유전자 데이터로 신약을 찾을 때 어떤 분석법이 가장 잘 맞을까?

오늘은 신약 개발과 관련된 논문을 하나 가져와봤습니다. 새로운 약 하나를 만드는 데는 시간도 오래 걸리고 비용도 많이 들어간다고 하죠. 그래서 이미 사용하고 있는 약에서 새로운 효과를 찾아보는 연구들도 많이 진행되고 있습니다. 그런데 이렇게 기존 약을 다시 찾아보려면 결국 수많은 데이터를 잘 비교하는 과정이 필요합니다. 데이터가 많다고 무조건 좋은 것이 아니라 어떻게 분석하느냐도 꽤 중요한 문제인 것 같습니다.

그래서 오늘 소개할 논문은 **A comprehensive evaluation of connectivity methods for L1000 data**입니다. 이름만 보면 조금 어려워 보이는데 쉽게 말하면, 약물이 유전자에 어떤 변화를 일으키는지 비교해서 새로운 약 후보를 찾을 때 어떤 분석 방법이 가장 잘 맞는지 비교해 본 연구입니다. 여러 가지 분석 방법을 같은 조건에서 시험해 봤더니 생각보다 성능 차이가 있었고, 연구자들에게 어떤 방법을 사용하는 것이 좋은지 하나의 기준을 제시해 주었습니다.

요즘은 AI도 그렇고 바이오도 그렇고 데이터가 정말 많아졌는데, 좋은 데이터를 모으는 것만큼이나 제대로 분석하는 것도 중요하다는 생각이 드네요. 겉으로 보기에는 비슷해 보여도 어떤 계산 방법을 쓰느냐에 따라 새로운 약을 찾을 가능성도 달라질 수 있다는 점이 꽤 흥미로운 연구였습니다. :)

DOI: 10.1093/bib/bbz129

clova-x

---

### 연구 배경

L1000 데이터는 CMap 파일럿 데이터보다 천 배 이상 큰 규모의 데이터로, 다양한 인간 세포주에서의perturbagen에 대한 유전자 발현 프로파일을 포함하고 있습니다. 이러한 대규모 데이터는 미지의 화합물의 작용 메커니즘을 이해하고 기존 약물의 새로운 적응증을 찾는 데 중요한 기회를 제공합니다. 그러나 L1000 데이터에 적합한 커넥티비티 방법론의 평가가 필요했습니다.

### 연구 목적

이 연구의 목적은 L1000 데이터를 기반으로 한 커넥티비티 맵 방법론들을 평가하고, 특히 ZhangScore라는 알고리즘의 성능을 검증하는 것입니다. 이를 통해 연구자들이 L1000 데이터에 적합한 커넥티비티 방법을 선택하는 데 유용한 지침을 제공하고자 합니다.

### 연구 방법

여섯 가지 인기 있는 커넥티비티 방법론(GSEAweight0, GSEAweight1, GSEAweight2, KS, XSum, ZhangScore)을 평가하였습니다. 평가는 Drug Repurposing Hub 데이터베이스의 drug–drug 유사성을 벤치마크 표준으로 삼아,Receiver Operating Characteristic (ROC) 곡선의 부분 면적(AUC0.001, AUC0.005, AUC0.01)을 측정하는 방식으로 진행되었습니다.

### 연구 결과

ZhangScore는 유전자 시그니처 크기가 10~200인 범위에서 다른 방법론보다 더 높은 정확성을 보였으며, 실험적으로 유도된 유방암 세포의 에스트로겐 관련 유전자 시그니처와도 비교했을 때 더 높은 정확성을 확인할 수 있었습니다. 또한, ZhangScore를 통해 알려진 TOP2A 억제제 외에도 여러 잠재적 억제제를 식별하였고, 그중 일부는 이전 연구의 대상이었습니다.

### 고찰

ZhangScore는 rank-based weight를 사용하여 유전자 발현 프로파일 간의 유사성을 측정하는데, 이는 L1000 데이터의 레벨 5 데이터에 적합한 것으로 보입니다. 또한, gene signature 크기가 500 이상일 경우에는 GSEAweight2도 테스트할 가치가 있습니다.

### 의의와 시사점

이 연구는 연구자들이 L1000 데이터에 적합한 커넥티비티 방법을 선택하는 데 유용한 지침을 제공합니다. ZhangScore는 높은 정확성을 보이며, 다양한 유전자 시그니처 크기에서 우수한 성능을 나타냅니다. 이는 미지의 화합물의 작용 메커니즘을 이해하고 기존 약물의 새로운 적응증을 찾는 데 중요한 기여를 할 수 있습니다.

### 결론

ZhangScore는 L1000 데이터를 기반으로 한 커넥티비티 맵 방법론 중 가장 높은 정확성을 보이는 방법론으로, 연구자들이 대규모 유전자 발현 데이터를 효과적으로 분석하고 활용하는 데 큰 도움이 될 것입니다.

gemini

바이오인포매틱스 분야의 최신 논문인 'L1000 데이터를 위한 연결성 분석 방법의 포괄적 평가(A comprehensive evaluation of connectivity methods for L1000 data)'를 일반인이 이해하기 쉽게 요약해 드립니다.

### 1. 연구 배경: 새로운 약을 찾는 '유전자 지도'

우리가 어떤 질병을 치료하기 위해 새로운 약을 개발하려면 막대한 시간과 비용이 듭니다. 이를 줄이기 위해 과학자들은 이미 안전성이 검증된 기존 약물에서 새로운 효능을 찾는 '신약 재창출' 연구를 활발히 진행하고 있습니다. 이때 핵심이 되는 기술이 바로 '연결성 지도(Connectivity Map, CMap)'입니다. 특정 약물을 세포에 처리했을 때 유전자들이 어떻게 반응하는지(유전자 발현 패턴)를 기록한 데이터베이스를 말합니다. 최근에는 기술의 발전으로 'L1000'이라는 차세대 데이터가 등장하며, 기존보다 1,000배나 많은 방대한 양의 정보를 처리해야 하는 상황이 되었습니다. 

### 2. 연구 목적: 어떤 '비교 공식'이 가장 정확할까?

방대한 유전자 정보 속에서 두 약물이 비슷한 효과를 내는지, 혹은 어떤 약물이 특정 질병에 효과가 있을지 알아내려면 두 데이터 간의 '유사성'을 계산하는 수학적 방법(알고리즘)이 필요합니다. 기존에는 초기 데이터에 맞춘 방법들을 써왔지만, 데이터 양이 엄청나게 늘어난 L1000 환경에서도 이 방법들이 여전히 잘 작동하는지는 확인되지 않았습니다. 본 연구는 가장 널리 쓰이는 6가지 알고리즘을 선정하여, L1000 데이터 환경에서 어떤 것이 가장 정확하게 약물의 관계를 찾아내는지 비교 평가하는 것을 목적으로 합니다. 

### 3. 연구 방법: 철저한 검증 데이터로 비교하기

연구팀은 'Drug Repurposing Hub'라는 신뢰도 높은 약물 데이터베이스를 기준으로 삼았습니다. 이곳에 등록된 1,919개의 약물 정보를 바탕으로, 실제로 같은 원리로 작용하는 약물 쌍을 얼마나 잘 찾아내는지 테스트했습니다. 연구팀은 유전자 정보의 크기를 10개에서 1,000개까지 다양하게 조절하며 9종류의 인간 세포주에서 실험을 진행했습니다. 평가 지표로는 '오답을 피하면서 정답을 얼마나 빨리 찾아내는지'를 측정하는 AUC(곡선 아래 면적) 방식을 사용해 변별력을 높였습니다. 

### 4. 연구 결과: 승자는 '장스코어(ZhangScore)'

실험 결과, '장스코어(ZhangScore)'라는 알고리즘이 대부분의 조건에서 다른 방법들보다 월등히 높은 정확도를 보여주었습니다. 특히 유전자 신호의 크기가 10개에서 200개 사이일 때 가장 뛰어난 성능을 발휘했습니다. 연구팀은 실제 암세포 실험 데이터를 통해서도 이 결과가 맞는지 재확인했으며, 장스코어를 이용해 유방암 관련 단백질(TOP2A)을 억제할 수 있는 새로운 잠재적 약물 후보들을 찾아내는 데도 성공했습니다. 이 중 일부는 이미 다른 연구에서 효과가 있다고 알려진 것들이어서 알고리즘의 신뢰성을 입증했습니다. 

