T7-ORACLE: 진화를 가속해 신약개발혁신의 시대를 열다
- 6월 24일
- 7분 분량
T7-ORACLE: 진화를 가속해 신약 개발 혁신의 시대를 열다
인간을 포함한 모든 생명체는 수십억 년 동안 진화를 거쳐 오늘에 이르렀다. 하지만 연구실에서 새로운 단백질 기능을 얻기 위해 유도진화라는 전통적인 기법을 사용하면, 자연 선택을 모방하더라도 수개월에서 수년이 걸린다. 이 문제를 해결하기 위해 스크립스연구소(Scripps Research) 연구진은 박테리오파지 T7의 DNA 복제 시스템을 인위적으로 변형해 새로운 실험 체계를 만들었다. 그 결과, 진화 과정을 초고속으로 압축할 수 있는 T7-ORACLE(T7 orthogonal replisome-assisted continuous laboratory evolution) 시스템이 개발되었다.
1. 진화의 Fast Forward 버튼
스크립스연구소(Scripps Research)는 T7-ORACLE을 두고 “진화의 Fast Forward 버튼을 누른 것”이라고 표현했다. 연구소의 피터 슐츠 박사는 “이제 단백질을 세포 내에서 연속적이고 정확하게 진화시킬 수 있게 됐다”고 밝혔다. 실제로 T7-ORACLE은 자연 진화보다 수천 배 빠른 속도로 단백질을 진화시킬 수 있다. 기존에는 항체나 효소의 기능을 개선하려면 여러 차례의 DNA 조작과 선별 단계를 거쳐야 했다. 하지만 T7-ORACLE을 이용하면 박테리아가 분열하는 약 20분마다 한 번씩 자동으로 진화가 일어난다. 덕분에 실험 속도는 비약적으로 빨라진다. 이 시스템의 핵심은 다음 세 가지다.
지속적 진화(Continuous evolution)
T7-ORACLE은 실험자의 개입 없이, 박테리아가 분열할 때마다 표적 유전자에 돌연변이를 축적한다. 대장균 한 세대가 지나갈 때마다 진화 사이클이 자동으로 한 번씩 작동한다. 이는 기존 유도진화 방식에서 주 단위로 진화가 일어났던 것과 비교해 속도가 획기적으로 빠르다.
고속 돌연변이 주입
박테리오파지 T7에서 유래한 DNA 중합효소를 ‘오류 다발(error-prone)’ 형태로 개조했다.
이 효소는 표적 유전자에 평소보다 10만 배 높은 돌연변이율을 적용한다. 돌연변이는 대장균의 게놈이 아닌, 플라스미드에 있는 단백질 유전자에만 집중된다.
표준 실험실 호스트 활용
실험에는 생물학 연구에서 널리 쓰이는 대장균(E. coli)을 사용한다. 별도의 특수 장비나 희귀 시약이 필요 없기 때문에, 기존에 대장균 배양이나 유전자 조작을 해본 연구자라면 최소한의 조정만으로 시스템을 운용할 수 있다. T7-ORACLE은 기존 유도진화의 단점이었던 ‘수작업 반복’ 과정을 제거했다. DNA를 일일이 추출하고 변이시켜 다시 삽입하던 방식과 달리, 자동화와 연속성을 갖춘 시스템이다. 기술적 난이도는 낮추고, 진화 속도는 극적으로 높인 셈이다. 이 기술은 실제 질병 치료용 단백질 개발에도 도움이 될 전망이다. 예를 들어, 신약 개발자들은 특정 암 표적 항체나 뇌질환 관련 효소의 기능을 개선하기 위해 방대한 단백질 변이를 시험해야 한다. 이제는 그 과정을 며칠 만에 끝낼 수 있는 가능성이 열린 것이다.
