목 차

1. 서론
  1.1. 단일세포 분석의 필요성과 의의
  1.2. 세포 이질성과 질병 추적
    1.2.1. 세포 이질성과 종양 미세환경의 복잡성 이해
    1.2.2. 세포 상태 전이와 질병 역학 추적
  1.3. 정밀의학과 신약개발의 핵심 플랫폼
  1.4. 기술적 기반과 발전 동향
2. 본론
  2.1. 신약개발에서의 단일세포 분석 활용 사례
    2.1.1. 약물 타깃 발굴 및 검증
    2.1.2. 약물 감수성 및 저항성 예측
    2.1.3. 바이오마커 발굴
    2.1.4. 독성 평가
  2.2. 환자선별 및 치료 반응 예측 사례
    2.2.1. 종양 이질성 기반 환자 분류
    2.2.2. 임상적 환자선별 및 약물 감수성 예측
    2.2.3. 임상 연구 적용 현황 및 사례
  2.3. 최신 기술 및 다중오믹스·AI 융합
    2.3.1. 복합 다중오믹스와 공간 전사체 분석
    2.3.2. AI 및 머신러닝 기반 신약 반응 예측
    2.3.3. 자동화 및 표준화된 현장 적용 워크플로우
3. 결론
4. 참고문헌


1. 서론

1.1. 단일세포 분석의 필요성과 의의

단일세포 분석(Single-cell analysis)은 기존 벌크(Bulk) 분석이 조직 전체의 평균적 특성만을 보여주던 한계를 넘어, 개별 세포 수준에서 유전자 발현, 단백질, 후성유전체 등의 분자적 특성을 고해상도로 규명할 수 있는 차세대 생물학적 도구이다. 인체는 약 30조~40조 개의 세포로 이루어져 있으며, 각 세포마다 고유한 유전체와 발현 프로그램, 수많은 분자 및 분자 기계가 동시다발적으로 상호작용한다. 이러한 세포들은 조직과 기관을 구성하는데, 각 조직은 여러 종류의 세포와 하위 아형으로 이루어져 있어 기능적·분자적 복잡성이 극대화된다.

단일세포 분석을 통해 조직 내 세포 간 이질성(heterogeneity)과 희귀 세포(rare cell) 집단을 규명할 수 있으며, 특히 암 연구에서는 전이와 재발의 출발점이 되는 악성 세포로 자라나기 전에 첫 번째 암세포, 즉 ‘퍼스트 셀(The first cell)’ [1]을 조기에 탐지하고 추적하는 데 중요한 전환점을 마련했다.

이러한 기술은 암세포 아형(subtype), 종양 미세환경(Tumor Microenvironment, TME), 면역세포 다양성 등 세포 계통(lineage)을 체계적으로 구분·분류함으로써 복잡한 세포 구성과 세포 간 상호작용을 정밀하게 해석할 수 있게 한다 [2]. 그 결과, 질병의 시공간적 진행 과정을 추적하고, 환자 맞춤형 치료 전략 수립과 치료 반응 예측 등 정밀의학(Precision Medicine) 발전에 기여한다.

1.2. 세포 이질성과 질병 추적

단일세포 분석은 기초 생명과학 연구를 넘어, 질환 기전 규명과 신약개발, 환자 맞춤 치료 등 정밀의학 전반에 걸쳐 핵심 기술로 자리매김하고 있다. 본 절에서는 단일세포 분석의 주요 응용 영역과 기술적 진보, 그리고 이를 가능하게 한 플랫폼 발전 동향을 살펴본다.

1.2.1. 세포 이질성과 종양 미세환경의 복잡성 이해

전통적인 벌크 분석은 수많은 세포의 평균적인 신호만을 제공하기 때문에, 개별 세포 간의 다양성과 희귀 세포 집단을 구분하는 데 한계가 있다. 이에 반해 단일세포 분석은 개별 세포 단위에서 유전자 발현과 세포 기능을 규명할 수 있는 고해상도(high-resolution) 기술로, 벌크 분석 대비 훨씬 세밀한 수준의 세포별 특이적 신호 탐지와 이질성 탐구를 가능하게 한다 [3] (그림 1). 표 1은 두 분석 접근법의 주요 비교 항목을 정리한 것으로, 단일세포의 이러한 특성은 암과 같은 이질성이 큰 질환 연구와 맞춤형 치료 전략 수립에서 결정적인 장점을 제공한다 [4].

그림 1. 벌크 분석과 단일세포 분석의 해상도 비교(출처: 주요 리뷰 논문을 참조하여 저자 제작)

표 1. 벌크 분석과 단일세포 분석의 주요 비교 항목(출처: 주요 리뷰 논문/기술백서 종합하여 저자 재정리)

1.2.2. 세포 상태 전이와 질병 역학 추적

세포는 분화, 활성화, 병리적 변화 등 다양한 상태를 변화를 거치며 기능한다. 단일세포 분석 기술은 이러한 세포 상태의 동적 전이(Dynamic transition)를 시공간적 맥락에서 추적할 수 있게 한다. 특히, pseudotime 및 RNA velocity 분석을 통해 세포의 상태 변화를 시간적·공간적으로 추적하고, 이를 통해 개별 세포 단위의 전사체 데이터를 통해 세포 아형 식별, 종양 미세환경 해석, 유전자 네트워크 분석 등이 가능해졌다. 이러한 접근은 암의 진행, 조직 재생, 면역 반응 등 질병 발현의 근본적인 분자 기전을 규명할 수 있는 강력한 분석 툴을 제공하며, 질병 예후 예측 및 치료 반응 모니터링에도 활용되고 있다 [5].