### 5. 고찰 및 의의: 연구자들을 위한 내비게이션

이 연구는 방대한 L1000 데이터를 다루는 전 세계의 과학자들에게 "어떤 분석 도구를 써야 하는가?"에 대한 명확한 가이드를 제공합니다. 연구팀은 누구나 이 6가지 분석 방법을 쉽게 사용할 수 있도록 'RCSM'이라는 오픈소스 소프트웨어 패키지도 제작해 배포했습니다. 이는 개별 연구자들이 시행착오를 겪지 않고 가장 효율적인 방법으로 신약을 연구할 수 있는 토대를 마련해 준 것입니다. 

### 6. 시사점과 이 연구가 중요한 이유

이 연구는 단순히 수학적 계산법을 비교한 것에 그치지 않습니다. 우리가 암이나 난치병을 치료할 '기적의 약'을 더 빨리 발견할 수 있게 돕는 효율적인 '검색 엔진'을 찾아낸 것과 같습니다. 수만 개의 약물 후보군 중에서 장스코어와 같은 정확한 알고리즘을 사용하면, 실제 환자에게 도움이 될 가능성이 높은 약물을 훨씬 더 정교하게 골라낼 수 있습니다. 결국 이 연구는 미래의 정밀 의료와 신약 개발 속도를 획기적으로 높여 인류의 건강 증진에 기여할 수 있는 중요한 이정표가 될 것입니다.

chatGPT

이 논문은 2020년 《Briefings in Bioinformatics》에 게재된 “A comprehensive evaluation of connectivity methods for L1000 data”로, 대규모 유전자 발현 데이터인 L1000을 활용해 약물 간 유사성을 계산하는 다양한 방법들을 체계적으로 비교·평가한 연구이다. 이 연구는 특히 어떤 분석 방법이 실제 약물의 작용기전(Mechanism of Action, MoA)을 가장 잘 반영하는지를 정량적으로 검증했다는 점에서 의미가 크다.

연구 배경을 이해하려면 먼저 L1000 데이터와 Connectivity Map(CMap)을 알아야 한다. 미국의 LINCS 프로젝트는 수많은 약물을 세포에 처리했을 때 유전자 발현이 어떻게 변하는지를 측정해 방대한 데이터베이스를 구축했다. 그중 L1000은 130만 개 이상의 유전자 발현 프로파일을 포함하는 대규모 확장판이다. 이러한 데이터는 “질병 유전자 서명”과 “약물 유전자 서명”을 비교해 기존 약물을 새로운 질환 치료에 재활용하는 약물 재창출(drug repurposing)에 널리 활용된다. 그런데 문제는, 두 유전자 발현 패턴이 얼마나 비슷한지를 계산하는 방법이 여러 가지이고, 어떤 방법이 L1000 데이터에서 가장 정확한지에 대한 체계적인 검증이 부족했다는 점이다.

이 연구의 목적은 L1000 데이터에서 널리 사용되는 6가지 connectivity 분석 방법(GSEAweight0, GSEAweight1, GSEAweight2, KS, XSum, ZhangScore)의 예측 성능을 공정한 기준으로 비교하고, 실제 연구자가 어떤 방법을 선택하는 것이 적절한지 가이드라인을 제시하는 데 있다. 특히 기존 연구들이 ATC 분류 체계를 기준으로 삼았던 것과 달리, 본 연구는 더 정밀한 기준을 사용했다. 연구진은 하버드 의대에서 구축한 Drug Repurposing Hub 데이터베이스를 활용해, 동일한 작용기전과 단백질 표적을 공유하는 약물 쌍을 ‘진짜 유사한 약물(positive pair)’로 정의하고 이를 벤치마크로 삼았다.

연구 방법은 다음과 같다. 먼저 L1000의 level 5 데이터(정규화된 replicate-consensus signature)를 사용해 9개 핵심 세포주(A375, A549, MCF7 등)에서 약물별 유전자 발현 서명을 추출했다. 이후 각 방법을 이용해 약물 쌍 간 유사도 점수를 계산했다. 성능 평가는 ROC 곡선의 부분 면적(AUC)을 활용했으며, 특히 위양성 비율이 매우 낮은 구간(FPR 0.001, 0.005, 0.01)에서의 부분 AUC(AUC0.001, AUC0.005, AUC0.01)를 측정했다. 이는 실제 연구에서 상위 몇 개 후보만 실험적으로 검증할 수 있기 때문에 “초기 상위 랭킹 성능(early retrieval performance)”이 중요하다는 현실을 반영한 것이다. 또한 무작위 치환(permutation)을 1만 회 수행해 통계적 유의성을 검증했다.

그 결과, 유전자 서명 크기가 10~200개(실제 연구에서 흔히 사용하는 범위)일 때 ZhangScore가 가장 우수한 성능을 보였다. 9개 세포주와 다양한 서명 크기를 조합한 36가지 조건 중, ZhangScore는 AUC0.01 기준으로 17회에서 최고 성능을 기록해 다른 방법들보다 전반적으로 뛰어났다. AUC0.005와 AUC0.001에서도 가장 많은 경우에서 1위를 차지했다. 특히 A375, HA1E, HT29, VCAP 세포주에서는 통계적으로 유의하게 높은 성능을 보였다. 반면, 유전자 서명 크기가 500~1000처럼 매우 커질 경우에는 GSEAweight2가 상대적으로 우수했다. 그러나 실제 생물학 연구에서 500개 이상의 유전자를 서명으로 사용하는 경우는 드물기 때문에, 현실적인 조건에서는 ZhangScore가 가장 실용적인 선택이라는 결론을 도출했다.

연구진은 실제 사례 검증도 수행했다. 유방암 세포에서 에스트로겐 관련 유전자 서명을 이용해 약물 연결성을 분석했을 때도 ZhangScore가 다른 방법보다 더 정확하게 관련 약물을 상위에 랭크시켰다. 또한 TOP2A 유전자 knockdown 서명을 기반으로 분석했을 때, 잘 알려진 TOP2A 억제제뿐 아니라 잠재적 억제 후보 물질도 추가로 발견되었고, 그중 일부는 이전 연구에서 이미 관련성이 제시된 바 있었다. 이는 단순한 통계적 비교를 넘어 실제 약물 기전 탐색에서도 ZhangScore의 유용성을 보여준다.

고찰 측면에서 보면, 이 연구는 “어떤 알고리즘이 더 정교한가?”라는 추상적 질문이 아니라, “실제 L1000 데이터와 임상적으로 정리된 약물 기전 정보에 비추어 볼 때 무엇이 더 정확한가?”를 실증적으로 검증했다는 점이 중요하다. 또한 Drug Repurposing Hub를 벤치마크로 사용함으로써 기존 ATC 기반 평가보다 작용기전 중심의 더 직접적인 비교가 가능했다. 나아가 연구진은 이 6가지 방법을 모두 구현한 R 패키지(RCSM)를 공개해, 연구자들이 직접 비교·활용할 수 있도록 했다.

이 연구의 의의와 시사점은 분명하다. 첫째, L1000 기반 약물 재창출 연구에서 분석 방법 선택이 결과에 큰 영향을 미칠 수 있음을 보여주었다. 둘째, 현실적인 유전자 서명 크기에서는 ZhangScore가 가장 신뢰할 수 있는 선택임을 데이터로 제시했다. 셋째, 약물 기전 예측과 신규 적응증 탐색 연구의 재현성과 정확도를 높이는 데 기여할 수 있는 실질적 가이드를 제공했다.

