RNA fingerprinting, 수천 개 후보를 BCR 1개로 좁혔다 — 신약 실험비도 줄일까

NYGC는 2026년 10월 9일 이 연구의 Cell 게재를 발표했습니다. 다만 연결된 PubMed 기록은 2025년 9월 20일 사전공개본입니다. 그래서 이 글은 기관 발표와 사전공개 원문을 구분해 인용합니다. Cell 최종본 DOI는 아직 확인하지 못했습니다. 출처: NYGC 게재 발표 출처: PubMed 사전공개 기록

약물을 넣었더니 세포가 달라졌다는 관찰은 출발점입니다. 왜 달라졌는지 알아야 비슷한 후보 중 무엇을 더 개발하고 무엇을 멈출지 판단할 수 있습니다. 이번 방법이 줄이려는 것은 바로 그 원인 후보를 찾는 탐색입니다. 환자에게 약이 잘 듣는지까지 컴퓨터로 판정한 연구는 아닙니다.

사티자·놀스·그랩스키, 계산과 실험을 묶은 팀

제1저자 이사벨라 그랩스키(Isabella N. Grabski)는 계산 분석을 맡았습니다. 사티자와 놀스가 연구를 함께 구상하고 분석을 지도했으며, Junsuk Lee와 John D. Blair를 비롯한 공동저자들이 실험을 수행했습니다. 계산이 내놓은 설명을 실험으로 다시 묻는 구성이 이 논문의 뼈대입니다. 출처: 저자 기여·사전공개 원문

사티자 연구실은 단일세포 분석 도구 Seurat를 개발·유지해 온 곳입니다. 단일세포 분석은 세포를 한데 섞어 평균을 보는 대신, 각각의 세포에서 어떤 유전자가 얼마나 작동하는지 읽습니다. 그랩스키 역시 통계와 유전체 데이터를 연결하는 방법을 연구해 왔습니다. 이미 쌓인 데이터를 새 질문에 쓰려는 이번 접근은 이들의 연구 경력과 맞닿아 있습니다. 출처: Seurat 출처: Grabski 연구 이력

RNA fingerprinting은 무엇을 거꾸로 찾을까

RNA는 세포가 유전자 정보를 사용할 때 만드는 분자입니다. 여러 RNA의 양이 함께 달라지는 모습을 보면 세포가 어떤 반응을 하는지 짐작할 수 있습니다. 다만 같은 반응에 도달하는 길이 여럿일 수 있습니다. 비슷한 RNA 패턴만으로 원인까지 하나라고 단정하기 어려운 이유입니다.

그랩스키 연구진은 원인을 알고 시작한 실험 기록을 기준으로 삼았습니다. Perturb-seq는 유전자의 작동을 바꾸는 실험과 단일세포 RNA 측정을 결합하는 방식입니다. 어떤 유전자를 건드렸을 때 어떤 반응이 생겼는지를 모으면, 원인과 결과를 짝지은 참고 사전이 됩니다. 출처: 논문 개요

RNA fingerprinting은 이 사전에서 잡음을 줄인 반응 패턴을 얻은 뒤, 새 데이터를 확률적으로 대조합니다. 하나로 구별하기 어려우면 여러 후보를 남기고, 충분한 근거가 없으면 배정하지 않습니다. 사전에 있는 설명 가운데 무엇을 다음 실험에서 확인할지 정하는 도구에 가깝습니다. 출처: 방법·불확실성 처리 출처: 공개 구현

1. 1
   원인별 사전

   유전자 교란과 RNA 반응을 짝지음

2. 2
   새 반응 대조

   잡음을 줄여 확률적으로 비교

3. 3
   후보·불확실성

   복수 후보 또는 미할당을 유지

4. 4
   독립 실험

   결합·단백질·기능으로 확인

기존 분석으로도 어떤 유전자군의 활동이 늘었는지, 어떤 세포들이 서로 닮았는지는 살펴볼 수 있습니다. 사티자 연구진이 추가한 가치는 원인이 알려진 실험과 연결하면서 모호함을 함께 표시한다는 데 있습니다. 산업 현장에서는 멋진 세포 분류 그림보다, 다음 실험의 후보 목록이 짧고 믿을 만해지는지가 중요합니다.

