공간단백체(Spatial Proteomics) 분석의 최신 동향

◈본문

요약문

분자지표를 확인하는 기술의 발달에 따라, 세포 수준의 해상도에서 단백체(Proteomics)를 공간정보까지 함께 확보하는 기술이 대두되고 있다. 그동안 염기서열을 판독해서 유전체 분석을 통해 수많은 정보를 얻어냈으나, 실제 기능을 하는 것은 단백질이기 때문에 이를 확인하는 것은 필수적인 증명 단계로 필요하다. 벌크 RNA 시퀀싱이 유전체 업계에서 2010년대 센세이션을 일으킨 것처럼, 최근 Olink와 같은 Proteomics 플랫폼이 성행하고 있고, 공간전사체(Spatial transcriptomics) 분석이 성행하는 것을 이어 공간단백체(Spatial proteomics)도 새로운 지표를 열기 위해 수면 위로 부상하고 있다. 본 기고문에서는 이러한 공간단백체의 최신 동향을 알아보고, 추후 발전 방향에 대해 알아보고자 한다.

목 차

1. 단백질 분석의 개요 및 공간단백체 분석의 중요성

2. 공간단백체 분석의 종류

2.1. 분석 방법에 따른 공간단백체 분석 분류

2.2. 각 플랫폼별 장단점

2.3. 최신 공간단백체 기술

3. 향후 기술 발전 방향 4. 참고문헌

1. 단백질 분석의 개요 및 공간단백체 분석의 중요성

생명공학에 대해 관심을 가졌거나 공부한 사람들은 단백질 분석이 가지는 의미를 어렵지 않게 알 수 있을 것이다. 기본적인 개개인의 인체 암호 코드는 DNA가 가지고 있지만, 이를 RNA로 전사해 내고 더 나아가 단백질로 번역해 내야 비로소 세포 내에서 기능을 할 수 있기 때문이다. 이 때문에 단백체학은 생물학적 시스템을 이해하는데 현재까지도 큰 공헌을 하고 있으며, 2000년대 들어 급속한 기술의 발전으로 매우 빠른 속도로 새로운 기술들이 계속해서 개발되고, 앞다투어 상용화되고 경쟁에 접어들고 있다.

단백질의 이러한 주요 핵심 기능에도 불구하고 최근까지의 발전 속도는 유전체분석에 비해 다소 더딘감이 있었는데 가장 큰 이유는 유전체분석의 처리량과 비교했을 때 현저하게 떨어지는 단백체 분석의 처리 가능 수였다. 차세대 염기서열 분석 방법(Next Generation Sequencing, NGS)의 적용을 통해 유전체 분석의 경우 한번 분석 시 수만 개의 전사체를 한 번에 확인할 수 있게 되었고, 이는 한 번에 확인할 수 있는 단백체 수를 월등히 넘어서게 되었기 때문이다. 다만, 최근에는 Olink, Somalogic과 같이 벌크로 5,000여 개 이상의 단백체를 1 µl 정도 소량의 혈청에서 볼 수 있게 됨에 따라, 단백체 분석은 유전체 분석이 NGS 분석으로 급부상하듯이 급격하게 관심이 높아지고 있으며, 실제로 UK Biobank에서는 Olink를 통해 5만 명이 넘는 대상자를 대상으로 혈청 분석을 진행한 바 있으며, 1차 연구를 넘어 2차 연구까지 진행 중에 있다.