결국 이 연구가 중요한 이유는, 방대한 오믹스 데이터 시대에 “어떤 계산 방법을 선택하느냐”가 과학적 결론을 좌우할 수 있기 때문이다. L1000처럼 대규모 자원을 제대로 활용하려면 단순히 데이터를 많이 쓰는 것이 아니라, 가장 적합하고 검증된 분석 도구를 선택해야 한다. 이 논문은 그 선택에 근거를 제시한 체계적 비교 연구라는 점에서, 약물 재창출과 기전 연구 분야의 연구자들에게 실질적인 방향성을 제공하는 중요한 작업이라 할 수 있다.

grok

이 논문은 L1000 데이터라는 대규모 유전자 발현 프로파일을 활용해 약물 간 유사성을 평가하는 방법들을 비교한 연구입니다. 배경으로, L1000은 기존 CMap(Connectivity Map) 데이터의 천 배 이상 확장된 버전으로, 20,000개 이상의 화학 물질이 다양한 인간 세포주에 미치는 영향을 기록한 것입니다. 이는 미지의 화합물의 작용 기전(MoA)을 이해하거나 기존 약물을 새로운 질병에 재사용(drug repurposing)하는 데 핵심적입니다. 기존 CMap 연구에서는 여러 유사도 평가 방법이 제안되었지만, L1000의 방대한 데이터에 대한 체계적 평가는 부족했습니다.

연구 목적은 L1000 데이터에서 약물 간 유사성을 측정하는 6가지 인기 방법(GSEAweight0, GSEAweight1, GSEAweight2, KS, XSum, ZhangScore)을 비교해 가장 정확한 것을 찾는 것입니다. 이를 통해 연구자들이 적합한 방법을 선택할 가이드라인을 제공합니다.

방법으로는 Drug Repurposing Hub 데이터베이스의 1,919개 약물을 벤치마크로 사용했습니다. 이 데이터베이스는 FDA 자료, 임상 시험 등에서 약물의 MoA와 타겟 단백질을 curation한 것입니다. 같은 MoA와 타겟을 공유하는 약물 쌍을 '참 긍정'으로 정의하고, 9개 주요 세포주(A375, A549 등)에서 유전자 시그니처 크기(10~1,000개 유전자)를 변동하며 유사도 점수를 계산했습니다. 성능은 거짓 긍정률(FPR) 0.001, 0.005, 0.01에서의 부분 ROC 곡선 아래 면적(AUC)으로 평가했습니다. 추가로, 유방암 세포의 에스트로겐 관련 시그니처와 TOP2A knockdown 시그니처를 실험적으로 테스트했습니다.

결과에서 ZhangScore가 유전자 시그니처 크기 10~200에서 대부분의 세포주에서 최고 AUC 값을 보였습니다. 예를 들어, AUC0.01 기준으로 9개 세포주 중 4~7개에서 우수했습니다. 다른 방법들은 크기가 커질수록 성능이 떨어졌으나, ZhangScore는 작은 크기에서 강점을 보였습니다. 에스트로겐 시그니처 테스트에서도 ZhangScore가 가장 정확했으며, TOP2A 시그니처로 잘 알려진 억제제 외에 새로운 잠재적 억제제를 식별했습니다.

고찰에서는 L1000의 화학적·유전적·세포적 다양성으로 인해 방법 선택이 중요하다고 지적합니다. 연구팀은 6가지 방법을 구현한 R 패키지 RCSM을 공개해 누구나 사용할 수 있게 했습니다.

이 연구의 의의는 L1000 데이터를 활용한 약물 재사용 연구에 실질적 지침을 제공하는 데 있으며, 시사점으로는 ZhangScore처럼 순위 기반 가중치를 모든 유전자에 적용하는 방법이 대규모 데이터에 적합하다는 점입니다. 이 연구가 중요한 이유는 방대한 L1000 데이터를 효과적으로 분석할 도구를 제시해, 암 치료 등 신약 개발 비용과 시간을 줄일 수 있는 기반을 마련하기 때문입니다.

NotebookLM

**[블로그 포스팅] 기존 약의 새로운 변신, '신약 재창출'을 돕는 최고의 도구는 무엇일까?**

우리는 아플 때 약을 먹습니다. 그런데 이미 다른 병을 치료하기 위해 쓰이던 약이 알고 보니 또 다른 질병에도 효과가 있다는 사실이 밝혀지는 경우가 있습니다. 이를 '신약 재창출'이라고 부릅니다. 과학자들은 수많은 약물과 질병 사이의 연결 고리를 찾기 위해 유전자의 변화를 관찰합니다. 오늘은 1.3백만 개가 넘는 방대한 유전자 데이터 속에서 어떤 분석법이 가장 정확하게 약물의 효과를 맞히는지 비교한 연구를 소개해 드립니다.

**연구 배경: 수천 배로 커진 데이터, 예전 도구가 여전히 잘 맞을까?**

과학자들은 약물을 세포에 투여했을 때 유전자가 어떻게 반응하는지 지도로 만든 '연결성 지도(Connectivity Map, CMap)'를 활용해 왔습니다. 최근에는 기술의 발전으로 기존보다 1000배 이상 더 많은 데이터를 처리할 수 있는 'L1000'이라는 차세대 기술이 등장했습니다. 데이터 규모가 엄청나게 커진 만큼, 기존에 사용하던 분석 알고리즘들이 이 거대한 데이터에서도 여전히 정확하게 작동하는지 다시 한번 검토할 필요가 생겼습니다.

**연구 목적: 가장 정확한 '약물 짝궁' 찾기 알고리즘 선별**

이 연구의 목적은 현재 가장 널리 쓰이는 6가지 유전자 분석 방법 중 어떤 것이 L1000 데이터에서 약물 간의 유사성을 가장 정확하게 예측하는지 가려내는 것입니다. 이를 통해 연구자들이 자신의 연구 목적에 맞는 최적의 도구를 선택할 수 있도록 길잡이 역할을 하고자 했습니다.

**연구 방법: 6가지 대표 분석법의 정면 승부**

연구팀은 'Drug Repurposing Hub'라는 신뢰도 높은 데이터베이스를 기준으로 삼아 6가지 분석법(GSEAweight 0·1·2, KS, XSum, ZhangScore)의 성능을 비교했습니다. 암세포를 포함한 9가지 주요 세포주에서 실험을 진행했으며, 분석에 사용하는 유전자 개수를 10개에서 1000개까지 다양하게 설정하여 어떤 조건에서 성능이 가장 좋은지 정밀하게 측정했습니다.

**연구 결과: 승자는 'ZhangScore', 유전자 200개 규모에서 압도적**

비교 결과, **ZhangScore라는 분석법이 대부분의 경우에서 다른 방법들을 제치고 가장 높은 정확도**를 보여주었습니다. 특히 우리가 보통 연구에서 가장 많이 사용하는 10~200개 정도의 유전자를 분석할 때 그 성능이 가장 뛰어났습니다. 실제 사례로 유방암 관련 에스트로겐 유전자나 암 진단에 중요한 TOP2A 유전자를 대상으로 실험했을 때도, ZhangScore는 다른 방법들보다 훨씬 더 정확하게 관련 약물들을 찾아내는 데 성공했습니다. 다만, 분석하는 유전자 개수가 500개가 넘는 아주 큰 규모일 때는 GSEAweight2라는 방법이 더 효과적이었습니다.

**고찰 및 의의: 연구자들을 위한 실질적인 가이드라인**

연구팀은 ZhangScore가 좋은 성적을 낸 이유로, 이 알고리즘이 유전자의 변화 수치를 단순히 계산하는 것이 아니라 **순위(Rank)를 기반으로 가중치를 부여**하기 때문이라고 분석했습니다. 이 방식이 L1000 데이터의 특성과 잘 맞아떨어진 것입니다. 연구팀은 이번 연구에서 사용한 6가지 분석법을 누구나 쉽게 사용할 수 있도록 'RCSM'이라는 이름의 컴퓨터 소프트웨어 패키지로 만들어 무료로 배포했습니다.

**이 연구가 왜 중요한가요?**

새로운 약 하나를 개발하는 데는 수조 원의 비용과 10년 이상의 시간이 걸립니다. 하지만 이미 안전성이 검증된 기존 약물에서 새로운 효능을 찾아내는 **'신약 재창출'은 이 비용과 시간을 획기적으로 줄여 환자들에게 더 빨리 희망을 줄 수 있는 지름길**입니다. 이번 연구는 그 지름길을 찾는 과정에서 어떤 '지도(분석법)'를 믿고 따라야 할지 명확한 답을 제시했습니다. 과학자들이 가장 정확한 도구를 선택함으로써, 암이나 난치병을 치료할 새로운 약물을 발견할 가능성이 한층 더 높아졌다는 점에서 이 연구는 매우 큰 가치가 있습니다.

