인시트로, AI 기반 갈색 지방 조직 유전학 연구 완료 및 새로운 비만 치료 표적 공개

핵심 요약

기존에 대규모 연구가 어려웠던 갈색 지방 조직(BAT)의 유전적 조절 기전을 규명하기 위해 AI 기술이 도입되었다. 인시트로(insitro)는 컴퓨터 비전을 활용해 MRI 데이터로부터 갈색 지방 표현형을 추출하고, 약 7만 명 규모의 전장 유전체 연관 분석(GWAS)을 수행했다. 이를 통해 발굴된 표적 BAT-01은 동물 실험에서 식욕 억제 없이도 15%의 체중 감량과 지방 연소 효과를 입증했다. 이번 연구는 AI가 복잡한 생물학적 데이터를 해석하여 차세대 비만 치료제 개발을 가속화할 수 있음을 보여준다.

배경

GWAS(전장 유전체 연관 분석)에 대한 이해, MRI 영상 분석 기초 지식, siRNA 기전에 대한 이해

대상 독자

신약 개발 연구자, AI 바이오테크 종사자, 유전학자, 대사 질환 전문의

의미 / 영향

AI가 바이오 데이터의 병목 현상을 해결하여 새로운 생물학적 통찰을 제공할 수 있음을 입증했다. 특히 비만 치료 시장에서 식욕 억제제 외에 새로운 기전의 치료제 개발을 앞당기는 계기가 될 것이다.

섹션별 상세

인시트로는 ClinML 플랫폼을 사용하여 UK 바이오뱅크의 MRI 데이터(n=69,598)로부터 갈색 지방 조직(BAT) 표현형을 대규모로 추출했다. 갈색 지방은 해부학적으로 분산되어 있어 기존의 PET 스캔 방식으로는 대규모 유전학 연구가 불가능했으나, AI 컴퓨터 비전 기술을 통해 MRI 영상에서 복부와 쇄골 상부 지방의 신호 차이를 계산하여 갈색 지방 함량을 추정하는 데 성공했다. 이 표현형은 계절적 변화와 대사 건강 지표와의 상관관계 분석을 통해 생물학적 타당성이 검증되었다.

추출된 표현형을 바탕으로 수행된 전장 유전체 연관 분석(GWAS)에서 기존 비만 연구에서는 발견되지 않았던 갈색 지방 특이적 유전자들이 다수 식별되었다. 인시트로는 CellML 플랫폼을 활용해 인간 지방 세포의 전사체 및 고해상도 이미징 데이터를 분석하여 유전적으로 뒷받침되는 표적들을 선별했다. 이 과정에서 갈색 지방 활성화와 지방 가동화 능력을 기준으로 우선순위를 정해 BAT-01을 최종 검증 대상으로 선정했다.

비만 쥐 모델을 대상으로 한 실험에서 지방 조직을 표적으로 하는 siRNA를 통해 BAT-01을 억제한 결과, 4주 만에 체중이 15% 감소하고 지방량이 25% 줄어드는 성과를 거두었다. 특히 기존 비만 치료제와 달리 식사량에는 영향을 주지 않으면서 백색 지방의 갈색화(beiging)를 유도하고 근육량을 보존하는 차별화된 기전을 보였다. 이는 중추신경계의 식욕 억제 경로가 아닌 말초 조직의 대사 활성화를 통한 새로운 치료 가능성을 시사한다.

실무 Takeaway

AI 컴퓨터 비전을 활용하면 PET 스캔 없이 MRI만으로도 대규모 집단의 특정 조직 표현형을 정확히 추출하여 유전학 연구에 활용할 수 있다.
유전적 근거(GWAS)와 세포 수준의 AI 분석(CellML)을 결합한 타겟 발굴 방식은 신약 개발의 시행착오를 줄이고 성공 확률을 높인다.
식욕 억제 기전이 아닌 말초 지방 조직의 대사를 직접 조절하는 방식은 근육 보존과 부작용 감소 측면에서 기존 GLP-1 계열 치료제의 대안이 될 수 있다.