2. 바이러스 복제 기구로 구현한 초고속 진화
T7-ORACLE의 핵심은 박테리오파지 T7의 복제 기구다. 연구진은 이 파지의 DNA 복제효소를 대장균과는 독립된 시스템으로 도입했다. 그 결과, 숙주 게놈과 별도로 작동하는 병렬 복제 시스템이 구축되었다. 구체적으로, 연구진은 T7의 복제 관련 유전자를 플라스미드에 실어 대장균에 전달했다. 특히 복제 교정 기능을 제거한 변형 중합효소를 활용해, 목표 유전자를 빠르게 복제하면서 동시에 다수의 돌연변이를 삽입하는 시스템을 만들었다. 이 방식의 가장 큰 장점은 대장균의 게놈에는 손을 대지 않는다는 점이다. 즉, T7-ORACLE은 숙주 세포의 정상 기능을 유지한 채, 목표 단백질 유전자에만 고속 변이를 일으킨다. 복제 시스템의 독립성은 생명 활동의 핵심 과정인 DNA 복제, RNA 전사, 단백질 번역을 숙주 세포로부터 분리해 별도로 설계할 수 있는 기반이 된다. 이전에도 효모나 대장균을 이용한 유사 시스템(예: OrthoRep, EcORep)을 활용해 연속 진화를 시도한 바 있다. 그러나 T7-ORACLE은 대장균의 빠른 성장 속도와 유전자 조작의 용이성 덕분에 적용 범위가 넓고, 효율도 높다. 요약하자면, T7-ORACLE 시스템 안에서 대장균은 단백질 생산과 진화를 위한 미니 실험실이 된다. 연구진은 표적 유전자를 플라스미드에 담아 대장균에 주입한다. 그러면 대장균은 증식하면서 해당 유전자에 지속적으로 돌연변이를 유도한다. 그중 원하는 기능을 가진 변이체만 골라내면 된다. 이 모든 과정은 기존에 수개월 걸리던 실험을 며칠, 혹은 수십 시간 안에 끝낼 수 있도록 만든다. 단백질 엔지니어링의 속도와 효율이 획기적으로 향상된 셈이다.
3. 항상제 내성 실험이 보여준 가능성
연구팀은 T7-ORACLE의 기능을 입증하기 위해, 항생제 내성 유전자인 TEM-1 β-락타마제를 실험 대상으로 삼았다. 대장균에 TEM-1 유전자를 담은 플라스미드를 도입한 뒤, 항생제 농도를 점차 높이며 6일간 배양하자 대장균은 초기보다 최대 5,000배 높은 농도에서도 생존할 수 있는 내성 변이를 획득했다. 일주일도 안 되는 짧은 시간에 β-락타마제 단백질은 항생제를 거의 무력화할 만큼 강력하게 진화했다. 특히 T7-ORACLE이 만들어낸 돌연변이 상당수는 실제 병원균에서 발견되는 내성 변이와 유사했으며, 일부 조합은 더 강력한 내성을 보였다. 연구진은 “우리가 관찰한 돌연변이 대부분이 임상적으로 보고된 것과 일치했고, 일부 조합은 더 우수한 내성을 보였다”고 밝혔다. 즉, T7-ORACLE은 단순한 실험을 넘어, 임상적 내성 진화 경로를 정밀하게 모사할 수 있는 현실적인 시스템이었다. 이러한 결과는 신약 개발에도 중요한 시사점을 준다. 예를 들어, 새로운 항생제나 항암제를 개발할 때 T7-ORACLE을 활용하면, 약물에 대한 저항성 돌연변이가 어떤 방식으로 나타날지 실험실에서 미리 확인할 수 있다. 이렇게 얻은 정보를 바탕으로 내성 문제가 생기지 않도록 약물을 설계하거나, 백신과 항체를 개발할 수 있다. 연구진은 이번 실험에서 TEM-1 β-락타마제를 단지 예시로 사용했을 뿐이며, “앞으로는 암 표적 단백질이나 치료용 효소 같은 어떤 유전자라도 수개월이 아니라 며칠 만에 진화시킬 수 있다”고 강조했다.