Perplexity.ai

이 논문은 “L1000”이라는 대규모 유전자 발현 데이터에서 약물 간의 유사성을 얼마나 잘 찾아내는지, 여러 계산 방법을 정면 비교한 연구입니다. 

연구 배경  

과학자들은 특정 약물이 몸속에서 어떤 기전을 통해 작용하는지(기전, MoA)를 알고 싶어 합니다. 또 기존 약을 전혀 다른 질병에 써볼 수 있는지(‘약 재창출’)를 찾기 위해, “질병에서 바뀐 유전자 패턴”과 “약을 처리했을 때 바뀐 유전자 패턴”을 비교하는 방식을 씁니다. 이때 핵심은 “두 유전자 발현 패턴이 얼마나 비슷한지”를 수치로 잘 계산해 주는 **연결성(Connectivity) 점수 계산법**입니다. 예전에는 CMap이라는 비교적 작은 마이크로어레이 데이터로 이런 방법들이 평가되었지만, 최근에는 L1000 기술을 이용해 20,000개 이상의 약물·유전자 교란을 포함한 130만 개 넘는 프로파일이 나와 규모가 완전히 달라졌습니다. 이렇게 데이터가 커지고 실험 플랫폼(마이크로어레이 vs L1000)도 달라졌기 때문에, 기존에 좋다고 알려진 방법들이 L1000에서도 여전히 잘 작동하는지 새로 평가할 필요가 생겼습니다. 

연구 목적  

연구진의 목표는 L1000 데이터에서 “어떤 연결성 계산 방법이 실제 약물-약물 관계를 가장 잘 맞춰주는가?”를 정량적으로 비교하는 것이었습니다. 특히, 연구자가 실제로 확인해 볼 수 있는 “상위 몇 개 후보”를 얼마나 정확히 골라주는지가 중요하다고 보고, ROC 곡선의 앞부분(거짓 양성률이 매우 낮은 구간)의 면적(AUC0.001, AUC0.005, AUC0.01)을 중심으로 성능을 비교했습니다. 그리고 단순히 수학적 성능 비교에 그치지 않고, 실제 사례(에스트로겐 관련 유전자 서명, TOP2A 유전자 억제 서명)에 적용해 어떤 방법이 진짜로 “의미 있는 약”을 더 잘 찾아주는지도 보고자 했습니다. 

연구 방법 – 데이터와 기준 만들기  

1) L1000 데이터 준비  

- 연구진은 LINCS 프로그램이 공개한 L1000 “레벨 5” 데이터를 사용했습니다. 

- 레벨 5는 이미 정규화·전처리가 끝난 상태로, 약 47만 개의 “replicate-consensus signature(RCS)”를 포함합니다. 

- 9개 핵심 인간 세포주(A375, A549, HA1E, HCC515, HEPG2, HT29, MCF7, PC3, VCAP)에 대해, 소분자 약물 처리로 얻어진 서명들만 골라 썼습니다. 

2) “정답”이 되는 약물-약물 관계(벤치마크) 만들기  

- 단순히 약물 이름만 보고 비슷하다고 할 수는 없기 때문에, “Drug Repurposing Hub”라는 잘 정리된 약물 데이터베이스를 사용했습니다. 

- 이 DB에서 약 4,356개 약물의 작용기전(MoA)과 표적 단백질 정보를 가져와, 이 중 MoA와 표적이 모두 정의된 1,919개를 선별했습니다. 

- 두 약이 “MoA와 표적 단백질이 모두 같으면 진짜로 비슷한 약(참 양성)”으로, 그렇지 않으면 “비슷하지 않은 약(참 음성)”으로 정의해 수많은 약물 쌍을 만들었습니다. 

- 이렇게 만든 “정답표”와 L1000의 RCS를 교차해, 각 세포주마다 실제로 비교 가능한 약물 쌍들을 구성했습니다. 

연구 방법 – 비교한 연결성 계산법  

연구진은 다음 여섯 가지 방법을 비교했습니다. 

- GSEA 기반 3종: GSEAweight0, GSEAweight1, GSEAweight2 (p=0,1,2로 가중치 차이) 

- KS: 초창기 CMap 논문에서 사용된 Kolmogorov–Smirnov 통계 기반 방법 

- XSum: 상위 소수의 크게 변한 유전자들만 집중적으로 쓰는 방법 

- ZhangScore: 유전자 발현 변화의 크기에 따라 순위를 매기고, 그 순위를 이용해 전체 패턴 유사성을 보는 가중 순위 기반 방법 

각 방법은 공통적으로 “특정 유전자 서명(위·아래로 바뀐 유전자 목록)”과 “어떤 약물 처리 후의 전체 유전자 리스트”를 비교해, 두 패턴이 얼마나 맞물리는지를 점수로 계산합니다. 이때 서명에 포함되는 유전자 개수(10, 40, 100, 200, 500, 1,000)를 다양하게 바꿔가며, 실제 연구에서 자주 쓰이는 범위(특히 10~200개)에서 어느 방법이 좋은지를 살폈습니다. 

연구 방법 – 성능 평가 방식  

- 각 방법으로 모든 약물 쌍에 대해 “유사성 점수”를 계산한 뒤, 앞서 만든 “참 양성/참 음성” 라벨과 비교해 ROC 곡선을 그렸습니다. 

- 중요하게 본 것은, 거짓 양성률 0.1%, 0.5%, 1% 구간(FPR=0.001, 0.005, 0.01)에서의 부분 AUC 값(AUC0.001, AUC0.005, AUC0.01)이었습니다. 

- 실제 연구자는 수천 개 후보를 확인할 수 없으므로, “맨 앞에 나오는 극소수 후보가 얼마나 진짜인가”가 핵심이라는 전제를 반영한 설계입니다. 

- 또, 약물-약물 관계를 무작위로 섞어 10,000번 재계산하는 방식으로, 얻어진 AUC가 우연이 아닐 확률(P값)을 평가했습니다. 

주요 결과 1 – ZhangScore의 전반적인 우수성  

- 9개 세포주, 6가지 서명 크기(총 54가지 조건)에서 AUC를 비교한 결과, 특히 유전자 서명 크기 10~200개 구간에서 ZhangScore가 가장 높은 AUC0.01을 기록한 경우가 가장 많았습니다. 

  - 예를 들어 서명 크기 10, 40, 100, 200에서 9개 세포주 × 4개 크기 = 36개 조건 중 17개에서 ZhangScore가 AUC0.01 1등이었습니다(GSEA 계열과 KS, XSum보다 많음). 

  - AUC0.005, AUC0.001에서도 비슷하게 ZhangScore가 많은 조건에서 최고 성능을 보였습니다. 

- 서명 길이 200 기준으로 보면, A375, HA1E, HT29, VCAP 등 여러 세포주에서 ZhangScore의 AUC0.01과 “fold enrichment(거짓 양성률 1%에서의 참 양성률 배수)”가 다른 방법보다 확실히 높았습니다. 

  - 예: A549, HCC515에서는 fold enrichment가 각각 약 12.1, 13.0으로, 1%의 거짓 양성률 조건에서 “진짜 비슷한 약을 임의 선택 대비 12배 이상 잘 골라낸다”는 뜻입니다. 

- 서명 길이가 500~1000처럼 비정상적으로 긴 경우에는 GSEAweight2가 상대적으로 더 나은 성능을 보였지만, 실제 연구에서 500개 넘는 유전자를 한 번에 쓰는 경우는 드물다고 보고 ZhangScore를 실용적인 기본값으로 제안합니다. 

주요 결과 2 – 에스트로겐(Estrogen) 유전자 서명 실험  

- 초기 CMap 논문에서 정의된 에스트로겐 반응 유전자 서명(총 189개의 프로브, L1000 기준 40개 상향·89개 하향 유전자)을 L1000 MCF7(유방암) 세포주에 적용했습니다. 

- 여섯 방법 모두에 대해, 이 서명과 양의 상관(에스트로겐 작용을 흉내 내는 약) 혹은 음의 상관(에스트로겐 작용을 억제하는 약)을 보이는 약물들의 통계적 유의성(P값 보정 후 0.05 미만)을 세었습니다. 