다만, 그럼에도 불구하고 조직이나 세포 집단을 분쇄하여 분석하는 벌크 단백질체학(bulk proteomics)은 측정된 단백질 발현량을 전체 샘플의 '평균값'으로 제시한다. 이 방식은 질병을 유발하고 진행시키는 핵심적인 세포 이질성(cellular heterogeneity)을 파악하지 못하는 맹점을 가진다 [1]. 이러한 한계를 극복하기 위해 등장한 CyTOF (Cytometry by Time-of-Flight, mass cytometry), CITE-seq (Cellular Indexing of Transcriptomes and Epitopes by sequencing)과 같은 단일 세포 단백질체학(single-cell proteomics)은 개별 세포 수준의 이질성을 밝혀냈지만, 분석 과정에서 세포를 조직으로부터 분리해야 하므로 세포들이 본래 어떻게 조직되고 상호작용하는지에 대한 결정적인 공간적 맥락(spatial context)은 여전히 밝힐 수 없는 한계에 봉착하였다 [2].

공간 단백질체학은 바로 이 결정적인 간극을 메우기 위해 등장했다. 이 기술은 단백질을 그들의 본래 세포 및 조직 환경 내에서 직접 연구함으로써, 단순히 '어떤' 단백질이 존재하는지를 넘어 '어디에' 위치하고 '어떻게' 상호작용하는지를 밝혀낸다 [3]. 단백질의 위치는 그 기능과 본질적으로 연결되어 있기 때문에, 공간적 맥락을 보존하는 것은 생물학적 기능을 이해하는 데 필수적이다. 예를 들어, 면역세포인 T세포의 기능은 종양의 면역억제 장벽 안과 밖 중 어디에 위치하는지에 따라 완전히 달라진다. 또한, 특정 단백질이 세포질에서 핵으로 이동하는 것만으로도 그 기능이 극적으로 변할 수 있다. 이처럼 공간적 맥락은 단순한 추가 정보가 아니라, 생물학적 기능을 결정하는 근본적인 요인이다. 이러한 패러다임 전환은 수십 년간 축적된 비공간적 '오믹스(omics)' 데이터가 가장 중요한 신호를 평균화하여 놓쳤을 수 있다는 점을 시사하며, 기존 데이터의 재해석 필요성을 제기한다.

공간 전사체학(spatial transcriptomics)이나 단일 세포 전사체학(single-cell transcriptomics)은 유전자 발현에 대한 강력한 통찰력을 제공하지만, 세포의 ‘기능’에 대한 부분을 완벽하게 대변하지는 못한다. RNA 수준과 단백질 수준은 번역 후 변형(post-translational modifications, PTMs)이나 단백질의 각기 다른 분해 속도 등으로 인해 항상 일치하지 않기 때문이다 [4].

단백질은 생물학적 과정의 최종 기능 분자로서 세포의 기능적 상태를 가장 직접적으로 반영한다 [5]. 따라서 공간 단백질체학은 세포 상태에 대한 보다 직접적이고 기능적으로 유의미한 정보를 제공한다 [3]. 이는 단백질의 동적 이동(Translocation)이나 상호작용 네트워크와 같은 역동적인 과정을 이해하는 데 특히 중요하다 [5]. 유전체 정보가 청사진이라면, 공간 단백질체학은 그 청사진이 실제 3차원 공간에서 어떻게 구현되고 기능하는지를 보여주는 실행 계획도와 같다. 이렇게 중요한 의미를 가지기에, Nature Methods 저널에서는 공간단백질체학을 2024년 올해의 기술(Method of the Year 2024)로 선정한 바 있다. 공간 단백질체학 기술의 현재까지 가장 큰 활용은 종양학 연구, 특히 복잡하고 이질적인 종양 미세환경(Tumor Microenvironment, TME) 분석에 있다. 이 기술은 종양 세포, 면역 세포(예: T세포, 대식세포), 기질 세포(stromal components) 간의 공간적 관계를 정밀하게 매핑할 수 있게 해 준다. 이러한 상호작용은 종양의 진행, 면역 회피, 그리고 면역항암제 반응을 이해하는 데 근본적으로 중요하며, 새로운 바이오마커와 치료 표적을 발견하는 데 결정적인 역할을 한다 [6].