BCR 1개 매칭을 어디까지 믿어야 할까

사티자·놀스 연구진의 BCR 사례는 이미 알려진 약물 작용을 RNA 패턴으로 재찾았다는 의미가 있습니다. 하지만 매칭된 BCR 유전자 기록과 약물이 직접 결합하는 단백질 부위를 같은 것으로 읽으면 안 됩니다. 이 결과는 알려진 기전과 맞는 단서를 회수한 사례이지, 모든 신약의 표적을 하나씩 확정한다는 보증이 아닙니다. 출처: BCR 사례

약물 표적은 약이 영향을 주려는 분자이고, 오프타깃은 의도 밖의 분자에 미치는 작용을 뜻합니다. RNA 매칭으로 의심할 만한 작용을 좁힐 수 있어도, 실제 결합·단백질 활성·세포 생존을 별도로 확인해야 합니다. 서로 다른 원인이 비슷한 결과를 내거나, 측정 시점에 RNA 변화가 약하게 나타날 수도 있기 때문입니다.

이 구분은 비용 계산에도 그대로 이어집니다. 후보가 줄어도 확증 실험을 모두 없앨 수는 없습니다. 반대로 자신 있게 틀린 후보를 하나 고르면, 분석 소프트웨어에 아낀 돈보다 후속 실험에 버리는 돈이 더 커질 수 있습니다. 연구진이 불확실성을 남기는 설계는 그래서 경제적으로도 중요합니다.

HDAC6 억제제, 용량을 높이자 달라진 설명

그랩스키와 실험 연구진은 HDAC6 선택적 억제제로 소개된 두 화합물도 살폈습니다. HDAC6는 단백질에 붙은 화학 표지(아세틸기)를 떼어내는 효소입니다. 기관 발표에 따르면 8개 용량에서 낮은 용량은 매칭되지 않았고, 높은 용량에서는 더 넓은 HDAC 억제 패턴과 연결됐습니다. 시험 조건에서 기대보다 넓은 작용을 의심하게 한 결과입니다. 출처: 약물 용량별 결과

여기서 미할당은 약효가 없거나 안전하다는 뜻이 아닙니다. 사전이 불완전하거나 RNA 측정으로 포착하기 어려운 작용일 수도 있습니다. 넓은 패턴과의 매칭 역시 환자에게 독성이 생긴다는 판정은 아닙니다. 개발자가 용량과 검증 항목을 다시 정할 근거로 읽어야 합니다.

필자의 산업적 해석으로는, 이런 결과가 일찍 나올수록 비싼 후속 실험의 우선순위를 조정하기 쉽습니다. 다만 후기 임상 후보나 기존 약의 다른 적응증을 찾는 재창출에 적용하려면, 환자 질환을 반영한 세포와 노출 조건에서도 설명이 유지되는지 확인해야 합니다. 이번 연구가 임상 실패를 줄였다는 자료는 없습니다.

실험비는 사라지기보다 쓰이는 곳이 바뀝니다

사티자·놀스 연구진의 도구를 도입하는 회사가 먼저 물어야 할 것은 분석 속도보다 회피할 수 있는 실험의 양입니다. 참고 사전을 새로 만들어야 한다면 세포 준비와 유전자 교란, RNA 측정에 선행 비용이 듭니다. 공개 자료를 쓰더라도 자사 세포와 조건이 맞는지 검토할 인력은 필요합니다.

필자의 비용 분석은 단순합니다. 줄인 탐색 실험비가 사전 구축비의 프로젝트별 배분액, 새 측정·분석비, 추가 확인비를 합친 금액보다 커야 순절감입니다. 공통 사전을 여러 프로젝트가 재사용하면 한 프로젝트가 부담하는 구축비는 낮아질 수 있습니다. 반대로 매번 다른 조직과 질환을 다룬다면 맞춤 사전을 만드는 비용이 계속 발생합니다.

이 조건이 맞으면 생산성은 같은 예산으로 더 많은 후보를 검토하는 형태로 나타날 수 있습니다. 반드시 연구비 총액이 줄어드는 것은 아닙니다. 아낀 자원을 다른 후보에 투입하면 지출은 그대로여도 검증한 기전의 수가 늘어납니다. 성과 지표를 컴퓨터 계산 시간에만 두면 이런 차이를 놓치기 쉽습니다.

