티스토리 뷰
― “독성이 있다”가 아니라 “어디서, 왜 독성이 시작됐는가”를 설명하는 분석 프레임
비임상 독성 평가에서 metabolomics는 이미 낯선 기술이 아니다.
혈장, 소변, 조직 homogenate를 기반으로 한 toxicometabolomics는
독성 조기 예측, 기전 가설 수립, 후보물질 탈락 판단에 실질적인 도움을 주고 있다.
하지만 분석팀 실무자라면 한 번쯤 이런 한계를 느껴봤을 것이다.
“독성 관련 대사체가 변한 건 알겠는데,
이 변화가 조직의 어느 위치에서 시작된 건지는 알 수 없다.”
바로 이 지점에서 spatial metabolomics가 toxicometabolomics와 만나야 한다.
두 기술의 통합은 단순한 기술 결합이 아니라,
비임상 독성 해석의 차원을 한 단계 끌어올리는 전략적 전환이다.
이 글에서는
왜 두 접근이 반드시 함께 가야 하는지,
어떻게 통합해야 실무적으로 의미가 있는지,
국내 제약사 분석팀이 실패 없이 도입하려면 무엇을 준비해야 하는지를
현장 중심으로 정리한다.
1. Toxicometabolomics 단독 접근의 구조적 한계
1.1 평균값의 함정
Toxicometabolomics는 기본적으로 다음 질문에 답한다.
- 독성 노출 후 대사체 프로파일이 어떻게 변했는가
- 어떤 pathway가 교란되었는가
- 독성 dose–response signature가 존재하는가
하지만 대부분의 데이터는
plasma 또는 조직 homogenate 기반 평균값이다.
문제는 독성이 평균적으로 발생하지 않는다는 점이다.
- 간독성 → centrilobular zone부터 시작
- 신독성 → proximal tubule 선택적 손상
- CNS 독성 → 특정 nucleus 국소 손상
조직 전체를 갈아서 얻은 metabolomics 데이터는
독성의 시작점과 확산 경로를 지워버린다.
1.2 “독성 관련 대사체”의 위치 불명 문제
예를 들어 bile acid 축적이 관찰됐다고 가정해 보자.
- periportal에서인가?
- pericentral에서인가?
- necrotic area 주변인가?
이 정보가 없으면
독성 기전 해석은 항상 간접적 추론에 머무를 수밖에 없다.
2. Spatial metabolomics가 제공하는 결정적 보완 요소
Spatial metabolomics는 toxicometabolomics가 놓치는 질문을 정면으로 다룬다.
- 이 대사체는 어디에 존재하는가
- 병변과 공간적으로 일치하는가
- 독성 전 단계에서 국소적으로 먼저 나타나는가
즉,
- toxicometabolomics = “무엇이 변했는가”
- spatial metabolomics = “어디에서 변했는가”
이 둘이 결합될 때
비임상 독성 데이터는 설명 가능한 스토리를 갖게 된다.
3. 통합 전략의 핵심 개념: 역할 분담
중요한 원칙부터 짚자.
Spatial metabolomics는 탐색과 위치 규명,
Toxicometabolomics는 정량과 기전 해석이다.
3.1 역할 분담 구조
- Toxicometabolomics (LC-MS/MS, HRMS)
- 정량 정확도
- 통계적 유의성
- pathway 분석
- dose–response 평가
- Spatial metabolomics (MALDI/DESI-MSI)
- 위치 기반 분포
- 병변 연계
- 국소 독성 시각화
- heterogeneity 확인
두 기술을 같은 질문에 동시에 쓰려 하면 실패한다.
각자의 강점을 분리해서 설계해야 한다.
4. 통합 workflow 설계 전략
4.1 권장 전체 흐름 (실무 기준)
Step 1. 독성 시그니처 확보 (toxicometabolomics)
- plasma/urine + 조직 homogenate
- LC-MS/MS 또는 HRMS
- 독성 dose group별 비교
- 유의 대사체 후보군 도출
Step 2. Spatial validation (spatial metabolomics)
- 동일 독성 조건 조직 절편
- 후보 대사체 중심 imaging
- 병변 위치와 overlay
- 국소 축적 여부 확인
Step 3. 역검증
- ROI 기반 LC-MS/MS 재정량
- pathology 연계
- 기전 가설 정제
이 순서를 거꾸로 하면
spatial 데이터가 해석 불가능해진다.
4.2 조직 handling 통합 전략
Spatial + toxicometabolomics를 동시에 하려면
조직 handling SOP가 핵심이다.
권장 방식
- 하나의 조직에서:
- 일부: snap-freeze → homogenate 분석
- 일부: cryosection → MSI
- serial section 확보
- H&E / IHC 병행
조직 분할 단계에서 실패하면
두 데이터는 연결될 수 없다.