이 기술의 가치는 단순히 어떤 표적이 평균적으로 과발현(Overexpression)되는지를 보는 것을 월등히 넘어선다. 공간 단백질체학은 특정 약물 표적이 올바른 세포 유형에, 올바른 위치(예: 종양의 침습 경계부)에, 그리고 올바른 상호작용 파트너와 함께 존재하는지를 직접 확인할 수 있게 한다. 이러한 공간적 맥락은 표적의 유효성에 대한 직관적인 해석을 가능하게 하며, 신뢰도를 크게 높일 수 있어 후기 임상시험에서의 높은 실패율을 줄일 수 있는 잠재력을 제공한다.

종양학 외에도 이 기술은 신경질환, 심혈관질환, 자가면역질환 등 다양한 질병 연구에 활발히 적용되고 있다. 또한, 인간 신장과 같은 장기의 고해상도 3D 참조 아틀라스 구축에 핵심적인 역할을 하여, 건강과 질병 상태에서의 조직 구조에 대한 기초적인 이해를 제공한다 [5]. 다음 장에서는 다양한 연구분야에서 사용되는 공간단백체 플랫폼의 종류 및 각각의 장단점에 대해 알아보고자 한다.

2. 공간단백체 분석의 종류

2.1. 분석 방법에 따른 공간단백체 분석 분류

공간단백체학 기술의 방법은 크게 2가지 분류로 나뉠 수 있다. 첫째 분류는 표적(Targeted)과 비표적(Untargeted)의 차이이며, 두 번째 분류는 이미징(Imaging) 방식과 시퀀싱(Sequencing) 판독 방식의 차이이다.

표적과 비표적 방식의 차이를 먼저 살펴보면, 표적 방식은 일반적으로 항체 기반의 방식을 사용하며, 이미 알려진 단백질을 확인하는데 주로 사용된다. 보통 50-100개 정도의 마커를 하나의 조직 Slide에서 확인하는 용도로 사용하고, 보통 연구를 할 때 타깃을 스크리닝(Screening)하는 용도보다는, 가설에 대한 검증(Validation) 및 임상시험에서의 확인 용도로 사용하기에 적합하다. 반면 비표적 방식의 경우 주로 질량분석법 방식을 사용하여, 사전 정보 없이도 새로운 단백질을 발견(Discovery)해내는 연구를 할 때 적합하다 [3].

이미징 기반 방식과 시퀀싱 기반 방식의 차이를 살펴보면 이미징 기반 방식은 보통 형광이나 특수 표지가 된 신호를 직접 시각화하는 방식이며, 이미지를 직접 찍기에 세포 내에 있는 이미지의 위치 등도 확인할 수 있을 정도로 해상도가 높은 방식이다. 시퀀싱 기반 방식의 경우 보통 RNA를 확인하는 용도로 사용하지만, 단백질과 함께 정보를 읽는 경우(예: Visium + Protein) 항체에 바코드를 같이 붙여 시퀀싱 하여 단백질 바코드에 매칭되는 정보를 읽어 상대적으로 이미징 방식에 비해 신뢰도 있는 정량화가 가능하다 [7].

공간단백체학의 경우 많은 플랫폼이 상용화되어 사용되고 있으나, 아직 절대적인 플랫폼은 없으며 하나의 플랫폼으로 다른 플랫폼을 대체하기보다는 연구디자인과 상황에 맞게 활용되는 것이 필요하다.

2.2. 각 플랫폼별 장단점

다음으로 각각의 대표적인 공간단백체학 플랫폼에 대해 알아보고, 장단점에 대해 살펴보도록 하겠다.

2.2.1. 다중 단백질 이미징 플랫폼

1) Akoya Biosciences: PhenoCycler (CODEX) & PhenoImager

이 기술은 DNA 바코드가 부착된 항체와 형광 리포터의 반복적인 결합, 이미징, 제거 주기를 기반으로 하는 CODEX (CO-Detection by indEXing) 기술에 뿌리를 두고 있다. PhenoCycler-Fusion 시스템은 유체 제어 시스템과 이미징을 통합하여, 전체 슬라이드에 대해 100개 이상 단백질의 자동화된 분석을 수행할 수 있다. 단일세포 및 아세포 수준의 해상도(최대 0.25 um/pixel)를 가지고 있으며, 10분 안에 100만 개의 세포를 이미징 할 수 있는 높은 처리량을 보인다.