RNA fingerprinting의 공개 저장소는 코드와 사전 계산된 참고 데이터 이용 경로를 제공합니다. 이 점은 초기 평가를 쉽게 합니다. 다만 논문 공개, 코드 이용, 데이터 재사용, 상업적 권리는 각각 확인할 대상입니다. 사전공개본에는 관련 특허 출원도 명시돼 있습니다. 특정 상업 라이선스 가격이나 유료화 계획이 확인됐다는 뜻은 아닙니다. 출처: 코드·참고 데이터 출처: 특허·이해상충 공개

돈이 몰리는 곳은 데이터와 해석 능력입니다

사티자 연구진의 방법과 별개로, 단일세포 데이터를 만드는 산업에는 이미 실제 거래가 있습니다. QIAGEN은 2025년 11월 4일 Parse Biosciences 인수 계약을 발표하면서 선급금을 약 2억2,500만달러로 제시했습니다. 이 과거 발표는 대규모 세포 분석 역량에 자금이 배분된 사례입니다. RNA fingerprinting 때문에 체결된 거래도, 이 방법의 매출을 입증하는 거래도 아닙니다. 출처: QIAGEN 공시 첨부자료·2025-11-04

이 흐름과 이번 연구를 연결하면 새로운 서비스의 모습을 생각해 볼 수 있습니다. 질환에 맞는 사전을 구축하고, 약물 반응을 해석하며, 상위 후보의 작용을 다시 확인하는 묶음 서비스입니다. 이는 필자의 전망입니다. 단순히 RNA를 읽어 전달하는 업체보다 결과의 재현성과 후속 검증까지 책임지는 업체가 가격을 설명하기 쉬울 수 있습니다.

기존 산업이 통째로 대체될 가능성을 말하기에는 이릅니다. 직접 결합을 재는 시험이나 안전성 검증은 남습니다. 변화가 먼저 생긴다면 정보가 적은 탐색 실험의 일부와 반복적인 데이터 해석에서 시작할 것입니다. 매출이 옮겨갈 수 있는 곳은 분석·사전 관리·검증 서비스이고, 그 규모는 아직 계산할 근거가 없습니다.

한국 바이오와 CDMO가 계산할 항목

그랩스키 연구진의 결과를 한국 산업에 적용하는 부분은 조건부 전망입니다. 신약 후보를 가진 바이오 기업과 연구를 대행하는 CRO에는 기전 후보를 줄이는 일이 비교적 직접적인 과제입니다. 공개 사전으로 자사 후보의 알려진 작용을 재찾을 수 있는지부터 시험하고, 그다음 미지의 후보에 적용하는 순서가 합리적입니다.

CDMO는 의약품 개발과 생산을 위탁받는 회사입니다. 이 가운데 개발·분석 서비스를 수행하는 조직에는 고객의 기전 검증을 돕는 기회가 생길 수 있습니다. 그러나 세포의 RNA를 더 잘 해석한다고 배양 수율이나 정제 비용이 바로 개선되지는 않습니다. 제조 원가 절감으로 연결하려면 별도의 공정 데이터와 검증이 필요합니다.

예산을 정할 때는 자사 조건에서 다시 확인된 후보의 비율, 결론까지 걸린 기간, 후보 하나를 검증하는 총비용을 함께 봐야 합니다. 데이터 사용권과 재사용 범위도 계약에 포함할 항목입니다. 특정 한국 기업이 이 기술을 도입했다거나 국내 사전 구축이 얼마나 빨라졌다는 수치는 이번 조사에서 확인하지 못했습니다.

앞서 다룬 가상 세포 STATE 연구가 자극 뒤 반응의 예측을 다뤘다면, 이번 글의 중심은 관찰된 반응에서 가능한 원인을 역추적하는 일입니다. 또 신약 기술이전 계약의 경제성을 볼 때도 기전 자료는 실사에서 검토할 재료가 됩니다. RNA 매칭 결과 하나가 계약 가치를 보장하지는 않습니다.

사티자·놀스·그랩스키 연구진이 보여준 기회는 이미 만든 실험 데이터를 다시 일하게 하는 데 있습니다. 기업의 성과는 더 많이 맞췄다는 설명만으로 정해지지 않습니다. 잘못 고른 후보에 쓰는 실험을 줄이고, 남은 후보를 더 확실하게 검증했을 때 비로소 연구 생산성이 올라갑니다.

---

후보를 좁힌 가치는 독립 검증에 쓰는 시간과 비용에서 확인됩니다.

출처와 참고 링크

• NYGC: RNA Fingerprinting Helps Scientists Trace What Drives Changes Inside Cells
• Grabski et al., RNA fingerprinting — 2025 preprint full text
• PubMed PMID 41000753 — preprint record
• Satija Lab: RNA fingerprinting code and examples
• QIAGEN SEC exhibit, November 4, 2025
• Isabella Grabski — research profile
• Satija Lab: Seurat
• Knowles Lab — NYGC
• RNA fingerprinting preprint and disclosures