1.3. 정밀의학과 신약개발의 핵심 플랫폼

단일세포 분석은 정밀의학(Precision Medicine)의 실현을 위한 핵심 기반 기술로, 환자 개개인의 세포 수준에서의 분자 프로파일을 파악함으로써 맞춤형 치료 전략 수립이 가능하게 한다 [5]. 특히 동일한 조직 내에서도 세포 간 유전자 발현과 약물 반응이 상이할 수 있음을 밝힘으로써, 기존의 평균적 분석으로는 파악하기 어려웠던 개인별 약물 반응성 차이를 규명할 수 있다.

신약개발 측면에서도 단일세포 분석은 약물 반응성과 저항성 기전을 세포 단위로 분석할 수 있는 강력한 도구로 주목받고 있다. 이를 통해, 신규 약물 타깃 발굴, 약동학·약력학(PK/PD) 평가, 반응 예측 바이오마커 탐색, 환자군 세분화 및 선별 등 다양한 응용 분야에서 혁신적인 도구로 주목받고 있다 [6, 7]. 이러한 접근은 신약 후보물질의 효능을 조기에 검증하고, 임상시험의 성공률을 높이며, 부작용 예측을 정밀화 하는 데 기여하고 있다.

1.4. 기술적 기반과 발전 동향

단일세포 분석 기술은 마이크로플루이딕스(microfluidics), 차세대 시퀀싱(Next-Generation Sequencing, NGS), 고성능 컴퓨팅(High-performance computing) 기술의 발전을 기반으로 빠르게 진화해 왔다. 초기에는 SMART-seq 계열 기술을 통해 소수 세포의 전체 전사체를 분석할 수 있었으나, 이후 droplet 기반 고처리량(single-cell barcoding) 단일세포 전사체 분석(scRNA-seq) 기술이 등장하면서, 수천~수십만 개 세포의 전사체를 병렬적으로 분석할 수 있게 되었다.

현재 단일세포 분석 기술은 분석 대상과 원리에 따라 다양한 플랫폼으로 세분화하고 있으며, 대표적 기술의 특징은 표 2에 요약되어 있다. 2010년대 이후, NGS 기반 scRNA-seq 기술의 고도화와 함께 수만 개 세포의 전사체 정보를 대량·자동 처리할 수 있는 플랫폼(예: 10x Genomics 등)이 임상과 신약개발 현장에 빠르게 도입되고 있다. 최근에는 세포 단위 해석의 강점을 바탕으로 공간전사체학(Spatial Transcriptomics, ST), 전사체-단백질 동시 측정 등 다중오믹스(multi-omics) 기술이 등장하여, 단일세포 분석의 해석력을 한층 확장하고 있다. 이러한 공간 및 다중오믹스 플랫폼은 세포-세포 상호작용, 조직 내 미세환경, 신호경로 네트워크 등 복잡한 생물학적 현상을 정밀하게 재구성하는 것을 가능하게 하며, 임상적 가치의 중심에는 여전히 ‘세포 단위 해석’이 자리하고 있다. 나아가 Perturb-seq, SNARE-seq, MERFISH 등 기능적·공간적·오믹스 통합이 가능한 차세대 기법들이 개발되어, 단일세포 분석의 응용 범위가 비약적으로 넓어지고 있다 [6].

이러한 단일세포 분석 기술의 진보는 단순한 발현 측정을 넘어, 공간-시간적 정보와 다중오믹스를 통합한 세포 상호작용, 종양 미세환경 기능 네트워크 재구성 등으로 이어지면서, 정밀의학 및 생명과학 연구에 핵심적 기반으로 자리매김하고 있다 [8].

표 2. 주요 단일세포 및 공간 다중오믹스 분석 기술의 특징 비교(출처: [6] 참고 및 변형)

2. 본론

앞서 살펴본 기술 발전을 토대로, 단일세포 분석은 이제 신약개발·환자선별 등 임상적 응용 단계로 확장되고 있다. 본론에서는 단일세포 분석이 신약 타깃 발굴과 기전 규명, 환자 맞춤 선별과 치료 반응 예측, 공간전사체학·다중오믹스·AI 융합 분석에서 어떻게 활용되는지 살펴보고자 한다.

2.1. 신약개발에서의 단일세포 분석 활용 사례

단일세포 분석 기술은 신약개발 및 임상시험 설계의 주요 단계의 전 과정에서 핵심적 역할을 수행한다 (그림 2). 세포 간 이질성 기반 타깃 발굴, 약물 반응 예측, 바이오마커 검증, 독성 평가 등 다양한 단계에서 정밀한 의사결정이 가능해지면서, 신약개발의 효율성과 임상적 성공률 향상에 기여하고 있다.

그림 2. 단일세포 분석 기반 신약개발 및 임상시험 설계 파이프라인(출처: 최신 단일세포 응용 리뷰 및 산업 보고서 참고한 요약 내용 저자 제작)

이어지는 섹션에서는 신약개발의 각 단계에서 단일세포 분석이 어떻게 적용되는지, 구체적인 사례를 통해 그 활용 방안을 살펴본다.

