[학과 연구 성과 취재] 공정렬 박사, 김훈민, 김주희, 이춘경 박사과정 학생

< 왼쪽부터 공정렬 박사, 김훈민, 김주희, 이춘경 박사과정 학생 >

이번 달에는 카이스트 바이오및뇌공학과 조광현 교수님 연구실에서 연구하고 계신 공정렬 박사님, 이춘경, 김훈민, 김주희 박사과정 학생과 인터뷰를 진행했습니다. 2025년 1월 국제 저널 Advanced Science에 “Control of Cellular Differentiation Trajectories for Cancer Reversion” 이라는 주제로 논문을 게재하고 Frontispiece로 선정되었습니다.

<연구 관련 내용 대표 이미지>

Q1. 안녕하세요, 학과 연구 성과 취재 인터뷰에 응해주셔서 감사드립니다. 간단한 본인 소개 부탁드립니다.

[공정렬] 안녕하세요, 조광현 교수님 연구실에서 23년 8월에 졸업하고 박사 후 연구원으로 있는 공정렬입니다. 이번 연구에서 분석과 실험을 총괄하는 역할을 했습니다.

[이춘경] 안녕하세요, 조광현 교수님 연구실에서 올해 졸업을 앞둔 박사과정 이춘경입니다. 저는 이번 연구에서 네트워크를 같이 구축하고 분석하며, 컨트롤 타깃을 발굴하는 데 일조했습니다.

[김훈민] 안녕하세요, 같은 연구실에서 20년도부터 박사과정을 시작한 김훈민이라고 합니다. 이번 연구에서 네트워크 구축을 하고, 실험으로 구현할 수 있는 수준으로 스케일 다운하는 역할을 했습니다.

[김주희] 안녕하세요, 20년도부터 같은 연구실에서 통합 과정을 시작했습니다. 발굴하신 타깃에 대해서 암세포에 적용하여 실험적으로 검증하는 역할을 했습니다.

Q2. 이번 “Control of Cellular Differentiation Trajectories for Cancer Reversion” 연구에 대해 간단히 설명 부탁드립니다.

[공정렬] 저희 연구는 cell fate control에 대해 초점을 맞추고 있으며, 세포의 상태를 원하는 대로 바꿀 수 있는 타깃이 무엇인지, 그리고 이를 발굴할 수 있는 방법에 대해 고민하고 있습니다. 기존 연구들은 주로 오믹스 데이터를 기반으로 세포 상태의 양극단을 비교 분석하여 타깃을 발굴해왔습니다. 하지만, 이번 연구에서는 이 접근을 확장하여, 세포 상태 변화의 중간 과정과 분자 동역학을 묘사할 수 있는 수학적 모델을 구축하고, 이를 통해 타깃을 찾는 ‘BENEIN’ 프레임워크를 개발했습니다. 이를 활용해 대장 분화 과정에서 핵심적인 타깃인 MYB, HDAC2, FOXA2를 발굴하고 실험적으로 검증했습니다. 특히, 이번 연구는 기존의 전통적인 방법으로 해결하기 어려운 문제를 시스템생물학적 접근법과 융합적인 방법론으로 해결한 점에서 의미가 있습니다. 이를 통해 정상 세포의 분화를 체계적으로 분석하고, 암의 가역적 치료에 응용할 수 있는 프레임워크를 개발했습니다.

Q3. ‘BENEIN’ 모델이 분자 동역학 분석을 하는 점에서 기존의 방법보다 나아진 것은 무엇인가요?