장점으로는 한 번에 100개 이상을 확인할 수 있는 높은 다중성, 전체 슬라이드 이미징화, 비파괴적 방식으로 후속 분석을 위해 조직을 보존할 수 있다는 점이 있다.

단점으로는 항체에 의존적인 분석이며, 자동화가 되었지만 패널의 수가 많을수록 한 번에 이미징 하는 시간이 많이 소요될 수 있다 [8].

2) Standard BioTools: Hyperion Imaging System (Imaging Mass Cytometry, IMC)

Hyperion Imaging 기술은 조직을 레이저로 절제(laser ablation)한 후, 항체에 부착된 중금속 동위원소를 질량분석기(CyTOF)로 검출한다. 이 방식은 형광 현미경에서 흔히 발생할 수 있는 스펙트럼 중첩이나 조직 자가형광 문제를 원천적으로 회피할 수 있다는 특징이 있다. 약 1 µm 정도의 아세포 수준의 해상도로 40개 내외의 마커를 동시에 정량 분석할 수 있다.

장점으로는 background noise와 같은 문제가 거의 발생하지 않으며, 단순 형광 분석에 비해 상대적으로 신뢰도 높은 정량데이터를 확보할 수 있다.

단점으로는 형광 기반 방식에 비해 처리속도가 느리고, 한 번에 볼 수 있는 마커의 수가 한계가 있다. 또한 파괴 방식을 사용하기 때문에, 처리 이후에 다른 분석은 시행하지 못한다는 단점이 있다 [9].

3) 10x Genomics: Xenium In Situ + Protein

Xenium은 주로 다수의 RNA 분석을 위해 설계된 고해상도 이미징 기반 in situ플랫폼이지만, 동일한 조직 절편에서 단백질까지 동시에 볼 수 있는 기능을 통합했다(2025년 하반기 출시). Xeni-um의 이미징 기술은 자물쇠 프로브(padlock probe)와 순환 증폭(rolling circle amplification)을 사용하여 RNA와 Oligo-tag 항체에 결합된 단백질을 아세포 수준의 해상도로 검출한다. Xenium으로 검출할 수 있는 최대 RNA 수는 5,000개로 매우 높으며 단백질은 현재 27개의 고정된 면역/암 관련 마커 패널을 사용할 수 있다.

장점으로는 5,000여 개의 RNA와 함께 단백질을 동시에 같은 슬라이드에서 분석할 수 있는 점이 가장 큰 강점이다. 데이터가 장비 내에서 처리되어 즉시 분석이 가능하다는 장점이 있다.

단점으로는 단백질을 볼 수 있는 수가 27개로 상대적으로 제한적이라는 것이 가장 큰 단점이다 [10].

4) Miltenyi Biotec: MACSima Platform

MACSima플랫폼은 MICS (MACSima Imaging Cyclic Staining) 기술을 기반으로 하는 완전 자동화된 주기적 면역형광 플랫폼이다. 자동화된 플랫폼의 설계를 통해 염색, 이미징, 형광신호로 가는 3단계 주기를 반복하여 200개 정도 마커까지 아세포 수준에서 분석할 수 있다는 특징이 있다.

장점으로는 공간단백체 주력 플랫폼 중 가장 많은 수의 단백질을 볼 수 있다는 점이 있으며, 600여 개가 넘는 검증된 항체 포트폴리오를 가지고 있다는 점이다.

단점으로는 RNA에 대한 부분도 분석이 가능하다고 하나 그 수가 매우 제한적이라는 점이 있으며, 단백질 마커의 수가 늘어날수록 분석에 대한 시간이 비례하여 늘어난다는 단점이 있다 [11].

