연구자들은 희귀 뼈암의 최소 세 가지 하위 유형을 처음으로 식별했는데, 이는 임상 시험과 환자 치료에 혁명을 일으킬 수 있다. 이전에는 유전자 시퀀싱을 통해 유방암이나 피부암 등 다른 암의 여러 하위 유형을 밝혀 해당 암 환자에게 암 하위 유형에 맞게 맞춤화된 표적 치료를 제공한 적이 있다. 하지만 뼈에서 시작되어 주로 어린이와 청소년에게 영향을 미치는 골육종의 경우에는 이를 수행하기가 훨씬 어려웠다.

현재 영국 암 자선 단체인 Children with Cancer UK에서 자금을 지원한 동앵글리아 대학(University of East Anglia)이 주도한 연구 프로젝트에서 "잠복 과정 분해"라는 고급 수학적 모델링과 기계 학습을 사용하여 골육종 환자 유전 데이터를 사용하여 여러 하위 그룹으로 분류할 수 있었다. 이전에는 모든 환자가 그룹화되어 동일한 프로토콜을 사용하여 치료했는데, 이는 매우 엇갈린 결과를 가져왔다.

UEA 노리치 의대의 주저자인 다렐 그린(Darrell Green) 박사는 이렇게 말했다. "1970년대 이래로 골육종은 표적이 없는 항암 화학요법과 수술로 치료되어 왔는데, 이 때문에 때로는 사지 절단이 발생하기도 했고, 항암 화학요법의 심각하고 평생 지속되는 부작용도 있었습니다. 지난 50년 동안 골육종에 대한 새로운 약물을 조사하는 여러 국제 임상 시험이 '실패'한 것으로 간주되었습니다. 이 새로운 연구에 따르면 이러한 '실패한' 시험에서 모두 새로운 약물에 대한 반응률이 낮았습니다(약 5~10%). 이는 새로운 치료법에 반응하는 골육종 하위 유형이 존재함을 시사합니다. 새로운 약물이 완전히 '실패'한 것은 아니었습니다. 오히려 이 약물이 모든 골육종 환자에게 효과가 있었던 것은 아니지만, 특정 환자 집단은 새로운 치료법이 될 수 있었습니다. 우리는 미래에 이 새로운 알고리즘을 사용하여 환자를 그룹화하는 것이 반세기 만에 처음으로 임상 시험에서 성공적인 결과를 가져올 것으로 기대합니다. 환자가 자신의 암 하위 유형에 맞는 표적 약물을 사용하여 치료받을 수 있게 되면 표준 화학요법에서 벗어나는 것이 쉬워질 것입니다."

영국 아동 암 협회는 골육종에 대한 보다 친절하고 집중적인 치료법을 찾는 데 주력하고 있다. 2021년에 주요 소아암 자선 단체는 UEA 팀에 골육종 치료법을 혁신적으로 연구할 수 있는 자금을 지원했다.

영국 아동 암 협회의 연구 책임자인 술타나 초드리 박사는 "모든 어린이와 청소년이 암에서 살아남는 세상이라는 우리의 비전을 실현하기 위해서는 선구적인 연구 프로그램에 투자하는 것이 필수적입니다. 우리는 과학에 기금을 투자합니다. 연구가 모든 어린이의 생존 가능성에 얼마나 큰 변화를 가져올 수 있는지 보았기 때문입니다. 획기적인 연구에 자금을 지원함으로써 우리는 과학적 지식을 발전시킬 뿐만 아니라 가장 어리고 취약한 암 환자를 위해 더 부드럽고 효과적인 치료법을 찾고 있습니다. 저희의 희망은 이 연구 프로젝트의 결과가 젊은 암 환자들의 진단, 치료 및 장기 치료를 개선하는 것입니다."

뼈암의 한 유형인 골육종의 생존율은 지난 45년간 약 50%로 정체되어 있다. 그 이유는 주로 골육종의 여러 하위 유형이 아직 완전히 이해되지 않았고, 종양 주변의 면역 체계가 골육종에 어떤 영향을 미치는지, 암이 치료에 저항하거나 신체의 다른 부분으로 퍼지는 원인이 무엇인지도 아직 완전히 이해되지 않았기 때문이다.