2.1.1. 약물 타깃 발굴 및 검증

단일세포 분석은 조직 내 다양한 세포 아형의 전사체를 정밀하게 규명하며, 기존 분석법으로는 식별하기 어려웠던 고유 유전자 및 표면 단백질을 발견할 수 있게 한다 [6]. 이를 통해 특정 세포 집단에 선택적으로 작용하는 신규 항암제 후보를 발굴하고, 치료 반응 기전을 세포 수준에서 검증할 수 있으며, 항암제 개발에서 이러한 접근이 특히 활발하다.

예를 들어, 다발성 골수종 연구에서는 단일세포 수준에서 후보 유전자와 미특성화 표면 단백질이 발굴되었으며, 췌장암 연구에서는 특정 T세포 아형이 항암 면역반응에 핵심적 역할을 한다는 사실이 밝혀졌다 [7]. 그리고 간암, 유방암, 췌장암, 교모세포종 등에서 단일세포 분석을 활용해 각각 CCL5–p38-MAX 경로, Plakoglobin, Survivin, CD73 등이 새로운 치료 타깃으로 제시되었다. 이는 단일세포 분석이 암종 특이적 맞춤 타깃 도출에 효과적임을 뒷받침한다 [6].

최근에는 임상 단일세포 전사체 데이터를 기반으로 암 환자 집단 내 주요 세포 프로그램을 해석하고, 치료 반응군을 구분하는 통계적 방법론이 개발되었다 [9]. 이러한 접근은 실제로 유방암, 폐암, 흑색종 환자 데이터를 바탕으로 임상/생물학적으로 중요한 차별화된 유전자 시그니처 분석 모범 사례를 제공하는 등, 정밀한 환자 맞춤 치료 설계의 토대를 제공하고 있다.

2.1.2. 약물 감수성 및 저항성 예측

단일세포 분석은 약물 저항성을 보이는 세포 아형을 식별하고, 재발·치료 실패 원인을 규명함으로써 정밀한 맞춤형 치료 전략 수립에 기여한다. 단일세포 전사체 정보와 약물 스크리닝 데이터를 통합하면, 특정 세포 아형의 약물 민감성을 예측할 수 있다 [10]. 예를 들어, 백혈병에서는 특정 세포 아형이 기존 치료제에 저항성을 보였고, 이를 기반으로 새로운 약물 조합이 제안되었다. 또한 대장암(CRC)의 경우 scRNA-seq을 통해 종양 면역 미세환경의 이질성이 정밀하게 규명되었으며, CD8+ T세포 탈진, SPP1+ TAM, BCL9 매개 Wnt 신호 조절 등이 면역치료 반응성에 중요한 역할을 하는 것으로 밝혀졌다 [11]. 이를 바탕으로 SLAMF1+ ILC2, CD155–CD226/CD96 축 등 새로운 면역 바이오마커와 치료 타깃이 제안되었으며, 이는 환자별 감수성 및 저항성 예측에 근거한 맞춤형 면역치료 최적화 전략 수립에 핵심적 근거를 제공하고 있다 [12].

2.1.3. 바이오마커 발굴 

단일세포 분석은 면역회피와 종양 성장·전이, 신진대사 및 생존 조절 등 관련 바이오마커 발굴에 활용된다. 이러한 바이오마커 정보는 환자 맞춤형 치료 전략과 신약 타깃 검증에 핵심적으로 활용된다 [12].

예를 들어 PD-L1, CTLA-4, CD47 등은 면역관문 억제제 치료 반응 예측에, CXCR4, CXCL11, MYC 등은 종양 이동과 성장 조절에, APOC1, HPN, RGS2 등 다양한 종양 바이오마커를 단일세포 수준에서 확인하였다 [5]. 또한 EPCAM, LGR5, SOX2는 암 줄기세포 및 순환종양세포(CTC, Circulating Tumor Cells) 기반 진단 연구에 적용된다 [5]. 보다 구체적인 바이오마커와 관련 암종, 기능 및 역할에 대한 상세 내용은 표 3에서 확인할 수 있다. 특히 항암 반응 예측(면역관문 억제제), 종양 전이 관련 인자, 암 줄기세포 마커 등 단일세포 분석을 통해 발견된 바이오마커들이 분야별로 정리되어 있다.

표 3. 단일세포 기반 암 바이오마커 및 연구 사례(출처: [5] 및 GEO, TISCH 데이터베이스 추가 조사)

2.1.4. 독성 평가 

단일세포 분석은 세포 아형 특이적 독성 반응을 정밀하게 평가함으로써, 약물 안전성 평가와 개발 초기 단계에서의 탈락률 감소에 기여하고 있다. 예를 들어, scRNA-seq을 적용한 간세포 오가노이드(Organoid) 모델에서는 약물유발 간독성(DILI)의 주요 세포 아형별 반응 차이를 규명하여, 기존 벌크 독성 평가 방식으로는 확인할 수 없던 세포 특이적 독성 경로를 발견하는 데 기여하였다 [13].