5) Cyclic Immunofluorescence, CycIF

형광 표지 항체로 염색하고 이미징 한 후, 화학적으로 형광을 표백시켜 다음 턴의 염색을 가능하게 하는 반복 주기를 기반으로 하는 유연한 오픈소스 방식이다. 60개 이상의 높은 단백질 타깃을 확보할 수 있으며, 전체 슬라이드 이미징 및 3D 분석에도 적용 가능하다는 특징이 있다.

장점으로는 특정 장비를 사용하지 않기 때문에 상대적으로 매우 저렴한 비용에 연구가 가능하며, 일반적으로 연구실에서 많이 사용하는 시약 및 현미경 등을 사용하므로 접근성이 높다.

단점으로는 형광 표백 효율에 따른 결과의 편차 가능성이 있으며, 상용화된 자동화 플랫폼에 비해 수작업이 많고 노동 집약적인 단점이 있다 [12].

2.2.2. 공간 단백체 시퀀싱 플랫폼

1) 10x genomics: Visium Spatial Gene and Protein Expression

최근 Visium HD가 상용화되며 단일세포 수준의 해상도를 구현하였으며, RNA를 transcriptome 채로 볼 수 있는 점이 가장 큰 특징이다. 현재 단백질을 동시에 보는 분석은 Oligo-tag 항체와의 동시 검출을 통해 이루어지며, 30개 내외의 단백질 패널이 출시되었다.

장점으로는 동일 절편에서 전체 전사체와 더불어 단백질을 동시 검출할 수 있다는 장점이 있으며, 2020년 현재까지 가장 많이 사용된 플랫폼으로 reference가 많다는 장점이 있다.

단점으로는 볼 수 있는 단백질이 매우 제한적이며 최적의 결과를 얻기가 쉽지 않기에, 투과 과정 등을 최적화해야 하는 부분이 있다 [13].

2) Nanostring Technologies: GeoMX Digital Spatial Profiler (DSP)

GeoMX는 광분해성(photocleavable) DNA 바코드가 연결된 항체나 RNA 프로브를 사용하여 형광 이미징을 통해 관심 영역(Region of Interest, ROI)을 선택한 후, 해당 영역에만 UV를 조사하여 바코드를 방출시키는 방식이다. 단일세포 수준의 해상도는 아니지만, 한 번에 볼 수 있는 단백질의 최대 수는 570여 개로 다른 방식에 비해 많은 단백체를 볼 수 있다는 특징이 있다.

장점으로는 RNA, 단백질 모두에 대한 많은 수의 분석을 할 수 있다는 장점이 있으며, 비파괴적 분석이 가능하다는 점이 있다.

단점으로는 최근 플랫폼에 대비하여 단일세포 수준의 해상도를 제공하지 못하고, ROI 내 세포들의 평균적인 정보만을 제공한다는 점이 있다 [14].

2.2.3. 질량분석 공간단백체 플랫폼

1) MALDI 이미징 질량분석법(MALDI-IMS)

MALDI 이미징 질량분석법은 조직 절편을 매트릭스로 코팅한 후에 레이저를 표면에 주사하여 분자(단백질, 지질, 대사체 등)를 탈착 및 이온화시켜 질량분석기로 분석하는 방법이다. 기존에는 해상도가 낮은 편이었으나, 기술의 발전으로 인해 단일세포 수준에 가깝게 해상도가 높아지고 있다(현재 5~20 um).

장점으로는 항체와 같은 표지(label)가 필요 없는 발견을 위한 기술로, 예상치 못한 분자나 단백질 변이체(proteoform)를 검출할 수 있으며, 단백질 외에도 지질 및 대사체를 동시에 포착할 수 있다.

단점으로는 소량의 단백질에 대한 민감도가 낮고 데이터의 복잡성이 높은 편이다. 아직까지는 공간해상도가 낮은 점이 단점이다 [15].