- 그 결과 ZhangScore가 알려진 에스트로겐 수용체 작용제(agonist)와 길항제(antagonist)를 다른 어떤 방법보다 많이 찾아냈습니다. 

- 즉, 교과서적 ‘실제 생물학 사례’에서도 ZhangScore가 “정답 약물”을 더 잘 골라낼 수 있음을 보여준 것입니다. 

주요 결과 3 – TOP2A 유전자 억제 서명 실험  

- TOP2A는 여러 암에서 예후와 관련된 DNA 토포이소머레이스(IIα) 유전자입니다. 

- 연구진은 HEPG2(간암) 세포주에서 TOP2A를 knockdown(발현 억제)했을 때의 L1000 레벨5 데이터를 이용해, 상향 100개·하향 100개의 유전자를 골라 “TOP2A 억제 서명”을 만들었습니다. 

- 이 서명과 가장 유사한 약물을 ZhangScore로 순위화했을 때 상위 10개 약물 중에는 이미 잘 알려진 TOP2A 억제제(도옥소루비신, 다우노루비신, 이리노테칸)가 포함되어 있었습니다. 

- 더 흥미로운 것은, 나머지 후보 중 일부가 독립 연구에서 TOP2A 관련 가능성이 시사된 약들이었다는 점입니다. 

  - Diflunisal: 다른 연구에서 topo II ATPase를 억제하고 DNA 절단을 막는 것으로 보고됨. 

  - SIB-1893: 계산 기반 연구에서 토포이소머레이스 억제제로 예측됨. 

- 동일한 TOP2A knockdown 서명을 다른 다섯 방법으로도 돌려봤을 때, ZhangScore가 알려진 TOP2A 억제제를 더 많이 찾아냈습니다. 

- 이 결과는 ZhangScore가 단지 “통계적으로 좋다”를 넘어서, 실제로 새로운 잠재적 약물 후보를 발굴하는 데도 유리하다는 점을 보여줍니다. 

고찰 – 왜 ZhangScore가 잘 될까?  

- ZhangScore는 유전자의 “발현 변화량(폴드 체인지)”을 절대값 기준으로 순위화하고, 그 순위를 이용해 가중치를 주는 방식입니다. 

- L1000 레벨5 데이터는 이미 여러 단계의 정규화·통합을 거친 값이라, “정확한 수치값”보다 “어떤 유전자가 더 크게 변했는지”라는 상대적 정보가 더 안정적일 수 있습니다. 

- GSEAweight0/KS처럼 가중치를 거의 주지 않거나, XSum처럼 소수의 상위 유전자에만 의존하는 방식은, 이런 L1000 특성에서는 정보의 상당 부분을 놓치거나, 반대로 특정 노이즈에 너무 민감해질 가능성이 있습니다. 

- 실제로 KS와 GSEAweight0는 AUC 값이 거의 비슷했는데, 두 방법 모두 fold change의 가중치를 약화시키는 KS계열이라는 공통점이 있습니다. 

- 반면 ZhangScore는 서명 내 모든 유전자에 “변화량에 따라 다른 무게”를 주되, 순위를 이용해 극단값에 덜 휘둘리도록 설계되어 L1000 데이터의 특성과 잘 맞는 것으로 보입니다. 

의의와 시사점  

- 이 연구는 기존 CMap(마이크로어레이 기반 소규모 데이터)에서 검증된 방법들을, L1000이라는 차세대 대규모 데이터 환경에서 처음으로 체계적으로 재평가했다는 점에서 의미가 큽니다. 

- 약물 재창출, 새로운 기전 탐색, 유전자 knockdown/overexpression 서명 해석 등 L1000을 활용한 거의 모든 분석에서 “어떤 연결성 점수 방법을 쓸 것인가”는 결과에 직접적인 영향을 줍니다. 

- 연구진은 실용적인 가이드라인을 다음과 같이 제안합니다. 

  - 유전자 서명 길이가 10~200개인 경우: ZhangScore를 우선 고려.  

  - 500개 이상처럼 아주 긴 서명을 쓸 경우: GSEAweight2도 함께 시험해 볼 가치가 있음. 

- 또한 이 여섯 가지 방법을 모두 구현한 R 패키지 “RCSM”을 공개해, 실험·계산생물학 연구자 모두 손쉽게 여러 방법을 시험해 볼 수 있게 했습니다. 

이 연구가 왜 중요한가?  

- L1000과 같은 초대형 유전자 발현 데이터는 앞으로 신약 개발, 약 재창출, 개인 맞춤 치료 전략 탐색에 핵심 인프라로 쓰일 가능성이 큽니다. 

- 하지만 데이터를 “어떻게 점수화하고 비교하느냐”에 따라, 상위에 올라오는 후보 약물은 완전히 달라집니다. 잘못된 방법을 쓰면, 연구 자원과 시간은 엉뚱한 후보에 낭비되고, 진짜 유망한 약은 뒤에 묻혀 버립니다. 

- 이 논문은 실제로 임상·전임상에서 의미 있는 약물 관계(MoA, TOP2A 억제제, 에스트로겐 작용 약물 등)를 기준으로, 어떤 방법이 그런 “진짜 관계”를 잘 복원하는지 엄밀하게 보여줍니다. 

- 그 결과 ZhangScore라는 비교적 덜 알려진 방법이, L1000 환경에서는 오히려 가장 실용적인 선택임을 설득력 있게 제시합니다. 

- 즉, 이 연구는 “방법론 선택”이라는 보이지 않는 기술적 요소가, 실제 약물 후보 발굴과 기전 이해에 얼마나 큰 차이를 만드는지 보여주고, 앞으로 L1000과 유사한 대규모 데이터 플랫폼에서의 표준 분석 전략에 직간접적인 기준을 제공한다는 점에서 중요합니다. 

Kimi

이 논문은 암 치료제 개발과 약물 재창출(drug repurposing)에 핵심이 되는 'Connectivity Map(CMap)' 기술의 성능을 평가한 연구입니다. L1000이라는 차세대 유전자 발현 분석 플랫폼에서 어떤 통계 방법이 가장 정확한지 밝히는 것이 목표였습니다.

연구진은 총 6가지 연결성 분석 방법(GSEAweight0, GSEAweight1, GSEAweight2, KS, XSum, ZhangScore)을 비교했습니다. 이들 방법은 각기 다른 방식으로 두 약물의 유전자 발현 패턴이 얼마나 닮았는지 계산합니다. 예를 들어, KS 방법은 순위 기반 콜모고로프-스미르노프 통계를 사용하고, ZhangScore는 부호 순위 합계를 활용합니다. 평가 기준으로는 FDA 승인 약물들의 실제 작용 기전(MoA)과 표적 단백질 정보를 바탕으로 구축된 'Drug Repurposing Hub' 데이터베이스를 사용했습니다. 이는 이전 연구들이 사용하던 ATC 분류보다 정확한 기준입니다. 9개 핵심 세포주(A375, A549, HA1E 등)에서 1,919개 화합물의 47만 개 이상의 유전자 발현 프로파일을 분석했습니다.

결과적으로 ZhangScore 방법이 10~200개 유전자 서명 크기에서 가장 우수한 성능을 보였습니다. 특히 AUC0.01(위양성률 0.01에서의 부분 ROC 곡선 아래 면적) 기준으로 36개 비교 이벤트 중 17개에서 1위를 차지했습니다. 반면 500개 이상의 대형 유전자 서명에서는 GSEAweight2가 더 나은 결과를 보였습니다. 실제 검증 실험에서도 ZhangScore의 우수성이 확인되었습니다. 에스트로겐 관련 유방암 세포주 MCF7에서 에스트로겐 수용체 작용제와 길항제를 찾는 테스트에서 ZhangScore가 가장 많은 알려진 약물을 정확히 식별했습니다. 또한 TOP2A(Topoisomerase II Alpha) 유전자 녹다운 서명으로 잠재적 억제제를 예측했을 때, 다우노루비신, 도세루비신, 이리노테칸 등 임상에서 사용되는 TOP2A 억제제뿐 아니라 디플루니잘, SIB-1893 같은 새로운 후보도 발견했습니다.