[공정렬] 세포가 변해가는 과정이 있으면, 물리 공식과 같이 우리의 몸을 회로처럼 조절하는 함수가 있을 것으로 생각하는데요. 그 함수들이 확실하지 않을 때는 입력값에 대한 출력값을 하나씩 구하면서 함수를 추론해볼 수 있을 거예요. t에서 분자들의 상태에 대한 벡터를 구하고, t+1에서 벡터를 구하고 이런 식으로 나아가다 보면 함수를 추론할 수 있잖아요. 이런 방법들에 대한 수학적 모델이 기존에 일부 시도가 있었고요. 기존 방법에 비해 저희의 것이 진보된 부분은 t와 t+1의 관계에서 찾을 수 있습니다. 이전에는 세포들을 시간에 따라 줄을 세웠을 때 t와 t+1에 대한 관계를 세포 사이의 관계에 초점을 맞춰 세포를 하나의 상태로 보고 쌍으로(pairwise) 비교했는데, 그럴 때 발생하는 문제는 변해가는 과정인 중간 단계에 대한 정확한 정보가 부족하다는 점이었어요. 그래서 각각의 세포들을 독립적으로 두고 세포 안에 있는 핵과 세포질의 RNA 패턴에 주목했습니다. 핵 안에는 미성숙(immature)한 상태로 인트론과 엑손이 붙은 상태고, 세포질에는 성숙(mature)한 상태로 하여 세포 안의 성숙하는 과정(maturation)의 시간 변화를 delta T(∆t)로 하여 좀 더 정확할 것이라 생각되는 함수를 찾아 나갔습니다. 그래서 정리하자면, 기존 대비 진보된 것은 세포 하나에서 핵과 세포질에 있는 RNA를 분석하여 전이 상태(transition state)에서의 변화를 더 정밀하게 잡아낼 수 있었다고 할 수 있습니다.

Q4. 검증 대상을 대장암으로 선정하신 이유와 다른 대상에도 적용이 가능한 지 궁금합니다.

[김훈민] 이것은 리뷰어에게도 받았던 질문인데요, 우선 대장암은 약 80% 이상이 대장 줄기세포에서 발생합니다. 그리고 오가노이드(organoid)로도 연구가 활발히 진행되고 있을 만큼 분화 과정이 잘 알려져 있기 때문에 검증 대상으로 삼았고요. 이 뿐만 아니라 경우 대장암세포를 정상화하면 대장조직의 표면에서 일주일 이내의 간격으로 자동으로 씻겨내려가('shedding") 새로운 정상대장조직세포로 대체되므로 암을 가역화하여 정상화는 치료전략이 가장 효과적으로 나타날 것으로 기대 되기 때문에 암가역화 연구의 대상으로 우선 대장암을 선택하였습니다. 또한 저희 연구에서 BENEIN은 대장암뿐만 아니라 T 세포와 신경세포에 적용했습니다. T 세포의 활성화 및 분화, 그리고 신경세포의 분화 각각 적용을 하여 타깃을 발굴해 보니까 실제로 기존에 잘 알려진 타깃들이 함께 확인되었습니다. 그런 점에서 봤을 때 범용성을 어느 정도 가질 수 있는 것 같습니다. 다만, 분화 과정에 해당하는 단일세포 데이터가 축적은 되고 있지만, 정확히 ‘어느 지점에서 어떤 분화 과정을 거치는지’를 반영하는 비교적 양질의 데이터가 필요합니다. 따라서 데이터가 충분히 축적되면, 저희가 개발한 알고리즘을 이용해서 더 많은 조절 인자를 찾을 수 있지 않을까 하는 생각이 있습니다. 그리고 다른 암에 적용 가능성에 대해 말씀드리자면, BENEIN의 적용 대상은 우선은 정상 상태에서의 분화 과정이에요. 암은 변이들이 다양하고 복잡하게 생기면서 내부의 조절함수들이 예측하기 어렵게 바뀔 수 있고, 같은 암 내부에서도 이질성(heterogeneity)이 매우 높기 때문에 공통적으로 가지고 있는 분화 과정으로부터 타깃 유전자를 찾는 것은 쉽지가 않을 것 같습니다.

Q5. 구축하신 네트워크로부터 컨트롤 타깃을 찾는 과정에 대해 간략히 설명 부탁드립니다.