2.3. 최신 공간단백체 기술

앞서 소개한 방법에서 크게 범주를 벗어나지는 않으나, 가장 최근에 대두되고 있는 공간단백체 기술에 2가지에 대해서 기술하고자 한다. 이 2가지 기술은 앞선 플랫폼의 장점을 살리고, 단점을 보완한다는 점에 있어서 아웃풋을 기대하게 만드는 플랫폼이다.

1) Syncell: Microscoop

Microscoop 플랫폼은 현미경 기반의 새로운 광-단백질체학(opto-proteomic) 기술이다. 이 기술의 핵심은 AI 기반으로 유도되는 2광자 레이저(two-photon laser)를 사용하여, 사용자가 시각적으로 선택한 아세포 수준의 관심 영역(ROI) 내에 있는 모든 단백질에 광생체 바이오티닐화(photo-biotinylation)를 유도하는 것이다. 이는 항체 기반 타깃 확보 방식과 근본적으로 차이가 있다. 앞선 MALDI 이미징 방식 등의 단점은 해상도가 낮다는 단점이 있었으나, Microscoop는 소프트웨어를 이용한 ROI를 지정(예: 특정 소기관 또는 미토콘드리아 등)하여 AI를 통한 패턴인식을 영역 전체에 걸쳐 수행하게 한다. 이러한 접근법은 다른 방법으로는 접근할 수 없었던 정확한 위치에 기반한 단백질의 신규 발견(de novo discovery)을 가능하게 한다.

이러한 신규 발견의 예를 몇 가지만 살펴보면, 신경과학 및 퇴행성 뇌질환에서 Microscoop을 사용한 사례가 있다. 알츠하이머병의 핵심 병리 특징인 아밀로이드 베타(Aβ) 응집체와 관련된 새로운 단백질을 식별하기 위해 AI 기반 이미지 분할과 고정밀 광-바이오티닐화 기술을 사용하여, 기존에 알려지지 않았던 Aβ 관련 단백질인 Lon protease와 DDX3X helicase를 발견하였다.

또한 지방간 질환 모델에서 미토콘드리아-지질 방울(lipid droplet, LD) 접촉면과 같은 특정 세포 소기관을 AI 기반 이미지 분할로 매우 고해상도로 분리하여 잡아내어 전례 없는 해상도로 단백질체를 분석하여, 524개의 알려진 섬모 단백질을 포함한 총 4,233개의 단백질을 식별한 연구를 발표했고, 이 중 5개는 완전히 새로운 후보 물질로 밝혀졌다. 그중 FHL3의 발현을 억제함을 통해 해당 단백질이 지방산 대사에 중요한 역할을 할 수 있음을 시사할 수 있었다.

이와 같이 현재까지 발표된 연구들은 스트레스 과립, 일차 섬모, 그리고 소기관 접촉부위와 같은 굉장히 미세한 부분에서 새로운 단백질을 동정하는데 Microscoop 기술이 성공적으로 사용되었음을 증명한다 [16].

2) AmberGen: Miralys MALDI-IHC

Miralys 플랫폼은 MALDI HiPLEX-IHC 기술을 기반으로 한다. 이 기술의 핵심은 특허받은 광분해성 질량 태그(Photocleavable Mass-Tags, PCMTs)가 결합된 항체를 사용하는 것이다. 모든 항체는 단일 염색단계에서 적용되며, UV를 조사하여 질량 태그를 절단하면 이 태그들이 MALDI 질량분석기에 의해 신속하게 검출된다. 이 방식은 형광 기반 방법들의 반복적인 사이클링 과정을 하지 않고 빠르게 분석 결과를 얻게 할 수 있다. AmberGen 기술의 핵심 강점은 MALDI-MS 방식으로 판독을 하기 때문에, 동일한 조직 절편을 사용하여 MALDI-IHC를 수행하기 전에 저분자, 지질, 약물 등의 비표적 이미징을 수행할 수 있다. 더 나아가 프로브에 형광체를 이중으로 표지하여, 동일한 샘플에서 상관관계가 있는 형광 현미경 분석과 MALDI-IHC를 동시에 수행하는 것도 가능하다. 또한 속도가 다른 분석에 비해 상대적으로 매우 빠르다는 장점이 있다(1 cm x 1 cm 샘플에서 150개 이상의 단백질을 1시간 내에 이미징 가능).