더불어 전임상 모델, 특히 사람 유래 간세포 오가노이드, 환자 유래 이종이식(PDX, Patient-Derived Xenograft), 유전자 조작 생쥐(GEMM, Genetically Engineered Mouse Model) 모델을 이용하면, 인간 조직에 가장 유사한 종양 및 조직의 세포 이질성을 반영한 독성 예측이 가능하다 [13]. 한편 Human Cell Atlas나 Tabula Sapiens와 같은 대규모 단일세포 참조 데이터셋을 활용한 교차 검증을 통해, 세포 유형별 약물 민감도 평가 및 독성 기전 예측의 정밀성이 더욱 향상되고 있다. 이러한 접근은 독성 평가 단계에서의 데이터 기반 검증 체계 확립에 기여하며, 단일세포 분석의 임상적 신뢰도를 높이는 중요한 전환점이 되고 있다.

2.2. 환자선별 및 치료 반응 예측 사례

단일세포 분석은 환자 개개인의 세포 수준 이질성을 기반으로 질환 아형을 세분화하고, 치료 반응성을 예측함으로써 정밀의학의 핵심 도구로 활용되고 있다. 공간오믹스, AI 기반 모델링, 환자유래 샘플 분석이 결합되면서, 임상적 환자선별과 맞춤 치료전략 수립에 실질적으로 활용되고 있다 (그림 3). 본 절에서는 단일세포 분석을 활용한 환자군 세분화, 약물 반응 예측, 임상 적용 사례를 중심으로 그 활용 현황을 살펴본다.

그림 3. 단일세포 신약 반응 예측 워크플로우(출처: 공개 단일세포 분석 파이프라인 및 scDrugPrio 개념도를 참고한 저자 제작)

2.2.1. 종양 이질성 기반 환자 분류

단일세포 분석과 공간오믹스를 결합하면, 환자의 종양 조직에서 세포 단위의 유전자 발현양상 및 유전자 복제수 변이(Copy Number Variation)를 정밀하게 해석하며, 암세포 아형과 미세환경 세포 상태를 포함한 종양 내 이질성을 규명할 수 있다. 최근 pseudotime 분석과 RNA velocity 분석은 세포 상태의 동적 전이를 시공간적으로 추적하여, 환자별 종양 계통·유전체·면역 특성에 따라 독립적 임상 예후군을 세밀하게 구분이 가능하고, 이를 기반으로 환자군을 세분화할 수 있다.

이러한 분석을 통해, 고형암 중 유방암, 난소암, 자궁경부암에서 세포 아형과 면역침윤 상태에 따라 환자를 하위군으로 분류하고, 호르몬 수용체, HER2 신호 활성, 탈진 T세포 및 면역억제 유전자 발현 등 특징적 프로필이 임상 예후와 치료반응 예측과 밀접히 연관됨이 보고되었다 [14]. 또한 흑색종(Melanoma) 연구에서는 일부 환자에서 이미 탈진된 상태의 T세포 또는 내성 클론이 존재함을 확인하여, 면역관문 억제제 반응 가능 환자군을 선별할 수 있었다 [4, 15]. 교모세포종(Glioblastoma, GBM) 연구에서도 줄기세포성 아형과 분화 아형이 공존하며 치료 반응성이 달랐고, 이를 통해 방사선·항암 병용치료 반응 예측의 근거를 마련하였다 [9]. 혈액암인 급성림프구성백혈병(B-ALL, B-cell acute lymphoblastic leukemia)에서는 초기 및 후기 B세포 아형 간 약물 감수성 차이를 확인하여, 연령·발달 단계·분자 서명을 통합한 맞춤 치료 전략 가능성을 보여주었다 [15].

따라서, 단일세포 분석은 종양을 단일 집단이 아닌 여러 아형이 공존하는 복합체로 이해하게 하며, 환자 맞춤형 치료 전략 수립의 필수 도구이다.

2.2.2. 임상적 환자선별 및 약물 감수성 예측

단일세포 전사체와 약물 반응 데이터를 통합 분석하면, 개별 세포 수준에서 약물 감수성과 저항성을 정밀하게 예측할 수 있어, 환자별 약물 반응성을 사전에 평가하는데 유용하다 [16]. 이를 통해 임상시험 대상 환자를 효과적으로 선별하고 실제 치료 성공률을 높일 수 있다. 예를 들어 백혈병, CAR-T 치료, 비소세포폐암 연구 등에서 일부 세포 아형의 내성 및 특정 약물 반응성이 단일세포 분석을 통해 규명되었고, 이를 기반으로 맞춤 약물 조합 전략이 제안되었다.

개인 맞춤형 약물 스크리닝(Personalized Drug Screening, PDS)은 환자 유래 샘플과 FDA 승인 약물 라이브러리를 활용하여 환자별 약물 반응을 신속하게 평가할 수 있는 플랫폼을 제공한다 [9]. 교모세포종, 재발성 HPV 종양, 다제내성 박테리아, 낭포성 섬유증 등 다양한 난치성 질환에서 PDS 기반 약물 반응 평가가 실제 임상 적용 사례로 입증되었으며, 고처리량 스크리닝(High-Throughput Screening, HTS) / 고내용 이미지 스크리닝(High Content Screening, HCIS) 기반 자동화 분석과 유전체 정보 결합을 통해 고해상도 맞춤 치료 구현이 가능 해졌다 [10]. 또한 혈액, 피부, 종양 조직, 순환종양세포(CTCs) 등 다양한 샘플에서 2D 모노레이어, 3D 오가노이드, 스페로이드, ex vivo 조직 슬라이스 등 여러 배양 시스템을 활용할 수 있으며, 기존 약물 재창출 전략을 통해 임상시험 단계 단축도 가능하다.

