3가지 질문: 종양 진행을 특성화하기 위한 예측 모델 구축

Source: MIT News - AI

위에 제공된 소스 링크만으로는 번역할 본문이 없습니다. 번역을 원하는 기사 본문을 그대로 복사해서 알려주시면, 요청하신 대로 한국어로 번역해 드리겠습니다.

Introduction

다윈의 핀치새가 자연 선택에 반응하여 진화한 것처럼, 암 종양을 구성하는 세포들도 생존하고 진화하며 퍼지기 위해 선택적 압력에 대응합니다. 종양은 고유한 구조와 변할 수 있는 능력을 가진 복잡한 세포 집합체입니다.

오늘날 인공지능과 머신러닝 도구는 유전적, 후생유전적, 대사적, 미세환경적 수준에서 종양 진행을 지배하는 일반화 가능한 규칙을 밝히는 전례 없는 기회를 제공합니다.

Matthew G. Jones, MIT 생물학과 조교수이자 Koch Institute for Integrative Cancer Research와 Institute for Medical Engineering and Science 소속인 그는 컴퓨팅 접근법을 사용해 예측 모델을 구축하고자 합니다—암과 체스 게임을 하는 듯이, 종양이 진화하고 치료에 저항하는 능력을 이해하여 궁극적으로 환자 결과를 개선하는 것이 목표입니다. 이번 인터뷰에서 그는 현재 진행 중인 연구를 설명합니다.

종양 진행의 어떤 측면을 탐구하고 특성화하려고 합니까?

암 환자들은 처음에는 치료에 반응하지만 결국 그 치료가 효과를 잃는 경우가 매우 흔합니다. 이는 주로 종양이 놀라울 정도로, 그리고 매우 어려운 방식으로 진화할 수 있기 때문입니다: 유전적 구성을 바꾸고, 단백질 신호 구성을 바꾸며, 세포 역학을 바꾸는 것입니다. 종양은 시스템으로서 구조적인 수준에서도 진화합니다. 종종 환자는 종양이 더 이상 제어할 수 없는 상태로 진화하거나, 예측할 수 없는 방식으로 진화하기 때문에 사망합니다.

암은 엄청나게 조절이 흐트러지고 무질서한 동시에, 끊임없이 변하는 자체 내부 논리를 가지고 있다고 볼 수 있습니다. 우리 연구실의 핵심 가설은 종양이 시공간적으로 전형적인 패턴을 따르며, 우리는 계산 및 실험 기술을 사용해 이러한 변화를 일으키는 분자적 과정을 해독하고자 한다는 것입니다.

우리는 종양이 진화하는 한 가지 구체적인 방식을 집중적으로 연구하고 있습니다: 엑스트라크로모소말 DNA (ecDNA) 라는 형태의 DNA 증폭입니다. 염색체에서 절단된 이 ecDNA는 원형으로 재구성되어 핵 안에 별도의 DNA 입자 풀로 존재합니다.

1960년대에 처음 발견된 ecDNA는 암에서 드문 현상이라고 여겨졌습니다. 그러나 2010년대에 연구자들이 차세대 시퀀싱을 대규모 환자 코호트에 적용하기 시작하면서, ecDNA 증폭이 종양이 스트레스와 치료에 더 빠르게 적응하도록 할 뿐만 아니라, 초기 생각보다 훨씬 더 흔하다는 것이 명확해졌습니다.

우리는 이제 이러한 ecDNA 증폭이 **전체 암의 약 25 %**에서 나타난다는 것을 알고 있습니다. 특히 가장 공격적인 유형인 뇌암, 폐암, 난소암에서 많이 발견됩니다. 다양한 이유로, ecDNA 증폭은 종양이 진화하는 “규칙서”를 바꾸어, 놀라운 방식으로 더 공격적인 질병으로 가속화하도록 만들 수 있습니다.

머신러닝과 인공지능을 사용해 ecDNA 증폭 및 종양 진화를 어떻게 연구하고 있나요?

환자들의 삶을 개선하기 위해 실험실에서 하는 일을 번역해야 하는 사명이 있습니다. 저는 환자 데이터를 시작점으로 삼아 다양한 진화적 압력이 질병과 우리가 관찰하는 돌연변이를 어떻게 구동하는지 탐구합니다.

우리가 종양 진화를 연구하기 위해 사용하는 도구 중 하나는 single‑cell lineage tracing입니다. 넓게 보면, 이러한 기술은 개별 세포의 계통을 추적할 수 있게 해줍니다. 특정 세포를 샘플링하면 그 세포의 표현형을 볼 수 있을 뿐만 아니라, (이상적으로는) 종양 역사에서 공격적인 돌연변이가 정확히 언제 나타났는지를 pinpoint할 수 있습니다. 이러한 진화 역사는 실시간으로 관찰할 수 없는 동적 과정을 연구할 수 있는 방법을 제공하고, 그 진화를 차단할 수 있는 방법을 이해하는 데 도움을 줍니다.

우리는 특정 약물에 반응할 환자를 더 잘 구분하고, 약물 저항성을 예측·극복하며, 새로운 치료 표적을 식별하는 능력이 향상되기를 기대합니다.

MIT 커뮤니티에 합류하게 된 동기는 무엇인가요?

제가 끌린 점 중 하나는 공학과 생물학 분야 모두에서 탁월함을 통합하고 있다는 점입니다. Koch Institute에서는 모든 층이 엔지니어와 기초 과학자 간의 인터페이스를 촉진하도록 설계되어 있으며, 캠퍼스 밖에서도 보스턴 지역의 광범위한 바이오메디컬 연구 기업들과 연결될 수 있습니다.

또 다른 매력은 MIT가 교육, 훈련, 그리고 학생 성공에 대한 투자를 강하게 강조한다는 점입니다. 저는 학술 연구가 산업 연구와 구별되는 핵심은 학술 연구가 근본적으로 서비스 업무라는 믿음이 있습니다: 우리는 차세대 과학자를 양성하고 있기 때문입니다.

저는 언제나 계산 및 실험 기술 분야 모두에서 탁월함을 추구해 왔습니다. 제가 모집하고자 하는 연수생들은 두 접근 방식을 모두 필요로 하는 큰 문제를 협업하여 해결하고자 하는 열의를 가지고 있습니다. KI는 이러한 형태의 하이브리드 랩에 최적화된 환경을 갖추고 있습니다: 제 드라이 랩이 바로 옆에 있는 웻 랩과 인접해 있어 협업을 촉진하고 연구소의 전반적인 비전을 반영합니다.