단일세포 네트워크로 찾은 정신질환 약물 재창출: 그래프 신경망과 eQTL이 여는 정밀의학

이 연구는 단일세포 유전체학과 네트워크 의학을 결합해 조현병·양극성장애·자폐스펙트럼장애에서 세포 유형별 유전자 조절 네트워크(GRN, Gene regulatory networks)를 구축하고, 그래프 신경망(GNN, Graph neural network)과 네트워크 근접성으로 재창출 가능 약물 220개를 제시하며, 그중 37개에 대해 전사체 역전 근거를 확인하고, 약물-세포 eQTL 335개를 발견한 대규모 자원입니다.

---

🔎 한눈에 보는 핵심 결과

• 단일세포 다중오믹스 기반 23개 세포 유형 GRN 분석
• GNN으로 신규 위험 유전자 249개 예측
• 혈뇌장벽(BBB, blood-brain barrier) 투과 예측을 반영해 네트워크 근접성으로 약물 220개 우선순위화
• LINCS 서명과 대조해 37개 약물의 역전(효능 시사) 근거 확인
• 유전형-표현형 연결: 약물-세포 eQTL 335개

---

🧠 왜 ‘단일세포 네트워크 의학’인가

정신질환은 세포 이질성과 복잡한 조절 네트워크 때문에 표적 발굴이 어려웠습니다. 대규모 단일세포 데이터(PEC2, PsychENCODE phase II)가 등장하면서 세포 유형별 조절 이상을 정밀하게 추적하고 질환-세포 특이 목표를 잡아 표적 치료·약물 재창출로 연결할 수 있게 됐습니다.

세포 유형별 TF 레귤론의 리와이어링과 허브/보틀넥. 설명: FOS 등 핵심 TF의 증폭/전환된 조절 경로, 허브·보틀넥 TF의 교차장애 비교. 출처: Gupta et al. (2025). Network-based drug repurposing… Cell Genomics, 5, 101003. Figure 2.

---

🧬 데이터·방법 한눈에 보기

연구팀은 snRNA-seq·snATAC-seq·멀티오믹스를 통합해 23개 세포 유형의 질환/대조 GRN을 구축하고, GNN으로 위험 유전자를 예측, 이어 네트워크 근접성으로 BBB-투과 후보 약물을 우선순위화했습니다. 마지막으로 개인 유전형을 반영해 약물-세포 eQTL을 도출, 정밀의학으로 연결했습니다.

---

🧩 세포 유형별 GRN과 핵심 전사인자(TF)

GRN 분석 결과, TF 레귤론의 광범위한 리와이어링이 관찰되었고, 허브·보틀넥 TF들이 장애별·세포별로 상이하게 드러났습니다. 이는 조절 회로의 재조정이 병태생리에 핵심임을 시사합니다.

---

🧠→🧬 모듈-기반 GNN으로 위험 유전자 예측

연구팀은 GRN에서 공조절 모듈을 정의하고 이를 지도학습 GNN 입력으로 사용해 세포 유형·장애 특이 위험 유전자 249개를 신규 예측했습니다. 이 접근은 네트워크 문맥을 활용해 기존 GWAS/발현 단일 지표의 한계를 보완합니다.

공조절 모듈과 위험 유전자 수렴. 설명: TG(target gene)→TG 전환, Jaccard/클러스터링을 통한 공조절 모듈 도출과 모듈 단위의 GWAS·기능 풍부화 개요. 출처: Gupta et al. (2025). Network-based drug repurposing… Cell Genomics, 5, 101003. Figure 3.

---

💊 네트워크 근접성으로 약물 220개 우선순위화

BBB-투과 약물 목록(B3DB)과 LINCS L1000 특징방향(CD) 서명을 결합해, 질환 전사체와 반대 방향으로 조절할 수 있는 후보를 찾았습니다. 항우울제(예: 플루복사민) 등 일부 약물은 세포 유형별 표적 가능성이 제시됩니다. 결과적으로 220개 약물이 우선순위에 올랐고, 37개는 표현형 역전 근거를 확보했습니다.

네트워크 근접성 기반 약물 우선순위와 역전 서명. 설명: BBB-투과(B3DB)와 LINCS L1000 CD 서명을 결합해 질환 전사체를 역전할 약물 후보를 도출(예: 플루복사민). 총 220개 후보, 37개 근거 제시. 출처: Gupta et al. (2025). Network-based drug repurposing… Cell Genomics, 5, 101003. Figure 5.

---

🧬🧪 약물-세포 eQTL 335개: 유전형에 따른 약물 반응의 단서

각 약물×세포 조합에 대해 표적 유전자들의 평균 발현을 복합 표현형으로 정의하고, QTLtools를 사용해 전장 유전체 변이와의 연관성을 탐색했습니다. 그 결과, 보니페로니 보정(약 200만 테스트) 하에 유의한 약물-세포 eQTL 335개를 발견했습니다. 이는 유전형에 따라 약물 반응이 달라질 수 있음을 세포 수준에서 보여주는 근거입니다.

약물-세포 eQTL: 유전형에 따른 반응 예측. 설명: 약물 표적 유전자 복합 발현을 지표로 삼아 전장 eQTL을 수행, 보니페로니 보정 후 335개 유의한 약물-세포 eQTL을 카탈로그화. 출처: Gupta et al. (2025). Network-based drug repurposing… Cell Genomics, 5, 101003. Figure 6.

---

🏁 연구의 의의와 활용

• 정밀 표적: 세포 유형별로 교란된 조절 네트워크를 통해 장애-세포-표적-약물로 이어지는 추적 가능 경로를 확립했습니다.
• 모형 통합: GNN 기반 위험 유전자 예측 → 네트워크 근접 약물 스크리닝 → eQTL로 개인 유전형 매핑이라는 엔드-투-엔드 파이프라인을 제시했습니다.
• 임상 전이 가능성: BBB·LINCS·DGIDB 등 레퍼런스를 통합해 실제 약물을 후보로 제시했으며, 37개에 대한 전사체 역전 근거는 추가 전임상·임상 검증의 합리적 출발점이 됩니다.
• 개인맞춤 치료의 단서: 약물-세포 eQTL은 누가 어떤 약물에 반응할지를 예측하는 유전형 기반 바이오마커 가능성을 엽니다.

---

📌 한줄평

단일세포 네트워크와 그래프 학습을 연결해 ‘누구에게’, ‘어떤 세포에서’, ‘어떤 약물이’ 통할지를 한 번에 좁혀준, 정신질환 정밀의학 로드맵의 분기점입니다.

 

참고문헌 : DOI: 10.1016/j.xgen.2025.101003