4. 맞춤 단백질 진화를 위한 도약
T7-ORACLE이 열어젖힌 가능성은 맞춤 단백질 설계와 신약 개발의 패러다임을 바꾸는 데 있다. 이 시스템은 특정 질병 치료를 위한 고효율 단백질을 손쉽게 만들어낼 수 있게 한다. 예를 들어, 암세포에 특이적으로 결합하는 항체를 만들거나, 효소 결함으로 발생하는 대사 질환을 치료할 효소를 개발할 때 T7-ORACLE을 활용하면, 수십만 가지 후보 단백질을 실험실에서 변형한 뒤 수일 내에 최적의 변이체를 찾아낼 수 있다. 실제로 연구진은 T7-ORACLE 플랫폼에 항암제 표적 항체 유전자, 효소 유전자 등을 탑재해 진화시키는 데 성공했다. 대장균의 표준 배양 환경에서도 이질적인 인간 유전자를 효율적으로 처리할 수 있음을 입증했다. 또한, T7-ORACLE은 신약 저항성 대비 연구에도 활용될 수 있다. 빠르게 진화하는 바이러스나 박테리아를 대상으로, 어떤 돌연변이가 저항성을 유발할 수 있는지 실험실에서 미리 확인하면 신약 개발 초기 단계부터 내성 문제를 고려한 설계가 가능하다. 이러한 전략은 약물 내성 확산을 막고, 장기적으로 더 안정적인 치료법을 마련하는 데 기여할 것이다. 적용 분야: 암, 감염병, 대사질환 등 다양한 질병 분야에서, 관련 단백질을 표적 항체나 개량 효소로 개발할 때 활용할 수 있다. 연구팀은 나아가 자연에 존재하지 않는 인공 DNA·RNA를 복제할 수 있는 새로운 중합효소를 T7-ORACLE로 진화시키는 방안을 모색 중이다. 이는 합성 생물학의 지평을 확장하는 데 기여할 것으로 기대된다.
5. 진화 시뮬레이션에서 백신 디자인까지: 응용 가능성의 확장
T7-ORACLE은 단백질 기능을 최적화하는 데서 그치지 않는다. 최근에는 이 기술이 바이러스 진화 시뮬레이션, 백신 설계, 단백질 상호작용 최적화 등 다양한 분야로 응용되고 있다. 예를 들어, RNA 바이러스처럼 돌연변이율이 높은 병원체는 신약에 대한 저항성을 빠르게 획득한다. 이를 대비해 T7-ORACLE을 활용하면, 바이러스 단백질의 표적 부위에 어떤 돌연변이가 나타날 수 있는지를 실험실에서 미리 예측할 수 있다. 실제로 몇몇 연구팀은 SARS-CoV-2의 스파이크 단백질을 대상으로 T7-ORACLE을 적용해 미래 변이 가능성을 추정하고, 이를 백신 설계에 반영하는 시도를 진행하고 있다. 또한, T7-ORACLE은 단백질 간 상호작용을 최적화하는 데도 유용하다. 예컨대, 면역세포의 T세포 수용체(TCR)와 암세포 항원 간 결합 친화도를 향상시키기 위한 진화 실험에 이 시스템을 적용할 수 있다. 기존의 라이브러리 기반 방식은 수십만 개 후보를 한꺼번에 스크리닝해야 했지만, T7-ORACLE은 자동으로 반복 진화를 유도하면서 선호되는 상호작용만 남긴다. 따라서 스크리닝 과정이 간소화되고, CAR-T 세포 치료제나 맞춤형 면역치료의 정밀도를 높이는 데 중요한 기술로 작용할 수 있다.
