공간전사체의 대중화를 가로막는 것은 무엇인가
공간전사체에는 해상도 문제만 있는 것이 아니다. 발견에서 의사결정까지 이어지는 전체 시스템의 문제가 있다.
현미경 화면 위에 수백만 개, 나아가 수천만 개의 세포가 나타난다. 유전자 발현은 조직의 좌표와 연결되고, 암세포와 면역세포가 어디에서 만나고 멀어지는지도 보인다. 몇 년 전만 해도 불가능했던 장면이다.
그러나 화면을 닫은 뒤에는 더 어려운 질문이 남는다.
“그래서 어떤 표적을 선택해야 하는가?”
“이 약물은 종양 안쪽까지 전달될 것인가?”
“어떤 환자에게 먼저 적용해야 하는가?”
오늘날의 공간전사체는 10x genomics 의 ATERA 와 같은 시스템을 만나면서 이전보다 훨씬 정밀하고 대규모인 데이터를 만들어낼 수 있다. 그럼에도 아직 많은 조직에서 일상적인 의사결정 도구로는 사용되지 않는다. 데이터를 생성할 수 있다는 것과 기업이 같은 분석을 반복해서 구매하고 사용할 이유가 있다는 것은 서로 다른 문제이다.
병목은 하나가 아니라 연결되어 있다
공간전사체의 확산이 더딘 이유로 흔히 높은 실험 비용이 지목된다. 비용은 분명 중요하다. 하지만 실험 가격이 절반으로 낮아진다고 해서 곧바로 활용이 두 배로 늘어나지는 않을 것이다.
분석 목적이 불명확하거나, 적절한 조직을 구할 수 없거나, 실험 결과의 편차가 크거나, 생성된 데이터를 기존 인프라로 처리할 수 없다면, 실험이 저렴하더라도 사용하지 않는다. 분석 결과를 실제 신약개발 의사결정과 연결하지 못하거나, 결과의 재현성을 신뢰할 수 없는 경우도 마찬가지다.
따라서 공간전사체의 mass adoption은 단일 기술의 성능 문제가 아니라 다음 여섯 단계가 연결된 시스템의 문제로 보아야 한다.
첫째는 Application이다. 공간전사체가 기존 방법보다 더 나은 그림을 제공하는 것을 넘어, 표적 선정이나 약물 설계, 환자 선별처럼 비용이 큰 의사결정을 실제로 개선해야 한다.
둘째는 Tissue다. 조직은 단순한 실험 재료가 아니다. 암종과 병기, 치료 이력, 인종, 채취 부위 및 정상조직 비교 여부가 데이터의 의미와 일반화 가능성을 좌우한다.
셋째는 Experiment다. 결과가 일부 숙련자의 손에 지나치게 의존한다면 규모를 확대하기 어렵다. 자동화는 속도뿐 아니라 재현성, 실패율 및 귀한 임상 샘플과 고가의 시약을 다루는 연구자의 부담과도 관련된 문제다.
넷째는 Data다. 세포와 전사체의 수가 증가하면 저장 공간뿐 아니라 메모리, 데이터 이동, 전처리 시간과 컴퓨팅 비용이 함께 증가한다. 더 많은 데이터가 자동으로 더 많은 지식이 되는 것은 아니다.
다섯째는 Analysis다. 데이터를 처리했다는 것과 연구자나 경영진이 결과를 이해하고 비교하여 의사결정에 사용할 수 있다는 것은 다르다. 분석 도구는 복잡성을 감추는 데 그치지 않고, 분석 과정과 근거를 검토할 수 있게 해야 한다.
마지막은 Trust다. 서로 다른 조직과 장비, 패널, 분석 방법에서 얻은 결과가 어느 정도 비교 가능한지, RNA 수준의 발견이 단백질과 약물 반응에서도 반복적으로 확인되는지 증명되어야 한다.
이 단계들은 독립적이지 않다. 좋은 application은 적절한 임상 cohort를 요구하고, 더 많은 조직은 자동화된 실험을 필요로 한다. 자동화는 데이터의 폭발적인 증가를 가져오며, 대규모 데이터는 새로운 컴퓨팅 및 분석 환경을 요구한다. 그리고 분석에 대한 접근성이 늘어나면서, 잘못된 분석 방법으로 인한 잘못된 결과도 빠르게 확산될 수 있으므로 신뢰와 검증의 중요성이 커진다.
결국 한 단계라도 문제가 있다면, 전체 산업의 adoption 속도가 느려진다.
우리가 현장에서 배운 것
Portrai가 실제 신약개발 프로젝트를 수행하며 얻은 가장 중요한 학습도 비슷했다. 처음에는 얼마나 많은 유전자와 세포를 측정할 수 있는지가 중요해 보였다. 그러나 파트너와의 논의가 구체화될수록 질문은 데이터의 크기/해상도/양 보다 의사결정의 질로 이동했다.
어떤 표적이 종양과 정상조직을 더 잘 구분하는가. 같은 표적이라도 항체의 특성과 조직 구조에 따라 payload 전달이 어떻게 달라지는가. 어떤 환자군에서 치료 가능성이 더 높을 것인가.
이 질문에 답하려면 공간전사체 데이터에 기반하여, 조직의 임상적 맥락, 실험 품질, 컴퓨팅 인프라, 약물 작동 원리에 대한 모델링과 독립적인 검증이 하나의 흐름으로 연결되어야 한다. 공간전사체의 최종 산출물은 아름다운 지도가 아니라 더 나은 결정이어야 한다.
물론 모든 신약개발 질문에 공간정보가 필요한 것은 아니다. 충분히 검증된 단일 바이오마커나 저비용 분석으로 답할 수 있는 문제라면 기존 방법이 더 합리적일 수 있다. Mass adoption은 모든 실험을 공간전사체로 대체하는 것을 의미하지 않는다. 공간정보가 결정적인 문제에서 가장 신뢰할 수 있는 표준 도구가 되는 것을 의미한다.
앞으로 3~5년, 무엇이 달라질 것인가
낙관적인 시나리오에서는 실험 비용 하락과 자동화, 차세대 컴퓨팅, AI 기반 분석이 함께 발전하면서 공간정보가 신약개발의 기본 입력값으로 자리 잡을 수 있다.
현실적으로는 모든 영역에서 동시에 확산되기보다 표적 발굴, 항체약물접합체와 방사성의약품의 전달 예측, 종양미세환경 분석처럼 공간적 맥락의 가치가 명확한 영역부터 채택될 가능성이 높다.
반대로 데이터 생산량만 증가하고 임상적·경제적 효용을 입증하지 못한다면 공간전사체는 정교하지만 제한적인 연구 서비스에 머물 수도 있다. 어느 미래가 현실이 될지는 여섯 개의 병목을 얼마나 잘 연결하는가에 달려 있다.
Spatial transcriptomics does not have a resolution/plex problem alone. It has an end-to-end adoption problem.
다음 글에서는 이 연결고리의 출발점인 killer application, 즉 “공간전사체가 정확히 어떤 의사결정을 바꾸어야 반복적으로 사용되는가”라는 질문부터 살펴보려 한다.