과학자들은 아직 환자의 전망이나 치료에 대한 반응을 예측하는 데 도움이 될 수 있는 주요 생물학적 마커를 식별하지 못했다. 이러한 지식의 격차는 생존율 개선의 진전을 막고 있다. 이전에 연구자들은 특정 컴퓨터 방법을 사용하여 다양한 유형의 골육종을 예측하려고 시도했으며, 이를 통해 암에는 뚜렷한 하위 유형이 있다는 것이 밝혀졌다.

이는 중요한 진전이기는 하지만, 이것만으로는 각 골육종 종양이 부위마다 매우 다를 수 있다는 사실을 완전히 설명할 수는 없다. 이러한 모델은 종양이 일반적으로 여러 종류의 암세포로 구성되어 있음에도 불구하고 각 종양을 하나의 특정 그룹에 분류할 수 있다고 가정한다. 종양 내에서 나타나는 이러한 변화로 인해 암이 어떻게 행동하거나 치료에 어떻게 반응하는지 정확하게 예측하기가 더 어렵다.

이 연구에서 연구자들은 개별 종양 내의 차이를 고려하는 잠복 과정 분해(LPD)라는 보다 진보된 방법을 사용했다. 이전 방법과 달리 LPD는 종양을 유전자 활동의 숨겨진 패턴의 혼합으로 본다. 이러한 숨겨진 패턴은 종양의 다양한 "기능적 상태"를 나타내며 각 상태는 고유한 유전자 발현 패턴을 갖는다.

LPD 방법은 특정 종양을 설명하는 데 필요한 패턴의 수를 파악한다. 연구에서는 골육종 질병의 세 가지 하위 유형을 발견했는데, 그중 하나는 MAP라고 불리는 표준 항암 약물 조합으로 치료했을 때 반응이 좋지 않은 것으로 밝혀졌다.

이런 패턴을 기준으로 환자를 그룹화함으로써 의사는 치료에 대해 더 정확한 결정을 내릴 수 있다. 연구자들은 이 연구의 주요 한계점으로 LPD 모델 개발을 위한 데이터 세트가 작고, 검증 코호트의 임상 데이터가 불완전하다는 점을 꼽았다. 특히 골육종의 경우 조직 및 연관된 임상 데이터에 대한 접근이 어렵다. 그 이유는 사례가 드물고, 생검 자료가 제한적이며, 치료 후 샘플에 항암 화학 요법과 관련한 손상이 광범위하게 존재하기 때문이다.

이러한 어려움에도 불구하고 LPD 방법은 4개의 독립적인 데이터 집합을 통해 골육종의 일관된 하위 그룹을 식별해냈기 때문에 신뢰할 수 있는 것으로 입증되었다. 모든 머신러닝 도구와 마찬가지로, 더 많은 데이터가 추가될수록 결과는 더 좋아진다. 최근 그린 박사는 유럽 전역에서 뼈암 샘플과 임상 데이터를 수집하는 방법을 개선하기 위한 새로운 지침 개발을 주도했다. 즉, 몇 년 안에 연구자들은 LPD 모델을 더욱 개선하고 더욱 구체적인 유형의 골육종을 발견할 수 있을 것으로 기대하고 있다.

이 기사는 'Briefings in Bioinformatics'에 게재된 내용을 한국어로 출판했다. 'Briefings in Bioinformatics'는 생물정보학 분야의 동료 심사 학술지로, 현대 유전학, 분자 및 시스템 생물학의 데이터베이스와 분석 도구에 대한 리뷰를 주로 다룬다. 또한 새로운 생물정보학 모델과 도구에 대한 연구 논문도 게재한다. 이 저널은 2000년에 창간되었으며 현재 옥스퍼드 대학교 출판부에서 격월간으로 발행되고 있다.

참조:
Sergio Llaneza-Lago, William D Fraser, Darrell Green. Bayesian unsupervised clustering identifies clinically relevant osteosarcoma subtypes. Briefings in Bioinformatics, 2025; 26 (1) DOI: 10.1093/bib/bbae665