화학구조와 암세포 전사반응의 데이터 기반 연관성 분석

이 논문은 ‘화학 시스템 생물학’이라는 관점에서, 대규모 약물 라이브러리와 전사체 데이터를 통합 분석하여 구조‑활성 관계를 새롭게 규명한다. 연구는 크게 네 단계로 진행된다. 첫째, 1159개의 FDA‑승인 및 실험용 화합물에 대해 76개의 VolSurf 3차원 물리화학 지표를 계산하였다. VolSurf는 용해도, 투과성, 표면적, 부피, 소수성, 수소결합 가능성 등 ADMET 특성을 정량화하는데, 이는 전통적인 2D 피쳐와 달리 분자 형태와 전반적인 물리화학적 성질을 포괄한다. 둘째, Connectivity Map(CMap)에서 제공하는 MCF7(유방암), PC3(전립선암), HL‑60(백혈병) 세 종류의 암세포주에 대한 약물 처리 후 11 350개의 유전자 발현 데이터를 수집하였다. 각 약물‑세포주 조합에 대해 로그2 변환된 발현 변화를 얻었으며, 이를 Gene Set Enrichment Analysis(GSEA)와 GO 분석을 통해 기능적 유전자 세트로 요약하였다. 셋째, 화학공간(VolSurf)과 생물학적 반응공간(유전자 세트) 사이의 선형 상관성을 찾기 위해 정준 상관분석(CCA)을 적용하였다. CCA는 두 데이터 행렬의 차원을 동시에 축소하면서, 서로 가장 높은 상관을 보이는 성분을 추출한다. 분석 결과, 10개의 유의미한 CCA 성분이 도출되었으며, 각 성분은 ‘A’와 ‘B’ 두 서브그룹(양·음 정준 점수)으로 나뉘어 동일한 생물학적 패턴을 공유하지만, 약물군이 반대 방향으로 배치되는 특성을 보였다. 화학적 측면에서, 1·2·4·10번 성분은 소수성(리피드성) 지표가 주도했으며, 3번은 수소결합·극성 상호작용, 5·6·7번은 강한 약물‑표적 상호작용점을 나타내는 파라메트릭 지표가 강조되었다. 8·9번은 분자 부피와 표면적의 불균형, 즉 친수성·소수성 영역의 비대칭을 포착한다. 생물학적 측면에서는, 1번 성분이 MAPK·단백질인산화 경로와 같은 성장인자 신호를, 2번은 DNA 손상·복구 관련 유전자 세트, 3번은 미토콘드리아 대사·스트레스, 4번은 세포골격·접착, 5·6번은 분화·EMT, 7번은 GPCR 신호, 8번은 세포 부착·이동, 9번은 아미노산·질소 대사, 10번은 일반적인 암 신호망을 각각 활성화한다는 GO 및 GSEA 결과와 일치한다. 성분별 약물 군집을 살펴보면, 2번 성분에는 플루오로우라실, 메토트렉세이트와 같은 DNA 손상제와 항대사물질이 풍부하고, 3번 성분에는 미토콘드리아 기능에 영향을 주는 이온채널 차단제와 GPCR 길항제가 포함된다. 4번 성분은 GPCR 작용제와 매크로사이클릭 화합물, 5·6번은 NSAID와 HDAC 억제제 등 다양한 약물군이 공통된 물리화학적 특성을 공유한다는 점이 눈에 띈다. 이러한 군집은 전통적인 2D 피쳐 기반의 구조유사성 분석으로는 포착하기 어려운 ‘스케일‑프리’ 관계를 드러낸다. 성능 검증에서는 CCA 성분을 이용한 약물 기능 유사도 검색이 순수 화학공간(VolSurf)이나 순수 생물학공간(GSEA, 원시 유전자 발현)보다 평균 정밀도(MAP)에서 유의하게 우수했으며, 특히 상위 50~200개의 후보를 추출할 때 차이가 두드러졌다. 이는 CCA가 잡음이 되는 화학·생물학 정보를 효과적으로 필터링하고, 약물 작용 메커니즘을 반영하는 핵심 신호를 추출한다는 증거이다. 결론적으로, 본 연구는 고차원 화학 특성과 전사 반응을 동시에 고려함으로써, 약물의 다중 타깃·다중 경로 작용을 정량적으로 해석할 수 있는 새로운 분석 파이프라인을 제공한다. 이러한 접근은 신약 설계, 부작용 예측, 약물 재배치 등에 활용될 수 있는 기반을 마련한다. 향후에는 더 많은 세포주와 임상 데이터, 그리고 단백질‑약물 결합 정보를 통합함으로써, 개인 맞춤형 약물 반응 예측 모델을 구축하는 방향으로 확장될 수 있다.