5. 독성 유형별 통합 적용 패턴
5.1 간독성 (Hepatotoxicity)
Toxicometabolomics
- bile acid panel
- acylcarnitine
- TCA cycle intermediate
- oxidative stress marker
Spatial metabolomics
- pericentral bile acid 국소 축적
- necrotic zone 주변 GSH depletion
- mitochondrial dysfunction signature 위치 확인
→ “이 약물은 간 전체가 아니라,
특정 zone에서 미토콘드리아 독성을 유발한다”는 설명 가능
5.2 신독성 (Nephrotoxicity)
Toxicometabolomics
- polyamine
- amino acid imbalance
- energy metabolism disruption
Spatial metabolomics
- proximal tubule 선택적 대사체 변화
- cortex vs medulla 차이 확인
→ 초기 독성 예측 정확도 향상
5.3 CNS 독성
Toxicometabolomics
- neurotransmitter precursor
- energy metabolite
Spatial metabolomics
- 특정 nucleus 집중 변화
- BBB penetration 패턴 확인
→ 행동 독성 결과와 연결 가능
6. 데이터 통합 해석의 핵심 포인트
6.1 MSI 데이터를 “정량처럼” 보지 말 것
Spatial MSI는 본질적으로 semi-quantitative다.
- intensity 차이 = 상대 비교
- 절대 농도 해석 금물
정량은 반드시 LC-MS/MS가 담당해야 한다.
6.2 ROI 기반 통계 접근
권장 방식:
- pathology 기반 ROI 정의
- ROI별 intensity 분포 비교
- toxicometabolomics 결과와 방향성 일치 여부 확인
이미지가 예쁘다고 의미가 생기지 않는다.
통계와 기전이 연결되어야 한다.
7. 국내 제약사 도입 시 현실적 전략
7.1 단기 (파일럿 단계)
- toxicometabolomics는 내부 수행
- spatial MSI는 CRO 활용
- 독성 이슈 프로젝트 1~2개 적용
7.2 중기
- DESI-MSI 내부 구축 검토
- 조직 handling SOP 통합
- 분석팀–독성팀–병리팀 협업 체계
7.3 장기
- 독성 유형별 spatial signature DB 구축
- AI 기반 독성 예측 모델과 연계
- candidate ranking에 활용
8. 분석팀 실무자용 체크리스트
기획 단계
- 독성 endpoint 명확화
- spatial 적용 목적 정의
- pathology 연계 계획 수립
실험 단계
- 조직 handling 통합 SOP
- serial section 확보
- MSI 조건 최적화
분석 단계
- toxicometabolomics 통계 확보
- spatial ROI 정의
- 방향성 일치 여부 검증
해석 단계
- 생물학적 개연성
- 독성 기전 설명 가능 여부
- 의사결정 활용성
9. 결론: 통합의 목적은 ‘설득력’이다
Spatial metabolomics와 toxicometabolomics의 통합은
단순히 기술을 더하는 것이 아니다.
- 평균값의 한계를 넘고
- 독성의 시작 위치를 설명하며
- 비임상 의사결정의 설득력을 극대화한다.
국내 제약사 분석팀이 이 전략을 성공적으로 도입하려면
가장 중요한 질문은 이것이다.
“이 데이터를 통해
우리가 어떤 결정을 더 명확하게 할 수 있는가?”
이 질문에 답할 수 있을 때,
spatial + toxicometabolomics는
연구용 기술을 넘어, 개발 전략 도구가 된다.

'제약산업' 카테고리의 다른 글
| Metabolite ID에서 MS/MS Library의 한계와 In Silico Fragmentation 적용 (0) | 2025.12.22 |
|---|---|
| 비임상 조직 기반 spatial metabolomics 도입 전략 (0) | 2025.12.20 |
| Microbiome–Metabolite Interaction 분석 workflow (0) | 2025.12.19 |
| Toxicometabolomics 기반 독성 예측 플랫폼의 개발 방향 (0) | 2025.12.18 |
| SCFA(Short-Chain Fatty Acids), BCAA(Branched-Chain Amino Acids), ketone bodies(β-hydroxybutyrate,acetoacetate, acetone) 분석법 표준화(standardization) (0) | 2025.12.17 |
| LC–Ion Mobility MS(IM-MS)를 활용한 Isomer 분리 전략 (0) | 2025.12.16 |
| Disease Progression Biomarker 발굴을 위한 Metabolomics 통계 Workflow (0) | 2025.12.15 |
| Targeted vs. Untargeted Metabolomics: 제약사의 선택 기준 (0) | 2025.12.14 |
- Total
- Today
- Yesterday
- 제약산업
- Spatial metabolomics
- 임상시험
- Lipidomics
- Drug Repositioning
- 대사체분석
- 디지털헬스케어
- 약물 반응 예측
- Targeted Metabolomics
- Multi-omics
- 미래산업
- 팬데믹
- 제약
- Toxicometabolomics
- 약물분석
- 약물개발
- 치료제
- LC-MS
- Stability-indicating method
- 신약 개발
- 항암제
- 분석팀
- metabolomics
- 정밀의료
- lc-ms/ms
- AI
- 바이오마커
- 신약개발
- 대사체 분석
- 정량분석
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 |
