왜 대부분의 Bispecific이 고형암에서 멈추는가?
Bispecific antibody(이중특이항체)는 면역항암의 다음 장(chapter)입니다. 두 개의 서로 다른 항원을 동시에 인식하는 설계 — 하나는 종양세포의 타겟, 다른 하나는 T세포의 CD3 — 로 면역세포를 종양에 직접 연결하는 개념입니다.
혈액암에서의 성공은 인상적입니다. Blinatumomab(CD19×CD3), teclistamab(BCMA×CD3) 등이 임상에서 강력한 효능을 보여주었습니다.
그러나 고형암(solid tumor)에서는 이야기가 다릅니다.
기존 접근이 묻는 질문: "두 타겟이 동시에 발현되는가?" 포트래이가 묻는 질문: "두 타겟이 같은 세포에, 같은 공간에 있는가? 그리고 정상 조직에서는 분리되어 있는가?"
이 차이가 고형암에서 bispecific의 성패를 가릅니다.
Co-expression의 함정: Bulk 데이터가 만드는 환상
Bispecific 타겟 쌍 선정의 첫 번째 단계는 보통 이렇습니다: bulk RNA-seq 데이터베이스에서 두 표면 항원이 종양에서 동시에 높게 발현되는 쌍을 찾는 것.
문제는, co-expression ≠ co-localization이라는 것입니다.
Bulk RNA-seq에서 타겟 A와 타겟 B가 동일 종양에서 높게 발현된다는 것은, 그 두 타겟이 같은 세포에 있다는 뜻이 아닙니다. 타겟 A는 종양 중심부의 암세포에, 타겟 B는 변연부의 다른 암세포 클론에 발현될 수 있습니다. 혹은 타겟 A는 암세포에, 타겟 B는 주변 기질세포에 발현될 수도 있습니다.
이 상태에서 bispecific을 설계하면 어떻게 될까요? 두 타겟이 물리적으로 같은 세포에 없으므로, bispecific의 dual-binding이 성립하지 않습니다. 약물은 종양에 도달하지만, 설계 의도대로 작동하지 않습니다.
기존 접근: Bulk RNA-seq → "이 종양에서 A와 B가 모두 높다" → bispecific A×B 설계
공간적 접근: Spatial transcriptomics → "A와 B가 같은 세포에 co-localize하는 비율은 32%이고, 나머지 68%는 서로 다른 영역에 있다" → 환자 선별과 타겟 쌍 재평가 필요
Chekalin 등(Bioinformatics Advances, 2024)은 이 문제를 정면으로 다루었습니다. HCC(간세포암)를 대상으로, bulk RNA-seq(OCTAD 데이터베이스)에서 종양-정상 간 차이가 큰 항원 쌍을 먼저 선별한 후, scRNA-seq(39,361 정상세포 + 18,000 HCC 세포)로 단일 세포 수준에서의 진정한 co-expression을 검증했습니다. 최종적으로 spatial transcriptomics로 in situ co-localization을 확인하여 GPC3-MUC13 쌍을 도출했습니다 — 악성 간세포의 30% 이상에서 두 항원이 동시 발현되고, 다른 세포에서는 발현이 거의 없는 쌍입니다.
[Figure 1 — Co-expression vs Co-localization: Bispecific 타겟 선정의 공간적 프레임워크]
상단: (A) Bulk RNA-seq에서 두 타겟이 co-expressed → 같은 세포라고 가정. (B) Spatial transcriptomics에서 실제 확인 → 타겟 A는 tumor core, 타겟 B는 invasive front에 분리 발현. Co-expression이 co-localization을 보장하지 않음을 시각적으로 대비.
