바이오인

한국생명공학연구원

김정애 선임연구원

1. HCA(Human Cell Atlas)의 개요

가.  HCA의 목표와 내용

세포는 인간을 포함한 생명체 구성의 기본 단위로써 인간의 성장·발달과 노화, 다양한 질병의 발생 및 진행을 이해하는 핵심 역할을 수행한다. 인간세포지도(Human Cell Atlas, HCA) 사업은 인체를 구성하는 약 35조개 이상의 세포 종류와 위치, 상태, 계통 분화 및 발생 단계를 규명하여 전 세계 지형·지물을 담은‘구글 지도’와 유사한 인체 표준 지표를 확보하는 것을 목표로 한다(그림 1).

세포의 종류와 기능을 이해하기 위한 연구는 2000년대 중반까지 기술적인 한계로 인해 주로세포들의 집합체인 조직·장기 수준에서 진행되었다.

그러나 2009년 첫 번째 단일세포 전사체 시퀀싱 기술이 발표된 이후1 세포 분리, 단일세포 오믹스 생산과 분석, 광학 영상 등 다양한 연계 기술의 발전에 힘입어 현재는 세계 각국에서 인체 조직 내 단일세포 세포의 특성을 다면적으로 분석하는 연구가 활발히 진행되고 있다. 특히, 단일세포 정보를 대용량(high-throughput)으로 생산하는 기술의 발전은 관련 분야의 연구진을 중심으로 인체의 모든 세포를 분석·파악할 수 있다는 가능성에 공감대를 형성하게 되었다.

‘인간 게놈 프로젝트(Human Genome Project, 1990-2003)’의 성공을 디딤돌 삼아 인간 유전체 연구가 획기적으로 발전해 오고 있다는 점도 ‘인간세포지도’라는 새로운 인체 표준 지표가 인체 생명현상 이해의 또 다른 도약에 중대한 기여를 할 것이라는 강한 기대감을 제공한다.

이에, 2016년 10월, 미국 매사추세츠공대(MIT) 브로드연구소와 하버드대, 영국 케임브리지대 생어연구소와 웰컴트러스트 재단을 중심으로 HCA 프로젝트의 착수를 선언하고, 2017년 10월 HCA 백서(HCA white paper)2 발간, 38개 파일럿 과제 선정과 함께 본격적인 사업을 진행하고 있다. 

현재 진행 중인 HCA의 1단계 주요 내용은 최고 3천만에서 1억 개의 단일세포를 다양한 오믹스 기법으로 분석하고 이들이 위치한 조직의 정보를 포함하는 데이터베이스를 구축하는 것이다.

이를 위해 지도 작성 대상 장기를 선별하고(표 1) 정상인으로부터 유래한 시료의 분석을 진행하고 있다. 분석은 인종 및 연령 다양성 확보를 위해 20-55세에 해당하는 20여 다인종 시료를 대상으로 한다.

표 1. HCA 국제 컨소시엄의 1단계 추진 내용

출처 : HCA White paper (2017.10)

나. HCA 수행을 위한 기반 기술

인간세포지도 작성을 위한 핵심 기술은 개별 단일세포의 종류와 위치를 결정하는 것이다. 세포 종류 확인을 위한 기술로는 단일세포 전사체, DNA, 후성유전체, 단백체 정보를 독립적으로 혹은 연계하여 분석하는 방법이 있다.

이를 위해서는 대용량의 단일세포를 부유 상태로 분리해 내는 기술과 이로부터 각각의 분자 물질(RNA, DNA, 크로마틴, 단백질)을 손상 없이 추출하고 미량인 각 물질의 양적 정보를 정확하게 측정하는 과정이 필요하다. 반면, 세포 위치 정보의 확인은 동결 혹은 고정된 조직시료 내 단일세포의 전사체 혹은 단백체를 이미징화하는 방법을 통해 이루어진다.

분리한 단일세포로부터 추출한 해당 분자 전체를 분석 대상으로 하는 세포 종류 확인법과 달리, 현재 세포 위치 확인 기술은 선별된 RNA 혹은 단백질을 표적으로 분석하여 해당 위치의 세포 종류를 구별하는 수준이다. 세포 종류와 위치 확인 목적을 위해 활용되고 있는 구체적인 기술로는‘표2’와 같은 것들이 개발되어 있다(표 2).  

출처 : 과학기술정보통신부 기초원천연구기획사업 보고서 (2018. 05)

단일세포로부터 생산된 데이터의 분석은 기존의 세포 집합(bulk population)에서 생산된 데이터에 사용하던 NGS(next-generation sequencing) 데이터 분석을 기본으로 적용할 수 있기는 하나, 단일세포 데이터 양의 방대함과 단일세포 시퀀싱 실험 고유의 독특한 특성을 반영하기 위한 첨단 알고리즘과 통계적 방법의 개발이 추가적으로 요구된다.

구체적으로는 데이터 상에서 발현이 확인되지 않는 유전자의 비율이 bulk population에 비해 높기 때문에 정규 분포를 가정하는 고전적인 통계 방법 대신 단일세포 데이터에 맞는 확률통계 모델이 고려되어야 한다.

이에, 개별 세포 간의 유사성과 차이를 바탕으로 세포의 상태 및 종류에 따른 특성을 식별할 수 있도록 PCA(principal component analysis), tSNE(t-distributed stochastic neighbor embedding), uMAP(uniform manifold approximation and projection) 등과 클러스트링(clustering) 방법이 주로 사용되고 있으며, 정확성이 향상된 다양한 방법들이 빠르게 개발되고 있다.

다. HCA 활용 분야(그림 2)

재생의학 기초 마련 : 단세포인 수정란으로부터 인체를 이루는 수십 조개의 세포로 분화하는 과정에서 각각의 세포들이 어떠한 세포로 분화하는 지 규명함으로써 발생·분화 단계를 이해할 수 있고, 관련 지식은 재생 의학에 널리 활용될 수 있다.

질병의 발생과 진행 기전 이해 : 다양한 환자들의 질병 조직을 단일세포 수준에서 분석하고 이를 건강인의 세포지도와 비교함으로써 질병 조직 내 세포의 이질성을 이해하고 질병의 원인을 더욱 정확하게 파악할 수 있다. 또한, 다양한 환자들의 질병 조직을 단일세포 수준에서 분석함으로써 개개인의 차이를 이루는 요인들을 더욱 정확하게 밝힐 수 있고 각각의 환자에 적합한 맞춤형 치료법을 제시할 수 있다.

신약 및 바이오마커 개발 : 세포 수준에서 신약 타겟 발굴, 인체 독성 예측, 약물 효능 및 부작용 예측 등 관련 정보를 제공함으로써 신약 개발 성공 가능성을 높이고 질환 조직의 세포 수준에서 바이오마커를 발굴함으로써 정확도 및 성능이 향상된 임상 바이오마커를 개발할 수 있다.

융합 연구 활성화 : 인간세포지도 작성을 위해서는 임상 시료 확보 및 처리 과정, 단일세포 오믹스 분석, 단일세포 광학영상, 데이터 마이닝, 생물정보 분석 등 다양한 학문 분야의 협력이 필요한데, 이는 융합 연구를 활성화하고 새로운 학문 영역을 개척할 것으로 기대된다.