특히 CTC 기반 단일세포 분석은 조직 생검으로 접근하기 어려운 실시간 종양 동태를 모니터링하고, 전이 가능성이 높은 클론과 치료 내성 클론을 조기에 탐지하여 맞춤형 치료 전략을 수립하는 데 핵심적인 역할을 한다. 이를 통해 환자의 치료 반응과 약물 감수성을 비침습적으로 반복 측정할 수 있으며, 면역관문억제제(Immune Checkpoint Inhibitor, ICI) 반응 예측 및 내성 클론 탐지에 유용하게 활용되고 있다 [17]. 향후 3D organoid, ex vivo 조직 슬라이스, CTC 기반 약물 반응 예측 기술의 발전과 표준화가 이루어지면, 단일세포 분석 기반의 정밀의학이 임상 현장에 더욱 널리 확산될 것으로 기대된다.

또한 단일세포 오믹스 데이터와 인공지능 기반 데이터 해석을 결합하면, 환자별 세포 수준 약물 반응성과 치료 전략을 예측하여 맞춤형 임상 의사결정 과정을 도울 것으로 기대된다. 단일세포 오믹스 데이터와 AI 기술의 융합은 면역치료 환자의 전신 면역 반응을 고해상도로 분석하여, 치료 적합성과 환자 맞춤형 예후 예측에 성공적으로 활용되고 있다 [18].

2.2.3. 임상 연구 적용 현황 및 사례

단일세포 분석은 실제 환자 조직 및 혈액 샘플에서 질병 내 세포 이질성과 병리 생태학적 특성을 정밀하게 해석하는데 적용되고 있다.

암 면역치료 분야에서 단일세포 데이터는 면역세포 아형의 정밀한 분류와 표적 발굴, 개별 환자 맞춤형 전략 수립에 중요한 역할을 하고 있다. 예를 들어, 다양한 암종에서 종양 미세환경 내 다양한 면역세포 아형인 CD8+T세포의 사이토톡식 아형, exhausted 세포군, Memory/Naive 세포군을 정밀하게 식별하여 면역치료 표적 발굴과 치료 반응 예측이 가능하였다 [16]. 또한 면역관문억제제 치료 부작용인 대장염(irColitis) 분야에서도 단일세포 RNA를 활용해 특정 CD8 T세포 집단의 확장과 이들이 분비하는 염증성 사이토카인이 상피세포 기능 저하에 기여하고, 이에 따른 치료 표적 후보로 PCSK9을 새로운 치료 표적으로 제시하였다 [17].

아울러 다양한 질환 임상에서도 단일세포 분석의 활용이 확대되고 있다. 백혈병 환자 대상 임상시험(ClinicalTrials.gov NCT03068416)에서는 CD19 CAR-T 세포 치료결과와 관련된 CD8+ CAR-T 세포가 치료 반응과 밀접히 연관됨이 확인되었고, 소아 B세포 전구 급성 림프구 백혈병 환자 대상 임상연구(Chinese Clinical Trial Registry ChiCTR2400083570)에서는 blinatumomab 치료 전후 단일세포 분석으로 치료 반응 예측 인자를 도출하였다. 또한, 재발성 급성 골수성 백혈병 환자를 대상 임상연구(ChiCTR2200065634)에서는 venetoclax 병용 치료 시 골수 scRNA-seq 분석으로 저항성 세포 아형과 기전을 규명하였다.

비침습적이면서 반복 측정이 가능한 순환종양세포(CTC) 분석은 치료 중 종양 세포의 동적 변화나 내성 클론의 출현, 전이 세포 특성 등을 실시간으로 추적하여 임상적 활용도가 높다. RRM2, WNT5A, BIRC5, SPINK1 등은 치료 저항성과 연관된 주요 CTC 마커로 제시되며, AKT-mTOR, CDK pathway 억제제는 고위험군으로 예측한다. 전립선암 환자를 대상으로 한 단일세포 연구에서는 CTC와 단일세포 단백질 발현 분석을 통해 종양세포와 면역세포 간의 상호작용과 치료 내성 표적을 규명하였고, 비소세포폐암(NSCLC) 환자에서는 CTC 단일세포 전사체 분석을 통해 면역관문 억제제 반응 가능성을 사전에 평가여 내성 클론을 조기에 탐지함으로써 맞춤형 치료 전략을 수립할 수 있었다 [20].

또한 난소 조직 연구에서는 여포 발달 단계별 세포 특성과 공간적 변화를 단일세포 분석과 단일핵 RNA-seq으로 정밀 해석하여, 생식세포 발달 및 비암성 조직의 약물 반응 메커니즘 및 독성 평가에 기여하였다 [2].

최근에는 단일세포 분석을 기반으로 임상 유전체, 오믹스 데이터의 통합 분석이 정밀의학 실현에 기여하고 있다. 일례로, SCRUM-MONSTAR 임상연구 플랫폼에서는 DNA/RNA 오믹스, 단일세포 데이터, 공간 오믹스, 환자 임상정보를 통합 활용해 환자 맞춤 약물 반응률을 크게 향상시키고 있다. 이러한 단일세포 중심의 다중오믹스 융합 체계는 임상 환자군 내 약물 반응군 선별, 정확한 바이오마커 발굴, 치료 전략 승인 등 신약개발 전 과정에서 결정적 근거로 활용되고 있다 [21].