하단: (C) 종양에서의 co-localization map(좌)과 정상 조직(심장, 폐, 간)에서의 co-localization map(우)을 나란히 배치. "종양에서는 co-localize하지만 정상 조직에서는 분리된 쌍" = 안전한 bispecific 후보. (개념도, Chekalin et al. Bioinformatics Advances 2024의 3단계 파이프라인 컨셉 참조)
종양 측: 같은 타겟 쌍, 다른 공간적 풍경
타겟 쌍이 선정되었다고 해서 끝이 아닙니다. 같은 타겟 쌍이라도 암종별로, 환자별로 공간적 co-localization 패턴은 전혀 다릅니다.
이것은 3월 블로그에서 ADC에 대해 했던 이야기와 정확히 같은 구조입니다. "같은 타겟, 다른 운명" — 타겟의 양이 아니라 배치가 결과를 결정합니다.
Bispecific의 경우 이 문제가 더 심각합니다. 왜냐하면 bispecific은 두 타겟이 동시에 접근 가능한 거리에 있어야만 작동하기 때문입니다.
T세포 engager의 공간적 조건
T세포 engager 방식의 bispecific(예: CD3 × tumor antigen)이 작동하려면, 추가적인 공간적 조건이 필요합니다:
두 타겟의 세포 수준 co-localization: 종양 항원이 암세포 표면에, CD3가 T세포 표면에 — 이것은 당연합니다
T세포-종양세포 간의 물리적 근접성: Bispecific이 두 세포를 "다리"처럼 연결하려면, T세포와 종양세포가 면역학적 시냅스(immunological synapse)를 형성할 수 있는 거리에 있어야 합니다
면역억제 환경의 부재: 6월 블로그에서 다루었듯이, T세포가 있어도 CAF 장벽이나 면역억제 세포의 근접성이 기능을 무력화할 수 있습니다
Zhang 등(ACS Chemical Biology, 2024)은 bispecific T cell engager의 “기하학적 구조(geometry)”가 효능에 미치는 영향을 정량적으로 보여주었습니다. 두 결합 도메인 사이의 spacer 거리가 증가할수록 효능이 점진적으로 감소했으며, 26쌍의 TCE를 구축하여 크기는 같지만 방향(orientation)이 다른 분자들의 효능 차이를 입증했습니다.
즉, Bispecific의 작동은 분자 수준의 거리(두 결합 도메인 간)뿐 아니라, 조직 수준의 거리(T세포와 종양세포 간)에도 의존합니다. 6월에 논의한 "물리적 장벽"과 "근접성 역설"이 bispecific에도 그대로 적용되는 것입니다. CAF 장벽 뒤에 갇힌 T세포는, 아무리 강력한 bispecific이 있어도 종양세포와 시냅스를 형성할 수 없습니다.
정상 조직 측: "안전한 쌍"의 공간적 정의
Bispecific의 가장 매력적인 약속은 selectivity입니다. 두 타겟이 모두 있는 세포에만 결합하므로, 하나의 타겟만 발현하는 정상 조직은 회피할 수 있다는 논리입니다.
그러나 이 약속이 지켜지려면, 한 가지 전제가 필요합니다: 정상 조직에서 두 타겟이 같은 세포에 co-localize하지 않아야 합니다.
기존 접근이 확인하는 것: "정상 조직에서 타겟 A의 발현이 낮고, 타겟 B의 발현도 낮다" (bulk RNA-seq / IHC)
공간적 접근이 확인해야 하는 것: "정상 조직에서 타겟 A와 타겟 B가 같은 세포에 co-localize하는가?"
이 두 질문의 답은 다를 수 있습니다. Bulk에서 두 타겟의 발현이 모두 낮아도, 특정 장기의 특정 세포 타입에서 소량이나마 co-localize하면 on-target off-tumor 독성이 발생할 수 있습니다.
5월 블로그에서 ADC의 정상 조직 독성을 다루며 강조했던 것처럼, 정상 조직에 대해서도 종양과 동일한 수준의 공간적 분석이 필요합니다. Bispecific에서는 이 필요가 더욱 절실합니다. 왜냐하면 bispecific의 selectivity 자체가 공간적 co-localization의 종양 특이성(tumor-specific co-localization)에 기반하기 때문입니다.