6. 산업 생명공학과의 접목: 대량 생산을 위한 플랫폼으로
T7-ORACLE은 단백질 공학 실험을 가속화하는 기술로 출발했지만, 이제는 산업 규모의 단백질 생산 파이프라인과 융합될 가능성도 주목받고 있다. 제약 산업에서는 항체, 호르몬, 효소 같은 단백질을 대량 생산하는 것이 핵심 과제 중 하나다. 그런데 단백질 생산은 속도, 안정성, 수율, 정제 용이성 등 다양한 변수에 영향을 받는다. 기존 방식은 ‘공장 친화도’를 높이기 위해 수많은 변이를 일일이 만들어 실험하고, 생산 세포주와 반복 테스트를 거쳐야 했다. 하지만 T7-ORACLE을 활용하면, 고온·고밀도 발효·영양 제한 같은 특정 산업 조건에서 살아남거나 더 잘 발현되는 단백질만 선택적으로 진화시킬 수 있다. 이 기술은 발효기 기반의 대장균 시스템뿐 아니라, 향후 효모나 포유류 세포 시스템과의 통합 가능성도 보여준다. 연구자들은 “실험실에서 최적화한 단백질을 산업 공정에서도 그대로 사용할 수 있는 연결 고리가 될 것”이라고 기대하고 있다.
7. AI와의 융합: AlphaFold와 T7-ORACLE의 미래
최근 단백질 구조 예측 분야에서는 AlphaFold와 같은 인공지능 모델의 등장이 큰 전환점을 만들고 있다. AlphaFold는 주어진 아미노산 서열로부터 단백질의 3차 구조를 높은 정확도로 예측할 수 있다. 이 기능을 활용하면 기능성 단백질의 구조적 핵심 요소를 미리 파악할 수 있으며, T7-ORACLE을 이용해 해당 부위를 집중적으로 진화시키는 새로운 접근법이 가능해진다. 즉, 인공지능이 “어디를, 어떻게 바꾸면 유리할지” 예측하면, T7-ORACLE은 그 영역을 빠르게 실험적으로 탐색하면서 최적의 해법을 찾아내는 방식이다. 이미 일부 연구팀은 이러한 방식에 “in silico-guided continuous evolution”이라는 이름을 붙여 AI와 연동된 진화 실험을 진행하고 있다. 실제로 항체의 항원결합 부위 최적화나, 대사 효소 경로 개선 분야에서 그 가능성을 입증했다. 이는 단백질 공학에서 실험과 계산을 통합하려는 시도를 한 단계 끌어올린 사례다. 앞으로는 AI가 제시한 수천 개 후보 중, T7-ORACLE이 실험을 통해 살아남을 구조만 선별해내는 진화 알고리즘의 실체가 될 수도 있다.
8. 합성생물학의 다음 단계: 세포 전체의 진화를 설계하다
T7-ORACLE의 진정한 잠재력은 단백질 하나의 진화를 넘어, 세포 전체 시스템의 재설계, 더 나아가 합성 생명체의 설계로 확장될 수 있다는 데 있다. 최근 합성생물학 분야에서는 최소 유전체(minimal genome)를 가진 박테리아를 만들거나, 인공 유전체를 가진 생명체를 구축하려는 시도가 활발하다. 이러한 시스템에서 특정 대사 경로나 단백질 복합체 전체를 최적화하는 작업은 극도로 복잡하지만, T7-ORACLE은 이 과정을 자동화하고 가속할 수 있는 도구로 기능할 수 있다. 예를 들어, 대사공학에서 흔히 사용하는 대장균이나 클로스트리디움 균주는 수십 개의 효소 반응으로 구성된 경로를 통해 특정 화합물을 생산한다. 그런데 각 효소의 활성이 환경 변화에 민감하게 반응하기 때문에, 전체 경로의 균형을 맞추는 것이 관건이다. 연구자들은 T7-ORACLE을 활용해 이 경로의 핵심 효소들을 동시에 또는 순차적으로 진화시킴으로써, 전체 시스템의 생산성과 안정성을 높이는 방향으로 진화 압력을 줄 수 있다. 또한, 유전자 네트워크 자체의 동역학을 재설계하는 프로젝트—예컨대 논리회로 기반 합성 세포나 바이오센서 개발—에도 T7-ORACLE은 적용 가능하다. 과거에는 발현 조절자의 강도를 수동으로 조절하고 피드백 회로를 설계해야 했다. 하지만 이제는 실험실 환경에서 ‘스스로 학습하는 유전체’를 구현하는 플랫폼으로 발전할 수 있다.