[이춘경] 컨트롤 타깃이라고 하면, 줄기세포가 분화하는 과정에서 가장 큰 영향을 미치며 세포의 상태가 바뀌도록 수렴케 하는 타깃인데요. 부울리언 네트워크(Boolean network) 관점에서 전역 안정화(global stabilization)라는 문제가 있습니다. 이 문제를 풀고자 하는 알고리즘이 많이 존재하는데, 그중에서 비교적 최근에 저와 경북대 양정민 교수님, 조광현 교수님과 함께 개발했던 BNSimpleReduction 알고리즘이 있습니다. 말 그대로 부울리언 네트워크를 효율적으로 축소한 다음에 컨트롤 타깃을 찾는 것인데, 이 알고리즘을 이용하여 빠른 속도로 최적의 컨트롤 타깃을 찾을 수 있었습니다. 그런데 처음에는 컨트롤 타깃이 5개가 나왔는데, 이를 실험적으로 검증하기에 다소 무리가 있어 세 개의 타깃을 찾기 위해 5C3 조합으로 추려 시뮬레이션 해보았더니 5개 타깃에 비해 97% 효율을 가지는 MYB, HDAC2, FOXA2 타깃 유전자 조합을 얻을 수 있었습니다.

Q6. 발굴하신 타깃 유전자를 실험적으로 어떻게 검증 하셨나요?

[김주희] 추려주신 3개의 유전자에 대해 각각 암세포에서의 역할은 어느 정도 알고 있지만, 이 유전자들을 조합했을 때의 역할은 알려진 바가 없어 실험에 적용하였습니다. 그래서 먼저 in vitro 실험에서 타깃 유전자들을 하나, 둘, 세 개의 조합으로 knock-down을 했을 때 세 개의 조합(triple knock-down)을 적용한 경우에서 가장 눈에 띄게 증식속도(proliferation)가 줄어든 것을 확인했고, in vivo 실험에서 세 타깃을 knock-down 하면 종양의 무게와 크기가 대조군 대비 가장 작아지는 양상도 함께 확인했습니다. 그 다음으로 bulk RNA-seq 분석을 통해 전체적인 RNA 발현 패턴이 정상 colon tissue의 RNA 패턴과 얼마나 오버랩 되는지 확인하였습니다.

연구실에서 cell fate control를 고민하다 보니 항상 같이 고민하는 부분이 ‘어떤 세포 상태를 정상(normal)으로 봐야 하는가?’ 입니다. 물과 영양소 흡수와 같이 특정 기능을 하는 단백질과 해당 RNA의 발현이 컨트롤 타깃을 적용했을 때 증가하는 것을 확인하였습니다.. 그리고 컨트롤 타깃 유전자를 knock-down 했을 때 하위 유전자 네트워크가 어떻게 변할지 in silico로 추론한 것이 있는데, 이것을 비암성(non-cancerous) 인간 대장 상피 세포주인 NCM-460에서 실험적으로 검증함으로써 구축했던 유전자 네트워크가 생물학적인 부분을 잘 반영했다는 것을 강조할 수 있었습니다.

Q7. 마지막으로 이번 논문을 마무리하신 소감 부탁드립니다.

[김주희] 발굴된 유전자를 실험으로 검증하다 보니, ‘실험 결과가 잘 나오지 않을까?’ 하는 조금의 부담감도 있었던 것 같습니다. 그래도 결과적으로 좋은 결과가 나와서 좋고, 실험을 하며 체력과 멘탈 관리를 잘해야겠다는 것을 느꼈던 것 같아요.

[김훈민] 1 저자로 논문을 써보는 게 처음이라 논문을 스토리로 풀어 쓰는 것이 처음에는 조금 어려웠습니다. 나의 코딩 능력, 또는 알고리즘을 얼마나 알고 있는지도 중요하지만, 연구 결과들을 논문으로 풀어 쓰는 능력의 중요성을 경험한 것 같아요.

[이춘경] 논문이 발표되고, 석사 때 함께 연구했던 인도 친구에게 연락이 왔어요. 인도의 매체에서 이 연구가 발표가 되었다고 하더라고요. 그래서 연구하는 과정이 매우 힘들었는데, 되게 뿌듯한 것 같습니다.

[공정렬] 중요한 것은 사람을 잘 만나는 것으로 생각하는데, 팀원들을 잘 만나 성공적으로 논문을 낼 수 있어서 좋았습니다.