이 연구의 중요한 시사점은 데이터 플랫폼이 바뀌면 최적의 분석 방법도 달라질 수 있다는 점입니다. 기존 CMap 파일럿 데이터에서는 XSum 방법이 우수했으나, L1000이라는 대규모 데이터셋에서는 ZhangScore가 더 적합했습니다. 이는 L1000의 실험 과정과 데이터 전처리 파이프라인이 마이크로어레이 기술과 달라 유전자 발현 변화의 분포가 다르기 때문으로 분석됩니다. 연구진은 200개 유전자 서명 크기를 실무 추천치로 제시하며, 이는 너무 적거나 많은 유전자를 사용할 때 발생할 수 있는 편향을 피하기 위한 타협점입니다.

이 연구가 특히 중요한 이유는 정밀의학 시대에 약물 재창출의 효율성을 직접 좌우하기 때문입니다. 수천 개의 약물 후보 중에서 진짜 유망한 약물을 빠르게 찾아내는 '조기 검색(early retrieval)' 성능이 핵심인데, 이 연구는 어떤 통계 방법이 가장 적은 시행착오로 최대의 성공률을 보장하는지 과학적으로 입증했습니다. 또한 연구진이 개발한 RCSM R 패키지를 통해 연구자들이 즉시 ZhangScore 등의 방법을 적용할 수 있게 해 실무적 가치도 높습니다. 특히 한의학이나 몽골 의학 전통 약물의 현대적 과학적 검증에도 이 방법론이 활용될 수 있다는 점에서 다학제적 의미를 지닙니다.

출처: @ye._.vely618

세포 안에도 검색창이 있다면? 100만 개 데이터의 비밀

감기약, 설사역, 두통약.. 등등 우리는 굉장히 많은 약의 도움을 받아 살아가고 있습니다.

사실 대게 약먹을 떄 "효과만 있으면됐지" 라는 생각을 하지만 가끔, 아주 드물게 "이 약은 도대체 내 몸에서 어떻게, 무슨일을 하는 걸까?"라고 궁금해 보셨을 수도 있을겁니다. (아주 극히 드물게)

그래서 그런 것들을 조금 쉽게 알려주는 것을 Broad에서 만들어서 공개한 것을 알려드릴려고 합니다.

A Next Generation Connectivity Map: L1000 Platform and the First 1,000,000 Profiles라는 제목의 논문으로 세포 속에서 특정 화학물질(우리가 손쉽게 먹는 약들은 대부분 화학물입니다.)들이 우리 몸속에서 어떤 유전자들과 상호관계를 이루는지 분석하고 검색해서 찾아볼 수 있는 시스템을 만들었다고 합니다.

DOI: 10.1016/j.cell.2017.10.049

파일 용량이 과했었는지.. NotebookLM, Perplexity.ai는 제대로 작성하지 못해서 이번 글에는 빠져있습니다.

gemini

안녕하세요! 업로드하신 '차세대 연결성 지도(Connectivity Map, CMap): L1000 플랫폼과 최초의 1,000,000개 프로필' 논문의 핵심 내용을 일반인도 이해하기 쉽게 정리해 드립니다. 블로그 포스팅 형식으로 작성하였으니 참고해 보세요.

---

### 🧬 질병과 약을 연결하는 '생물학적 구글 검색 엔진', CMap과 L1000 이야기

우리는 몸이 아프면 약을 먹습니다. 하지만 특정 약이 우리 몸의 세포 안에서 정확히 어떤 일을 하는지, 혹은 새로 발견한 유전자가 질병과 어떤 관련이 있는지 알아내는 과정은 매우 복잡하고 막대한 비용이 듭니다. 오늘 소개해 드릴 연구는 이 과정을 획기적으로 혁신한 **'차세대 연결성 지도(Connectivity Map, CMap)'**에 관한 것입니다.

#### 1. 연구 배경: 왜 새로운 지도가 필요했을까?

과학자들은 인간의 유전자 지도를 이미 다 그려냈지만, 특정 유전자를 건드렸을 때 세포 내에서 어떤 반응이 일어나는지(인과관계)를 파악하는 것은 또 다른 문제였습니다. 기존에도 이런 반응을 기록한 '연결성 지도(CMap)'가 있었지만, 분석 비용이 너무 비싸고 속도가 느려 겨우 164개의 약물 정보만 담고 있었습니다. 전 세계 수만 개의 약물과 유전자를 분석하기엔 턱없이 부족한 규모였죠.

#### 2. 연구 목적: 더 싸게, 더 많이, 더 빠르게!

연구진의 목표는 명확했습니다. **세포의 유전자 반응 데이터를 대규모로 확장**하는 것이었습니다. 이를 위해 유전자 전체를 다 검사하는 대신, 핵심적인 '랜드마크' 유전자만 골라 효율적으로 분석할 수 있는 새로운 기술을 개발하고자 했습니다.

#### 3. 연구 방법: 'L1000'이라는 마법의 도구

연구팀은 **'L1000'**이라는 새로운 분석 플랫폼을 개발했습니다.

* **핵심 유전자 1,000개 추출:** 우리 몸의 유전자는 약 2만 개가 넘지만, 이들은 서로 밀접하게 연결되어 있습니다. 연구팀은 단 1,000개의 '랜드마크(Landmark)' 유전자만 측정해도 나머지 유전자의 상태를 80% 이상의 정확도로 예측할 수 있다는 것을 발견했습니다.

* 

**비용 절감:** 이 방식을 통해 샘플당 분석 비용을 약 2달러 수준으로 크게 낮췄습니다.

#### 4. 연구 결과: 100만 개의 데이터가 쌓이다

L1000 기술을 활용해 연구팀은 무려 **130만 개 이상의 유전자 프로필**을 만들어냈습니다.

* 

**방대한 데이터:** 약 2만 개의 약물과 5천여 개의 유전자를 조작했을 때 세포가 어떻게 변하는지를 기록했습니다. 이는 기존 데이터보다 1,000배 이상 큰 규모입니다.

* 

**정확성 검증:** 이렇게 수집한 데이터는 기존의 고비용 정밀 분석 방식(RNA-seq)과 비교했을 때 매우 높은 일치율을 보였습니다.

#### 5. 고찰 및 의의: 이 지도로 무엇을 할 수 있나?

이 거대한 데이터 지도는 과학자들에게 '생물학적 검색 엔진' 역할을 합니다.

* 

**약물의 작동 원리 파악:** 처음 보는 화학 물질이 어떤 유전자에 영향을 주는지 검색하면, 이미 알고 있는 약물이나 유전자 반응과 대조하여 그 기능을 바로 예측할 수 있습니다.

* 

**개인 맞춤형 치료:** 특정 질병 유전자가 변이되었을 때 어떤 약이 이를 정상으로 되돌릴 수 있는지 이 지도를 통해 찾아낼 수 있습니다.

#### 6. 이 연구가 왜 중요할까요? (시사점)

이 연구의 가장 큰 가치는 **'신약 개발의 민주화'**에 있습니다. 이전에는 수억 원의 비용과 수년의 시간이 걸리던 약물 반응 예측을 이제는 컴퓨터 클릭 몇 번으로 훨씬 저렴하게 수행할 수 있게 된 것입니다.

특히 연구팀은 이 방대한 데이터를 전 세계 과학자들에게 무료로 공개했습니다. 이제 누구나 이 지도를 활용해 암 치료제를 연구하거나 희귀 질병의 원인을 규명할 수 있습니다. 한마디로, 인류가 질병과 싸우기 위한 가장 정교하고 거대한 '전략 지도'를 갖게 된 셈입니다.

---

*이 포스팅은 Subramanian et al. (2017), "A Next Generation Connectivity Map: L1000 Platform and the First 1,000,000 Profiles" 논문을 바탕으로 작성되었습니다.*

chatGPT

이 논문은 2017년 Cell에 발표된 「A Next Generation Connectivity Map: L1000 Platform and the First 1,000,000 Profiles」로, 유전자·약물·질병 사이의 기능적 연결을 대규모로 분석할 수 있는 차세대 ‘커넥티비티 맵(Connectivity Map, CMap)’을 구축한 연구입니다. 연구진은 기존보다 1,000배 이상 확장된 데이터와 새로운 유전자 발현 분석 기술(L1000)을 통해, 세포 수준에서 유전자와 약물이 어떤 기능적 관계를 갖는지 체계적으로 밝혀냈습니다.