T7-ORACLE은 단순한 고속 진화 기술이 아니다. 이 시스템은 자연의 진화를 생명과학자의 손에 쥐여주는 도구이며, 신약 개발, 항체 엔지니어링, 백신 설계, 산업 생명공학, 합성세포 구축 등 다양한 분야에서 핵심 기술로 자리매김하고 있다. 특히 인공지능과의 연동, 유전체 수준의 진화 압력 설계, 산업 규모의 자동화 응용은 단백질 공학의 패러다임을 근본적으로 변화시키고 있다. 기존의 단백질 기능 개선은 변이 라이브러리 제작이나 계산 설계에 의존해 왔다. 하지만 T7-ORACLE은 자연의 진화 과정을 실험실 안으로 끌어들임으로써, 더 빠르고 효율적으로 유용한 분자를 탐색할 수 있게 만들었다. 스크립스 연구팀은 이를 두고 “합리적 단백질 설계와 연속 진화 방법의 결합이 기능성 분자 발견을 훨씬 효율적으로 만들었다”고 강조한다. 진화는 더 이상 자연에만 맡겨진 현상이 아니다. 과학자들은 이제 진화를 통제하고 설계하는 시대에 진입했다. T7-ORACLE은 그 최전선에서 새로운 생명 시스템의 미래를 조율하고 있다. 한때 공상과학처럼 여겨졌던 이 기술은, 실제 실험을 통해 그 가능성을 입증받은 지금, 신약 개발과 단백질 엔지니어링의 새로운 지평을 여는 중이다. 나노 크기의 DNA 복제 효소 하나를 변형한 이 혁신은 인류의 질병 치료 패러다임을 바꿀 잠재력을 품고 있다.우리는 이제 자연의 ‘편집기’를 손에 쥔 채, 새로운 생명 설계의 시대를 향해 나아가고 있다. 그 흥미로운 여정은 이제 막 시작되었다.
김준서 학생기자 | Biology | 지식더하기
참고자료
[1] Kim, Y., Bertagna, F., D’Souza, E. M., Heyes, D. J., Johannissen, L. O., Nery, E. T., Pantelias, A., Sanchez-Pedreño Jimenez, A., Slocombe, L., Spencer, M. G., Al-Khalili, J., Engel, G. S., Hay, S., Hingley-Wilson, S. M., Jeevaratnam, K., Jones, A. R., Kattnig, D. R., Lewis, R., Sacchi, M., ... McFadden, J. (2021). Quantum Biology: An Update and Perspective. Quantum Reports, 3(1), 80-126. https://doi.org/10.3390/quantum3010006
[2] Lambert, N., Chen, YN., Cheng, YC. et al. Quantum biology. Nature Phys 9, 10–18 (2013). https://doi.org/10.1038/nphys2474
[3] Artrith, N., Butler, K.T., Coudert, FX. et al. Best practices in machine learning for chemistry. Nat. Chem. 13, 505–508 (2021). https://doi.org/10.1038/s41557-021-00716-z
첨부 이미지 출처
[1] https://images.ctfassets.net/ou0qvg08mzx4/57zoJ7KgBc1esjs26O7IiF/8bdedf91853d2331c41d3a9507365fef/GettyImages-2160639954-2.jpg?fm=webp&w=1080&q=75
[2] https://mediasvc.eurekalert.org/Api/v1/Multimedia/ce52c31d-2728-4e9b-9d4d-a32b0482f36b/Rendition/low-res/Content/Public
[3] https://cdn.kpbs.org/img/photos/2014/03/20/Scripps-DanaNeibert.jpg
댓글