이러한 기술을 활용하여 약물이 실제 조직에 적용되거나 침투되는 것을 직관적으로 확인하기 쉬우며, 현재 AmberGen를 활용하여 다음과 같은 연구들이 진행되고 있다. Glioblastoma (GBM) 환자 유래 이식체(PDX) 쥐 뇌 조직에서 Temozolomide (TMZ) 약물과 대사체, 지질, 그리고 Miralys 항체를 사용한 HiPLEX MALDI-IHC를 동일 슬라이드에서 함께 영상화하여 약물의 공간적 분포를 시각화하고, 이어서 PC-MT 기반 Miralys 프로브를 통한 단백질 마커까지 멀티오믹스 분석을 수행함. 이는 약물-단백질-대사체를 한 슬라이스에서 통합 분석함으로써, 약물이 종양 조직 내에서 어떻게 분포하는지, 단백질 마커와 어떤 관계가 있는지 매우 정밀하게 분석이 가능하다. 또한 자궁내막암 조직에서 120-plex 패널을 사용하여 기존에 알려진 조직병리학적 특징을 확인했을 뿐만 아니라, TCGA 분자 아형 간의 새로운 공간적 구조와 상호 관계를 발견했다. 이는 표적 기반 접근법 내에서도 새로운 생물학적 발견이 가능함을 보여주는 강력한 사례이다 [17].

Syncell의 경우 현재 제대로 연구되기 어려운 고해상도의 이미지에서의 비표적 발견이라는 새로운 패러다임을 제공하고, AmberGen의 경우 다수 표적을 타깃 하면서 동시에 속도를 극적으로 향상시켜 기존 플랫폼의 처리량을 월등히 넘어설 수 있게 한다. 이 두 가지의 플랫폼은 현재 타깃의 수량과 해상도라는 두 가지 목표를 향한 일종의 기술 경쟁을 촉발하고 있으며, 상용화되어 있는 공간단백체 플랫폼의 레벨을 한 단계 높여줄 것이다.

그림 1. 공간단백체 플랫폼별 특징 및 장단점 비교 정리

3. 향후 기술 발전 방향

다수의 단백질을 타깃 하는 공간단백체 플랫폼에서 생성되는 데이터의 엄청난 양과 복잡성은 기술 채택의 주요 장벽이다. 분석에는 정교한 계산 프레임워크와 다양한 분야의 전문 지식이 필요하여 일반 생물학 연구자들의 진입 장벽을 형성한다. 이에 대한 해결책은 인공지능(AI)과 머신러닝의 형태를 조합하는 형태로 나타나고 있다. KRONOS와 같은 파운데이션 모델(Foundation Model)은 세포 분할(segmentation) 과정 없이 다중 이미지를 분석하고, 세포 유형 분류나 배치 효과(batch effect) 보정과 같은 작업을 높은 효율로 수행하기 위해 개발되고 있다. 오픈소스 소프트웨어 파이프라인(예: nf-core/imcyto, PICAFlow)과 상용 플랫폼(예: QuPath, Visiopharm)이 연구자들을 위한 도구 상자를 형성하고 있지만, 통합적이고 사용자 친화적인 엔드-투-엔드 솔루션은 여전히 해결되지 않은 '성배'로 남아있다.