이처럼 단일세포 분석과 다중오믹스 통합 접근은 암을 비롯한 다양한 질환에서 환자 선별, 치료 반응 예측, 종양 이질성 규명, 새로운 표적 발굴 등 정밀의학 실현을 앞당기는 핵심 플랫폼으로 자리매김하고 있다.

2.3. 최신 기술 및 다중오믹스·AI 융합

단일세포 분석 기술은 환자 선별과 치료 반응 예측 등 임상적 응용 단계를 넘어, 최근에는 다중오믹스 통합, 공간 전사체, 인공지능(AI) 기반 분석으로 발전하며 세포 수준의 생물학적 현상을 정밀하게 규명할 수 있는 플랫폼으로 진화하고 있다. 이러한 기술적 융합은 세포 간 상호작용과 약물 반응성을 고해상도로 해석하고, 맞춤형 치료제 개발과 신약 반응 예측 등 정밀의학 실현의 핵심 인프라로 자리 잡고 있다.

이 절에서는 최신 단일세포 분석의 다중오믹스 융합 기술, AI 기반 신약 반응 예측 접근법, 그리고 임상 적용을 위한 자동화·표준화 전략을 살펴본다.

2.3.1. 복합 다중오믹스와 공간 전사체 분석

단일세포 분석은 유전체, 전사체, 단백체, 후성유전체 등 다중오믹스 기법과 결합하여, 세포 간 상호작용과 조직 내 미세환경을 다층적으로 해석할 수 있다 [22, 23]. 최근 다양한 공개 단일세포 시퀀싱 및 다중모달 데이터셋이 신약개발 전 과정에 활용되고 있다 [13] (표 4 참조). 이러한 데이터들을 활용하여 신약 타깃의 공간적 특이성, 대사 활성, 조직 내 동시 발현 네트워크를 통합적으로 규명함으로써, 암을 포함한 다양한 질환에서 맞춤형 치료 전략 수립이 가능하다.

표 4. 단일세포 기반 공개 데이터셋 및 신약개발에의 활용(출처: [13] 참고 및 변형)

특히 최신 spatial transcriptomics 기술(Xenium, CosMx 등)은 단일세포 해상도에 공간 정보를 결합하여, 조직 내 이질성·클론 진화 및 미세환경 분석 등 임상적으로 의미 있는 세포 미세분포와 클론 구조를 보다 정밀하게 해석할 수 있게 한다. 이는 기존 H&E 병리 영상이나 벌크 분석이 제공하지 못했던 세포별 유전자 발현과 공간 분포 정보를 통합 제공함으로써, 임상 환자의 미세환경 기반 맞춤 치료와 바이오마커 발굴에 핵심적 가치를 더하고 있다 [24].

고처리량 스크리닝과 단일세포 분석의 융합은 후보 약물의 반응성을 고해상도로 평가할 수 있게 한다. Imaging 기반 FALCOscope, FLECSplate 플랫폼이나 시퀀싱 기반 Sci-plex, CP-seq과 같은 기술은 단일세포 수준에서 약물 반응을 동시에 측정해, 환자 맞춤형 약물 조합 전략 수립에 활용되고 있다 [6].

또한 G&T-seq와 DR-seq는 단일세포 수준에서 유전체와 전사체를 동시에 분석하여 복제수 변이와 발현 변화를 연결할 수 있으며, scM&T-seq, scMT-seq, scTrio-seq는 DNA 메틸롬과 전사체를 통합 측정하여 아형 특이적 발현 조절 및 후성유전 표지를 규명한다. CITE-seq와 REAP-seq는 전사체와 단백질 발현을 동시에 정량화해 면역세포 아형의 기능적 활성도와 면역관문 억제제 반응 세포군을 규명하는데 활용된다 [3].

Perturb-seq는 CRISPR 기반 기능유전체학과 단일세포 전사체 분석을 결합하여 후보 타깃의 약리학적 타당성을 검증할 수 있다 [3]. 최근 Mixscale 프레임워크를 활용해 세포 내 유전자 억제 효과를 정량화하고, 이를 환자 샘플의 치료 반응 예측과 공간 전사체 분석까지 확장한 사례가 보고되었다 [24].

한편, 간세포암(Hepatocellular carcinoma, HCC)에서 벌크 RNA-seq, 전장 게놈 연관 분석(Genome-Wide Association Study, GWAS), 발현 정량형 형질연관 분석(expression Quantitative Trait Loci, eQTL), 단일세포 RNA-seq 데이터를 통합 분석해 SERPING1, STEAP3를 핵심 유전자로 규명하고, 이들의 발현이 암세포 성장과 면역세포 침윤에 영향을 미침을 보여주었다 [25]. 추가로 HCC 환자의 단일세포·벌크 RNA-seq과 약물 민감도 데이터를 통합하여 11개 유전자 기반 예후 모델을 구축하였으며, TP53 변이 증가, 면역 억제, Sorafenib 등 14종 약물의 반응성과의 상관성을 제시하였다 [26]. 또한 CTC 단일세포 데이터를 전사체, 단백질체, 후성유전체 등 다중오믹스 정보 및 AI 모델과 통합해 약물 반응성과 환자군 분류를 정밀하게 수행하는 연구가 활발히 진행되고 있다 [20].

더불어, 단일세포 나노바이옵시(nanobiopsy), scONE-seq 등 차세대 기술은 임상 진단과 바이오마커 발굴에 새로운 가능성을 제시하며, 미래 정밀의료의 핵심 기술로 자리잡아가고 있다.

