공동연구팀은 세포 대사 정보를 예측할 수 있는 '게놈 수준의 대사 모델'에 국제 암 연구 컨소시엄에서 공개하고 있는 암 환자들 전사체 데이터를 통합해, 24개 암종에 해당하는 1천43명의 암 환자 대사 모델을 구축했다.
게놈 수준의 대사 모델은 세포의 전체 대사 네트워크를 다루는 컴퓨터 모델로, 세포 내 모든 대사 반응에 대한 정보가 담겨 있고, 다양한 조건에서 세포의 대사 활성을 예측하는 것이 가능하다.
연구팀은 1천43명의 암 환자 특이 대사 모델과 동일 환자들의 암 체세포 돌연변이 데이터를 활용해, 4단계로 구성된 컴퓨터 방법론을 개발했다.
첫 단계에서는 암 환자 특이 대사 모델을 시뮬레이션해 환자별로 모든 대사물질의 활성을 예측한다. 두 번째 단계로는 특정 유전자 돌연변이가 앞서 예측된 대사물질의 활성에 유의한 차이를 일으키는 짝을 선별한다.
세 번째 단계로 특정 유전자 돌연변이와 연결된 대사물질들을 대상으로, 이들과 유의미하게 연관된 대사경로를 추가로 선별한다. 마지막 단계에서는 '유전자-대사물질-대사경로' 조합을 완성해, 컴퓨터 방법론 결과로 도출한다.
연구에 참여한 이가령(다나파버 암센터 및 하버드 의과대학 박사후연구원)·이상미 박사(하버드 의과대학 박사후연구원)는 "유전자 돌연변이가 대사경로를 통해 어떻게 세포대사에 변화를 일으키는지 체계적으로 예측할 수 있는 최초의 컴퓨터 방법론이라는 데 큰 의미가 있다"고 말했다.
KAIST 김현욱 교수는 "새로운 암 유발 대사물질 발견 길을 열어 암 대사 기반 암 진단 및 치료 전략 개발에 기여할 것으로 기대된다"고 말했다.
이번 연구 결과는 생명공학 및 유전학 분야 국제학술지인 '게놈 바이올로지'에 실렸다.