실질적으로 필요한 분석:
심장, 폐, 간, 신장, 장 등 주요 장기의 spatial transcriptomics에서, 후보 타겟 쌍의 세포 타입별 co-localization 비율 확인
종양 co-localization 비율 vs 정상 조직 co-localization 비율의 비(ratio) 계산
장기별 co-localization이 높은 세포 타입이 기능적으로 중요한 세포(예: 심근세포, 폐포 상피세포)인지 평가 → 독성 위험도 추정
이것은 종양에서의 "이 쌍이 좋은가?"와 정상 조직에서의 "이 쌍이 안전한가?"를 같은 공간적 프레임워크에서 동시에 평가하는 것입니다.
포트래이의 접근: 종양-정상 양면의 공간적 타겟 평가
포트래이는 이 문제를 다음과 같은 프레임워크로 접근합니다.
종양 측 — 공간 전사체 데이터에서:
후보 타겟 쌍의 세포 수준 co-localization 비율 정량화
Co-localization이 높은 영역의 TME 특성 분석 — T세포 접근성, CAF 장벽 유무, 면역억제 niche와의 거리
암종별, 환자별 co-localization heterogeneity 매핑 → 어떤 환자에서 bispecific이 작동할 가능성이 높은지 예측
정상 조직 측 — 정상 장기 공간 전사체 데이터에서:
동일 타겟 쌍의 장기별, 세포 타입별 co-localization 비율 확인
종양 co-localization ratio vs 정상 조직 co-localization ratio 비교
Co-localization이 확인되는 정상 세포의 기능적 중요도 평가 → 독성 위험 등급화
이 접근은 bispecific뿐 아니라, dual-targeting ADC, bispecific ADC 등 두 개의 타겟을 동시에 겨냥하는 모든 모달리티에 공통적으로 적용될 수 있습니다.
결론: "좋은 쌍"은 공간에서 정의된다
Bispecific antibody의 이론적 매력은 분명합니다.
그러나 고형암에서의 현실은, 타겟 쌍 선정이 공간적 맥락 없이 이루어지고 있다는 것입니다.
3월에 ADC에서 "같은 타겟, 다른 운명"이라고 했습니다. Bispecific에서는 이것이 "같은 타겟 쌍, 다른 공간적 풍경"으로 확장됩니다. 78,000가지 가능한 표면 항원 쌍 중에서 정답을 찾는 것은, 직감이나 bulk 데이터만으로는 불가능합니다. 답은 종양과 정상 조직, 양쪽의 공간 위에 이미 쓰여 있습니다. 그 공간을 읽을 수 있어야, bispecific의 약속이 현실이 됩니다.
References
Chekalin E, Paithankar S, Shankar R, et al. Computational discovery of co-expressed antigens as dual targeting candidates for cancer therapy through bulk, single-cell, and spatial transcriptomics. Bioinformatics Advances. 2024;4(1):vbae096. DOI: 10.1093/bioadv/vbae096
Zhang Y, et al. Geometric Antibody Engineering Reveals the Spatial Factor on the Efficacy of Bispecific T Cell Engagers. ACS Chemical Biology. 2024;19(4):916-925. DOI: 10.1021/acschembio.3c00728
Nahle T, Shah V, Farraj SA, Atoui A. Next-generation T cell engagers in oncology: Pharmacologic evolution from bispecific to trispecific antibodies. Journal of Pharmacology and Experimental Therapeutics. 2025;392(12):103704. DOI: 10.1016/j.jpet.2025.103704
Portrai, AACR 2026 Poster. Spatial Transcriptomics uncovers pharmacokinetic barriers and tumor-intrinsic determinants of resistance to trastuzumab deruxtecan in breast cancer.
Portrai, AACR 2026 Poster. Spatial Transcriptomics reveals core resistance niches distinguishing non-MPR from MPR in NSCLC after neoadjuvant chemoimmunotherapy.