표 5. 단일세포 다중오믹스 기법과 응용 분야(출처: [4], [23], [27] 참고하여 재구성)

2.3.2. AI 및 머신러닝 기반 신약 반응 예측

인공지능과 머신러닝 기반 분석은 단일세포 데이터의 복잡한 특성을 해석하고, 신약 개발 및 임상시험 설계에서 혁신을 주도하고 있다. 이러한 단일세포 오믹스 데이터 분석 융합은 신약후보 효과/안전성 예측, 약물 재창출(drug repurposing), 임상 임상시험 디자인, 환자별 최적 치료법 산정 등에 실제 적용되고 있다 [6].

예를 들어, ASGARD(A Single-cell Guided pipeline to Aid Repurposing of Drugs)는 scRNA-seq 데이터에서 질병 세포와 정상 세포 간 발현 차이를 모델링하여, 다중 클러스터 수준에서 ‘Drug Score’를 계산해 복잡한 세포 이질성을 반영함으로써, 높은 정확도의 약물 재창출 성능을 보여주었다. 한편, DREEP (Drug Response Estimation from single-cell Expression Profiles) 알고리즘은 scRNA-seq 데이터와 대규모 약물 반응 데이터를 통합하여, 개별 세포 단위에서 약물 민감성과 내성을 정량화하며, TP53 변이를 가진 세포에서 Nutlin 반응성을 예측해 내성 클론 조기 탐지와 약물 재창출에 기여하였다 [29]. 유사하게, scTherapy는 LightGBM 기반 머신러닝을 활용해 급성골수성백혈병(acute myeloid leukemia, AML), 고등급 장액성 난소암(high-grade serous carcinoma, HGSC), 폐선암(lung adenocarcinoma, LUAD), 췌관선암(pancreatic ductal adenocarcinoma, PDAC), 삼중음성유방암(triple-negative breast cancer, TNBC) 등 다섯 가지 암종에서 환자별 세포 아형(clone)의 약물 반응을 예측하였다. 그 결과 ex vivo 실험에서 96% 이상의 시너지 효과와 83% 이상의 낮은 독성을 확인하였으며, 예측된 치료 옵션 중 19%는 환자 고유의 조합으로 나타나 정밀의학적 가치를 뒷받침하였다 [30].

딥러닝 기반 딥 트랜스퍼러닝 프레임워크인 scDEAL은 벌크 RNA-seq 데이터로 학습한 모델을 단일세포 RNA-seq 데이터에 전이 학습하여 세포 수준의 약물 민감성과 저항성을 예측한다. Denoising Autoencoder와 Domain-Adaptive Neural Network를 활용해 데이터 간 특징을 정렬하고, Integrated Gradient를 통해 약물 저항성 관련 핵심 유전자를 도출함으로써 예측 결과의 생물학적 타당성까지 확보하였다 [31].

한편, scDrugPrio 프레임워크는 세포 유형별 차등발현, 세포간 리간드–수용체 상호작용, 약물-표적 네트워크 정보를 통합하여 각 환자에게 최적화된 약물 우선순위를 정량적으로 평가하고, 크론병 환자 데이터에서 경로별 맞춤 치료 후보군을 제시하였다 [30]. 환자별로 JAK, TNF, IL-23, integrin/S1P 축 등 서로 다른 병리 경로가 우세하며 각기 다른 맞춤 약물 Top-10이 도출되는 것을 확인하였으며, 이는 전통적 ‘질병 단위’ 접근과 달리, 개별 환자 수준에서 정밀한 약물 추천 및 임상시험 환자 층화가 가능함을 시사한다.

이처럼 단일세포와 벌크 기반의 통합 접근법은 Neural Network, Biomarker/Signature, Hybrid 등 다양한 기법으로 구현되며, GDSC, CTRP 등 대규모 약물 반응 데이터를 활용해 세포 특이적 약물 감수성을 평가한다 [19]. 특히 최근에는 딥러닝 및 트랜스퍼러닝 모델이 암종 간 데이터를 통합하여 희귀세포 아형의 약물 반응성을 예측하거나 복합 약물 조합 전략을 도출하는 등, 후보 물질 평가를 넘어 임상시험 설계와 맞춤형 치료 전략 수립까지 지원하는 수준으로 발전하고 있다.

현재 단일세포 시퀀싱 데이터를 기반으로 한 AI 및 머신러닝 약물 반응 예측 방법들을 대표 모델과 함께 각 접근법의 특징, 장점 및 한계는 표 5에서 요약하였다. 이러한 방법들을 통해 단순 마커 기반부터 기계학습, 딥러닝, 하이브리드 기법을 거쳐, 환자별 맞춤 네트워크 통합 분석까지 다양한 계층의 모델을 체계적으로 비교하여, 연구 목적과 데이터 특성에 맞는 최적 방법 선택할 수 있다.

표 6. AI/ML 기반 단일세포 약물 반응 예측 방법 개요(출처: [19], [31] 참고하여 재구성)

2.3.3. 자동화 및 표준화된 현장 적용 워크플로우

최신 단일세포 분석 플랫폼은 대용량 데이터를 신속하게 처리할 수 있지만, 임상 적용을 위해서는 자동화·표준화된 워크플로우가 필수적이다. 고처리량·고해상도 분석과 AI 기반 데이터 해석을 결합하면 현장 적용 가능한 표준화 워크플로우 구축이 가능하다 [31]. 이를 위해 정형화된 분석 파이프라인, 클라우드 기반 플랫폼, 자동 QC 및 후처리, 통합 보고서 생성 도구가 활용되고 있으며, 이로써 단일세포 분석은 연구실 단계를 넘어 임상 진단과 치료 결정 지원 체계로 자리 잡아가고 있다.