연구 배경을 먼저 살펴보면, 인간 게놈 해독 이후 우리는 수많은 질병 관련 유전자 변이를 알게 되었지만, “이 유전자가 실제로 세포에서 어떤 기능을 하는가?”, “어떤 약물이 어떤 경로를 조절하는가?”라는 기능적 질문에는 충분히 답하지 못했습니다. 단순히 유전자 목록을 아는 것만으로는 인과관계나 작용 기전을 이해하기 어렵기 때문입니다. 이를 해결하기 위해 연구진은 특정 유전자를 억제하거나 과발현시키거나, 세포에 약물을 처리한 뒤 나타나는 ‘유전자 발현 변화 패턴’을 비교해 서로 비슷한 반응을 보이는 것끼리 연결하는 CMap 개념을 발전시켰습니다. 하지만 기존 CMap은 164개 약물, 3개 세포주 수준으로 규모가 작아 한계가 있었습니다.

이번 연구의 목적은 크게 두 가지입니다. 첫째, 비용을 획기적으로 낮춘 새로운 유전자 발현 분석 기술(L1000)을 개발하는 것, 둘째, 이를 이용해 유전자·약물·생물학적 제제에 대한 100만 건 이상의 발현 프로파일을 구축하여, 진정한 ‘기능적 지도(functional map)’를 만드는 것이었습니다.

연구 방법의 핵심은 L1000 플랫폼입니다. 연구진은 전체 약 2만여 개 유전자 중 1,000개의 ‘랜드마크 유전자(landmark genes)’만 직접 측정해도, 통계적 추론을 통해 나머지 유전자 발현의 80% 이상을 예측할 수 있음을 보였습니다. 이 방식은 기존 RNA-seq보다 훨씬 저렴하며(샘플당 약 2달러 수준), 대량 처리에 적합합니다. 기술적 재현성도 높았고, RNA-seq과 비교했을 때도 높은 상관관계를 보였습니다. 이후 연구진은 약 19,811개의 소분자 화합물, 5,075개 유전자에 대한 knockdown/overexpression, 다양한 세포주를 포함해 총 1,319,138개의 L1000 발현 프로파일을 생성했습니다. 이는 기존 CMap 대비 1,000배 이상 확장된 규모입니다.

연구 결과는 매우 인상적입니다. 첫째, 약물의 작용 기전(MOA)을 유전자 발현 패턴만으로 예측할 수 있음을 보여주었습니다. 예를 들어, 기존에 잘 알려지지 않았던 화합물이 ROCK1 억제제일 가능성을 CMap 분석으로 예측했고, 실제 생화학적 실험에서 이를 확인했습니다. 또한 CSNK1A1이라는 키나아제의 새로운 억제 물질(BRD-1868)을 데이터 기반으로 발굴했습니다. 둘째, shRNA 실험에서 예상보다 ‘off-target 효과’가 크다는 사실을 밝혔고, 이를 줄이기 위해 여러 shRNA 결과를 통합한 CGS(Consensus Gene Signature) 방법을 개발했습니다. 셋째, 암 환자에서 발견된 특정 유전자 변이가 실제로 기능 상실(loss-of-function)인지 여부를 발현 패턴 비교로 예측할 수 있음을 보여주었습니다. 예를 들어 FBXW7이나 PTEN의 특정 돌연변이가 정상 기능을 잃었는지를 기능적으로 판별했습니다. 넷째, 실제 임상시험 환자의 치료 전후 종양 조직 발현 데이터를 CMap과 비교해, 약물이 실제로 표적 경로를 억제했는지, 내성이 어떻게 생겼는지 해석할 수 있음을 시사했습니다.

고찰 부분에서 연구진은 L1000의 장점과 한계를 함께 언급합니다. 장점은 낮은 비용, 높은 재현성, 대규모 확장 가능성입니다. 특히 희귀 전사인자처럼 발현량이 낮은 유전자도 감지 가능하다는 점은 장점입니다. 반면, 모든 유전자를 직접 측정하는 것이 아니므로 약 17% 유전자는 정확한 추론이 어렵다는 한계도 존재합니다. 또한 세포주 기반 데이터이기 때문에 실제 인체 환경을 완전히 반영하지는 못합니다. 그럼에도 불구하고, 130만 건이 넘는 기능적 프로파일을 공개 데이터로 제공했다는 점에서 연구 자원으로서의 가치는 매우 큽니다.

이 연구의 의의와 시사점은 분명합니다. 첫째, 유전자-약물-질병을 하나의 네트워크로 연결하는 ‘기능적 검색 엔진’을 현실화했습니다. 둘째, 신약 후보 물질의 작용 기전 규명, 예상치 못한 부작용 탐색, 약물 재창출(drug repositioning) 가능성을 크게 확장했습니다. 셋째, 암 유전자 변이의 기능적 의미를 빠르게 평가할 수 있는 도구를 제공했습니다. 넷째, 임상시험에서 환자 조직의 발현 변화를 통해 약물 반응을 조기에 해석할 가능성을 제시했습니다.

결국 이 연구가 중요한 이유는, 유전자 목록을 아는 시대에서 나아가 “이 유전자와 약물은 세포에서 실제로 무엇을 하는가?”라는 기능적 질문에 대규모 데이터로 답할 수 있는 기반을 마련했기 때문입니다. 단순한 정보 축적을 넘어, 생물학적 인과관계를 탐색하고 신약 개발과 정밀의학을 가속화할 수 있는 실질적 도구를 제시했다는 점에서 이 연구는 현대 생명과학의 중요한 전환점을 보여줍니다.

grok

이 논문은 인간 유전자를 이해하기 위한 대규모 데이터베이스인 Connectivity Map (CMap)의 다음 세대를 소개합니다. 배경으로, 인간 게놈 시퀀싱으로 유전자 목록은 완성됐지만, 유전자와 약물의 기능적 연결을 파악하는 데 한계가 있었습니다. 이전 CMap은 소규모(164개 약물)로 제한됐으나, 이를 극복하기 위해 연구 목적은 저비용 고효율 L1000 플랫폼을 개발해 100만 개 이상의 세포 프로파일을 생성하는 것이었습니다.

방법으로는 전체 유전자 중 1000개 '랜드마크' 유전자를 직접 측정하고, 나머지 81%를 컴퓨터 모델로 유추하는 L1000 기술을 사용했습니다. 9개 세포주에 19,811개 약물과 5,075개 유전자를 조작(knockdown 또는 overexpression)해 131만 프로파일을 만들었고, 유사성을 계산하는 연결성 점수(tau)를 통해 분석했습니다.

결과로 L1000은 RNA-seq과 비슷한 재현성을 보였고, shRNA의 오프타겟 효과를 발견해 합의 서명(CGS)으로 보정했습니다. 이를 통해 약물 작용 메커니즘(MOA)을 밝히고, 질병 관련 유전자 변이를 주석화했으며, perturbagen 클래스(PCL) 171개를 정의해 예상치 못한 연결을 찾았습니다. 예를 들어, enzastaurin은 PKC뿐 아니라 GSK3 억제제로 확인됐습니다.

고찰에서 대규모 데이터는 노이즈를 우려했으나, 세포 맥락에 따라 보편적 또는 선택적 서명을 구분해 유의미했습니다. PCL은 구조적으로 다양하며, 세포 유형에 따라 연결성이 달라집니다.

의의와 시사점은 약물 부작용 예측, 신약 개발, 임상 시험 해석에 활용 가능합니다. 예를 들어, 암 환자 생검에서 약물 저항성을 예측했습니다. 이는 생물학적 연결을 탐색하는 '기능적 룩업 테이블'로 작용합니다.

이 연구가 중요한 이유는 포괄적 CMap의 실현 가능성을 증명해, 유전자-약물-질병 연결을 체계적으로 탐색할 기반을 마련했기 때문입니다. 이는 의학 연구를 혁신적으로 가속화할 잠재력을 가집니다.

Kimi

이 논문은 **"차세대 연결성 지도(Connectivity Map): L1000 플랫폼과 첫 100만 개 프로필"**이라는 제목으로, 2017년 Cell 저널에 발표된 대규모 유전자 발표 연구입니다. 암 유전학의 세계적 권위자인 Todd Golub 교수팀이 주도했으며, 미국 NIH의 LINCS 컨소시엄 지원을 받았습니다.