공간단백체에서도 공간전사체의 강자인 10x Genomics의 Loupe Browser와 같이 가장 직관적이고 강력한 분석 소프트웨어를 제공하는 회사가 상당한 경쟁 우위를 점하게 될 것이다. 장기적으로 이 분야의 경쟁 우위는 최고의 장비를 가진 기업에서 최고의 데이터 분석 및 해석 플랫폼을 가진 기업으로 이동할 것이다. 하드웨어의 성능(다수 타깃, 해상도)은 전반적으로 빠르게 향상되어 시간이 지남에 따라 상향 평준화될 가능성이 높다. 반면, 생성되는 데이터는 기하급수적으로 복잡해지고 있으며, 이 데이터 안에 잠긴 가치를 발굴해 내는 것이 주요 병목 현상이다. 따라서 원시 픽셀과 카운트를 실행 가능한 생물학적 통찰력으로 전환하는 가장 강력하고 직관적인 소프트웨어를 제공하는 기업이 가장 큰 가치를 창출하고 가장 견고한 생태계를 구축할 것이다.

이러한 공간단백체나 공간전사체 등 오믹스 연구를 하는 궁극적인 목표는 동일한 샘플에서 여러 데이터 계층을 통합하여 조직 생물학에 대한 전체적인 시각을 얻는 것이다. 2025년 현재까지는 단백질과 RNA를 동시에 측정할 수 있는 플랫폼(예: Xenium, Visium)이 이러한 추세의 선두에 있다. 많은 연구자들이 이러한 통합적 분석을 하기 위해 멀티오믹스(Multiomics) 분석과 같은 프로젝트를 수행하며 연구를 하고 있으나 이 통합은 간단하지 않다. 연속된 절편의 데이터를 중첩하거나, 전사체 데이터로부터 단백질 발현을 추론하는 등의 계산적 방법이 필요하며, 이는 mRNA와 단백질 수준 간의 일부 불균일한 상관관계로 인해 복잡하다. 공간정보 데이터와 같은 표준화된 데이터 형식의 개발은 서로 다른 플랫폼과 데이터 유형 간의 통합을 가능하게 하는 중요한 단계이다.

또한 이러한 통합적인 연구는 결국 연구에 그치지 않고 임상적인 의미를 확보해야 하며, 공간 단백질체학이 연구 도구에서 임상 진단 도구로 전환되기 위해서는 몇 가지 장애물을 극복해야 한다. 여기에는 표준화된 워크플로우, 강력한 품질 관리, 그리고 여러 실험실과 플랫폼 간의 재현성을 보장하기 위한 분석적 검증이 포함되며, 분석의 높은 비용과 복잡성 또한 일상적인 임상 채택의 주요 장벽이다. 이러한 복잡한 다중 분석에 대한 규제 경로는 NGS 패널과 같은 다른 복잡한 진단법이 개척한 길을 따를 가능성이 높다.

임상 적용의 미래는 발견(Discovery) 중심의 연구 플랫폼보다는 고도로 검증되고 자동화된 저다중성 분석법에 있을 가능성이 높다. 임상 실험실은 높은 재현성, 빠른 처리 시간, 낮은 비용을 요구하는데, 이는 현재 많은 연구 플랫폼의 특성과는 상반된다. 실제 임상에 적용되기 위해서는 연구 단계에서 광범위한 발견 패널(예: 500여 개 타깃 설정)을 사용하여 5-10개 단백질로 구성된 강력하고 예측적인 핵심 바이오마커를 식별하는 방법으로 구성하는 것이다. 그 후, 이 더 작고 검증된 패널은 더 저렴하고 빠르며 견고한 임상 분석법(예: 자동화된 IHC 또는 GeoMx의 표적화된 버전)으로 전환될 수 있다. 이러한 "발견에서 번역으로(discovery-to-translation)"의 전 과정을 지원할 수 있는 기업이 장기적인 임상 성공에 가장 유리한 위치를 차지할 것이다.

4. 참고문헌

==>첨부파일(PDF) 참조

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.