그러나 여전히 환자 시료 전처리와 세포 분리 과정에서 발생하는 데이터 편향(batch effect)과 생물학적 변이가 결과 재현성과 해석에 영향을 미치며 [32], 분석 알고리즘과 품질관리 기준 차이에 따라 결과가 달라질 수 있다 [33]. 또한, 단일세포 분석에서 유의미한 세포 아형의 표준화된 분류 및 명명 체계가 정립되지 않아 환자 간 비교 및 다기관 연구 통합에 어려움이 있다 [36]. 과도한 해석과 임상적 오용의 위험도 보고되고 있으며, 이에 따라 일부 연구가 철회 사례도 있다 [37].

규제 및 윤리적 측면에서도 단일세포 기반 데이터가 신약개발과 임상시험의 공식 근거로 사용되기 위해 국제적 표준과 인증 절차 마련이 필요하다 [36]. 따라서 단일세포 분석 기술이 공식 임상표준과 규제 가이드라인에 포함되기 위해서는, 기존 NGS·유전체 데이터 품질관리 및 임상적 타당성 검증 경험을 바탕으로 단일세포 데이터 특성을 고려한 별도의 표준화와 인증절차 마련이 필수적이다 [39].

이때 임상 전환을 위한 기술 표준화, 엄격한 품질관리, 임상적 타당성 검증과 연구-임상-규제 기관 간 긴밀한 협력이 필수적이다. 국제 컨소시엄인 이러한 표준화 기반을 마련하며, 환자 아형 정의와 희귀 세포군 검출 등 정밀 임상시험 설계에 직접 기여하고 있다.

표 7. 단일세포 분석 워크플로우 및 대표 기술/도구(출처: [3] 및 Seurat, Scanpy 공식 문서)

특히 Human Cell Atlas (HCA)와 같은 국제 컨소시엄은 데이터 표준화와 공유를 통해 환자 아형 정의와 희귀세포군 검출을 가능케 하였다 [40]. 이러한 데이터 기반 접근은 임상시험 디자인에도 직접 기여하며, 특정 세포 아형을 많이 보유한 환자군을 선별해 맞춤 치료제를 적용하는 “cell-type first” 전략은 신약개발의 임상 전환 단계에서 점차 중요한 전략으로 부상하고 있다.

고처리량·고해상도 분석과 AI 기반 해석이 결합된 자동화·표준화 워크플로우는 맞춤형 치료 설계와 신약 후보 타깃 검증, 치료 반응 예측 등 정밀의학 실현을 위한 핵심 기반을 제공한다.

3. 결론

본 리포트에서 살펴본 다양한 최근 동향과 사례들은 단일세포 분석이 단세포별 상태와 유전자·분자 네트워크의 미세한 차이를 해석함으로써, 기존 조직 단위 분석으로는 한계가 있었던 신약개발과 환자 선별 과정에서 실질적 가치를 제공하고 있음을 보여준다. 특히, 약물 타깃 발굴, 약물 감수성 및 내성 예측, 치료 반응 예측 바이오마커 개발 등 신약개발 파이프라인의 전체 단계에서 단일세포 기반 접근법이 개별 환자와 질병의 복잡성을 정밀하게 해석하는 기반을 제공하며, 실제 임상 적용에서 탁월한 가치를 입증하고 있다.

임상시험 환자군 선별과 환자 맞춤형 치료 실현 측면에서도, 환자 샘플을 단일세포 정보와 AI 기반 다층 분석으로 진단함으로써 치료의 정밀도와 성공률을 크게 높이는 데 기여하고 있다. 산업에서는 임상시험 비용 절감과 신약 승인 가속화가 가능해지고, 환자 역시 치료 접근성 및 삶의 질에서 실질적 혜택을 얻는 효과가 뚜렷하다.

나아가 데이터 기반 정밀의료는 의료 정책과 규제 체계에도 새로운 기준을 제시하며, 보건의료 전반의 패러다임 변화를 견인하고 있다. 향후 단일세포 분석은 공간 전사체, 단백질체, 후성유전체 등 다중오믹스는 물론, 병리 이미지와 임상 정보 등 다양한 비정형 데이터를 AI와 융합하는 방향으로 확장될 전망이다. 이를 바탕으로 융합 분석과 AI·머신러닝 기반 예측모델 고도화, 자동화 및 임상 현장 적용의 표준화가 가속화될 것으로 예상된다. 이러한 흐름은 세포 간 상호작용과 질병 기전 해석부터 희귀 아형 탐지, 약물 반응 예측, 환자군 자동 분류 등 임상적 활용도를 높이며 산업 및 보건 정책의 미래를 재편할 것이다.

결국 단일세포 분석은 신약개발과 환자 맞춤 치료의 필수적인 플랫폼으로 자리 잡으며, 단순한 연구 도구를 넘어, 환자 중심 치료와 데이터 기반 정밀의학 실현을 가속화하는 중요한 전환점이 될 것으로 기대된다.

4. 참고문헌

==>첨부파일(PDF) 참조