---

## 연구 배경

인간 게놈 프로젝트 이후 우리는 질병과 관련된 유전자 변이를 많이 찾아냈지만, "이 유전자가 실제로 세포에서 무슨 일을 하는가"는 여전히 미스터리였습니다. 마치 자동차 부품 목록만 가지고 있을 뿐, 각 부품이 어떤 기능을 하고 다른 부품과 어떻게 연결되는지 모르는 상황이었죠. 2006년에 같은 연구팀은 "Connectivity Map(CMap)"이라는 개념을 처음 제시했는데, 이는 유전자, 약물, 질병 상태가 유사한 유전자 발현 패턴으로 연결될 수 있다는 아이디어입니다. 하지만 당시에는 고가의 마이크로어레이 기술을 사용해야 해서 164개 약물만 프로파일링할 수 있었습니다. 진정한 의미의 대규모 데이터베이스 구축은 불가능했죠.

---

## 연구 목적

핵심 목표는 **"저렴하면서도 고처리량인 새로운 유전자 발현 측정법을 개발하고, 이를 이용해 100만 개 이상의 세포 교란 프로필을 생성하는 것"**이었습니다. 이를 통해 유전자-약물-질병 간의 숨겨진 연결을 발견하고, 새로운 약물 작용 기전을 밝히며, 유전자 변이의 기능을 주석 달 수 있는 포괄적인 참조 데이터베이스를 구축하고자 했습니다.

---

## 연구 방법

연구팀은 **L1000**이라는 혁신적인 기술을 개발했습니다. 이는 전체 전사체(약 2만 개 유전자)를 측정하는 대신, **978개의 "랜드마크" 유전자**만 직접 측정하고 나머지는 계산으로 추론하는 방식입니다. 핵심 원리는 이 978개가 전체 전사체 정보의 82%를 담고 있다는 데이터 기반 분석에서 출발했습니다. 실험 과정은 간단히 설명하면: 384웰 플레이트에서 세포를 배양 → 약물 처리나 유전자 교란 → 세포 파괴 후 mRNA 추출 → 특수 프로브와 리간스 반응 → 형광 비드와 하이브리드화 → Luminex 스캐너로 측정. 놀라운 점은 **한 실험당 시약 비용이 약 2달러**에 불과하다는 것입니다. 또한 500개 비드 색상으로 978개 유전자를 측정하기 위해 "2:1 비율 혼합-피크 분리"라는 영리한 전략을 사용했습니다.

검증을 위해 955개 랜드마크 유전자를 타겟으로 하는 shRNA(유전자 발현 억제 도구) 실험을 수행했고, 88%가 예상대로 해당 유전자를 억제함을 확인했습니다. RNA-seq와의 비교에서는 3,176개 환자 샘플에서 상관계수 0.84, 98%가 99번째 백분위수 이상의 일치도를 보였습니다.

---

## 연구 결과

총 **1,319,138개의 L1000 프로필**을 생성했습니다. 이는 42,080개의 교란 인자(19,811개 소분자 화합물, 18,493개 shRNA, 3,462개 cDNA, 314개 바이오로직스)를 다양한 세포주에서 프로파일링한 것입니다. 473,647개의 통합 서명(signature)으로, 기존 CMap 파일럿 데이터보다 **1,000배 이상 확장**되었습니다.

주요 발견들을 살펴보면: 첫째, **shRNA의 off-target 효과**가 on-target보다 훨씬 크다는 것을 밝혀냈습니다. 같은 유전자를 타겟으로 해도 시드 서열이 같으면 서로 유사한 발현 패턴을 보이는 반면, 다른 시드면 무관했습니다. 이를 해결하기 위해 **합의 유전자 서명(CGS)** 방법을 개발해 여러 shRNA의 공통 효과만 추출했습니다. 둘째, **약물 작용 기전(MOA) 예측**에서 1,902개 화합물의 기대 타겟 중 63%를 정확히 복원했습니다. 171개의 "교란 인자 클래스(PCL)"를 정의했는데, 이는 동일한 작용 기전을 가진 약물 그룹입니다. 예를 들어 HDAC 억제제 PCL 내에서도 팬-억제제와 아이소폼-선택적 억제제가 명확히 구분되었습니다. 셋째, **세포 맥락의 중요성**을 확인했습니다. 43%의 약물은 세포주에 따라 다른 서명을 보였고, 글루코코르티코이드 수용체 작용제는 수용체가 높이 발현된 세포주에서만 강한 연결을 보였습니다. 반면 26%는 모든 세포주에서 일관된 서명을 보여 "보편적 반응"을 나타냈습니다.

가장 흥미로운 것은 **새로운 약물 발견** 사례입니다. BRD-2751이라는 미특성화 화합물이 ROCK 억제제 PCL과 강하게 연결되어, Kinomescan 검증에서 ROCK1에 대한 Kd 56nM의 억제 활성을 확인했습니다. 또한 BRD-1868은 CSNK1A1(카세인 키나제 1A1) 억제제로 예측되어 검증되었는데, 이는 골수형성이상증후군과 급성골수성백혈병에서 중요한 표적입니다. 기존에 알려진 억제제가 없던 새로운 약물 클래스를 순전히 계산적 분석으로 발견한 것입니다.

임상 적용 가능성도 보여주었습니다. BRAF/MEK 억제제 임상시험에서 재발 종양의 발현 패턴이 약물 저항성 메커니즘(MAPK 재활성화)을 예측했고, CDK 억제제 임상시험에서는 치료 전/후 생검 비교가 환자의 치료 지속 기간과 연관되었습니다.

---

## 고찰과 의의

이 연구의 핵심 철학은 **"빅데이터 시대에는 데이터를 컴퓨터로 가져가는 것이 아니라, 컴퓨팅을 데이터로 가져가야 한다"**는 것입니다. 연구팀은 클라우드 기반 분석 환경인 **CLUE(https://clue.io)**를 구축해 누구나 접근 가능하게 했습니다. L1000의 한계도 명확히 인정했습니다. 하이브리드화 기반이다 보니 RNA-seq보다 편향적이고, 추론된 유전자의 17%는 신뢰할 수 없었으며, 훈련에 사용된 세포 유형과 다른 세포에서는 추론 성능이 떨어질 수 있습니다. 또한 shRNA의 off-target 문제는 CGS로도 완전히 해결되지 않았고, CRISPR 기반 유전자 편집이 더 나은 대안이 될 수 있으나 이 역시 비특이적 독성 문제가 있습니다.

---

## 시사점과 중요성

이 연구가 특별한 이유는 **"규모의 경제가 생물학 발견으로 이어졌다"**는 점입니다. 100만 개 프로필이라는 규모는 단순한 숫자가 아니라, 통계적 유의성과 예측력의 질적 도약을 의미합니다. 이전에는 불가능했던 약물 재창출, off-target 효과 예측, 유전자 변이 기능 주석이 이제 루틴한 분석이 되었습니다. 특히 BRD-1868 같은 사례는 **"하이포제시스 프리(hypothesis-free) 발견"**의 가능성을 보여줍니다. 기존 약물 스크리닝은 선행 지식에 의존했지만, CMap은 데이터가 스스로 연결을 제안합니다.

향후 방향도 제시했습니다: 더 많은 소분자 화합물, 질병 관련 유전자의 대립유전자 시리즈, iPS 세포 등 새로운 세포 유형, 그리고 단백질체/고내용 이미징 등 다른 판독 방법의 통합. 이 연구는 **"생물학의 구글"**을 만든 것과 같습니다. 우리가 궁금해하는 유전자나 약물을 검색하면, 관련된 질병, 경로, 예상치 못한 연결들이 반환되는 시스템의 기초를 닦았습니다. 1,300달러짜리 RNA-seq 대신 2달러짜리 L1000으로 동등한 정보를 얻을 수 있다면, 제약회사의 스크리닝 비용은 수백만 달러에서 수천 달러로 줄어듭니다. 이는 곧 더 많은 후보물질이 더 빨리 환자에게 닿을 수 있다는 의미입니다.

출처: @ye._.vely618