer Genome Atlas)에서 제공하는 위암 환자 224명의 데이터를 활용하여 대규모 데이터 분석을 진행하였다. 연구팀이 개발한 모델로 예측한 신항원이 있는 환자들의 경우 생존율이 더 좋음을 확인하고 기존의 활용된 예후 예측 인자인 암 단계(cancer stage, P=0.004)와 같이 예후 예측 인자로 활용 가능함이 다변량 분석을 통해 유의한(P=0.04) 수준으로 확인되었다.

     * 정확도(accuracy) : 전체 예측 결과에서 신항원을 신항원으로, 신항원이 아닌 것을 신항원이 아닌 것으로 정확하게 예측한 비율
     * 민감성(sensitivity) : 전체 신항원들 중 신항원을 예측한 비율
     * 정밀도(precision) : 신항원이라고 예측한 결과 중 진짜 신항원의 비율
     * 특이성(specificity) : 전체 신항원이 아닌 것들 중 신항원이 아닌 것으로 예측한 비율

 3. 연구성과/기대효과
  ○ 환자 종양 조직 기반 차세대 시퀀싱 데이터만으로 환자가 보유할 수 있는 신항원을 쉽고 정확하게 찾을 수 있는 방법을 개발하였으며, 이를 사용하기 편리한 프로그램으로 개발하였다
  ○ 실제 신항원으로 작용할 단백질의 서열을 정확히 알 수 있어, 항암백신(cancer vaccine)의 제작을 앞당기고, 항암면역치료의 정밀의료 시대를 열 수 있다.

(그림) 암 세포 내에서 신항원이 생성되는 과정
① 변형된 DNA(왼쪽 위)는 변형된 단백질을 생성한다(오른쪽 위)
② 변형된 단백질은 단백질가수분해효소에 의해 분해되고 이 때 생성된 짧은 길이의 단백질 조각은 주조직 적합성 복합체와 결합하여 암 세포 바깥으로 표지된다.
③ 이후 T-세포와 같은 면역세포에 의하여 감지된 후 면역반응이 활성화된다.(오른쪽 아래)

연구 이야기

□ 연구를 시작한 계기나 배경은?

우리 연구팀은 의과대학 내에 위치한 생물정보학 연구실로, 평소 임상의 및 기초 생물학 연구실과의 공동연구가 활성화되어 있다. 특히 1주일에 한 번씩 자유로운 유전체 연구 세미나를 진행하고 있는데, 그 중 신항원과 면역치료에 대한 흥미로운 발표를 듣고, 즉석에서 발표자와 연구 기획을 할 수 있었다. 이 후, 실제 환자 데이터에 적용해 보기 위한 단순한 프로그램을 만드는 도중, 연구팀만의 아이디어를 발전시켜 보다 정교한 방법론을 만들어내게 되었다.

□ 연구 전개 과정에 대한 소개

처음에는 단순히 신항원과 관련된 정보들을 주석(annotation)을 달아주어 임상학자들이나 연구자들에게 보다 많은 정보를 제공해주고자 시작하였으나 연구를 진행해 감에 따라 이를 활용하여 현재 활용 되고 있는 신항원 예측 방법보다 더 정확하게 예측할 수 있는 프로그램을 만들 수 있지 않을까 생각하게 되었고 이를 계속해서 발전시켜 현재의 연구 결과를 얻을 수 있었다.

□ 연구하면서 어려웠던 점이나 장애요소는 무엇인지? 어떻게 극복(해결)하였는지?

단순 주석 처리 프로그램에서 예측 프로그램으로 전향 시에 가장 필요한 것은 기계학습법 모델 훈련을 위한 데이터를 모으는 것이었다. 처음 연구를 시작한 때는 2015년 초로 그 당시에는 면역 치료가 막 진행될 때여서 모델 훈련 및 검증 용 데이터를 모으는 것이 쉽지 않았으나 지속적인 연구 기간 동안 관련 논문들이 발표되면서 각 논문들로부터 데이터를 수집하여 현재의 결과를 얻을 수 있었다.

□ 이번 성과, 무엇이 다른가?

기존의 신항원 예측 용도로 활용되는 방법은 변형된 단백질 조각과 주조직적합성복합체와의 결합성을 예측한 값만을 활용하여 예측하므로 면역 반응과 연관 있는 다른 요소들이 전혀 적용되지 않아 허위양성(false positive)의 비율이 높고 단일 값에 의해 정답을 놓칠 가능성이 높다. 연구팀이 개발한 모델을 활용할 경우 단백질의 서열과 크기, 전하량 등 추가 정보를 활용하여 허위양성의 수를 2배 이상 줄이고도 신항원을 정확히 예측할 수 있었고 대규모 데이터 분석을 통해 신항원의 임상 적용에의 가능성을 확인할 수 있었다.

□ 실용화된다면 어떻게 활용될 수 있나? 실용화를 위한 과제는?

연구팀이 개발한 프로그램을 활용하여 신항원을 예측하고 예측된 신항원의 양에 따라 면역관문억제제와 같은 면역 치료를 진행하거나 예측된 신항원의 펩타이드 시퀀스를 활용하여 항암백신을 만들어 면역 치료를 진행하는 데에 활용될 수 있다. 이를 위해 신항원의 양이 어느 정도 여야 되는 지에 대한 연구가 추후 임상의들과 함께 실질적인 치료를 통한 검증을 통해 필요하다.

□ 꼭 이루고 싶은 목표나 후속 연구계획은?

현재 국내 여러 병원에서 면역관문억제제를 포함한 다수의 면역항암치료 임상시험이 진행 중인 것으로 알고 있다. 개발된 기술을 활용하여 실제 환자의 암 치료 반응을 예측하는 데에 사용하고 싶고, 이를 계획 중에 있다. 또한 현재 개발된 프로그램으로는 아직 제1형 주조직적합성복합체에 작용하는 신항원만을 예측할 수 있으나, 추후 제 2형에도 적용할 수 있는 프로그램으로 확장하고자 한다.