포유동물 대사공학 가속화하는 '샷건 유전공학(SGE)' 기법 제시

합성생물학에서는 여러 전사단위(TU)를 조합해 대사경로를 구축하는 전략이 미생물 숙주에서는 널리 활용돼 산업용 생산균주 개발 등에 성공을 거뒀지만, 포유동물 세포에서는 세포 분열 속도가 느려 설계-제작-시험(DBT) 반복이 비효율적이라는 한계가 있었다. 기존 모듈형 조합 전략인 CLASSIC 등은 약 10kb 크기, 2~3개 TU 수준의 조합만 효율적으로 전달할 수 있어 복잡한 합성 경로를 대규모로 탐색하기 어려웠고, DNA 크기가 커질수록 세포 내 전달 효율이 급격히 떨어지는 문제도 있었다. 계산 기반 스크리닝 모델 역시 자연진화 유래 관찰 데이터에 기반해 학습되기 때문에 이종 유전자나 완전 합성 서열을 도입하는 생성적 설계에는 적합하지 않다는 한계가 지적됐다. 이에 연구진은 이러한 제약을 해결하기 위해 '샷건 유전공학(shotgun genetic engineering, SGE)'이라는 다중화 접근법을 제안했다. SGE는 바코드가 부착된 개별 TU를 높은 감염다중도(MOI)로 세포에 전달함으로써 각 세포가 서로 다른 경로 조합을 갖도록 만들고, 원하는 표현형을 나타내는 세포를 선별한 뒤 시퀀싱을 통해 어떤 TU 조합이 해당 기능을 구현했는지 역추적하는 방식으로 작동한다. 이를 통해 프로모터, 오픈리딩서열, 단백질 국소화 신호, 발현 수준 및 화학양론 등 다양한 설계 변수의 조합을 병렬적으로 대규모 탐색할 수 있다고 설명했다. 연구진은 이 방식이 복잡한 대사경로 솔루션을 빠르게 발굴하는 동시에, 머신러닝 기반 예측·설계 모델 훈련에 활용할 수 있는 대규모 합성 대사 섭동 데이터셋을 생성하는 데에도 활용될 수 있다고 밝혔다. 다만 본문에서는 SGE의 개념적 틀과 기존 기법 대비 차별점이 제시됐으며, 구체적인 실험 결과나 수치는 후속 섹션에서 다뤄질 것으로 보인다.

포유동물 세포는 분열 속도가 느려 기존 설계-제작-시험 반복 방식이 비효율적
기존 모듈형 조합 전략은 약 10kb, 2~3개 전사단위 수준에서만 효율적 전달 가능
SGE는 바코드 부착 전사단위를 고MOI로 전달해 세포별 고유 경로 조합 생성
선별 후 시퀀싱을 통해 원하는 기능을 구현한 TU 조합을 역추적하는 방식
합성 대사 섭동 데이터셋은 예측·설계용 머신러닝 모델 훈련에 활용 가능

BioPulse 해설

원문에 없는 배경 설명입니다 · AI 작성 · 기사의 사실관계가 아닙니다

대사공학: 세포 내 대사 경로를 유전적으로 조작해 원하는 물질 생산이나 세포 특성을 바꾸는 기술이다.
멀티플렉싱: 여러 유전자나 표적을 동시에 다루어 한 번에 다수의 변화를 유도하는 실험 방식이다.
포유동물 세포주: 항체·단백질 의약품 생산 등에 널리 쓰이는, 사람이나 동물 유래의 배양 가능한 세포 집단이다.
샷건 접근법: 표적을 미리 좁히지 않고 다수의 유전자 변이를 무작위로 도입해 원하는 형질을 찾아내는 방법이다.

포유동물 세포는 복잡한 단백질 의약품이나 세포 치료제를 생산하는 핵심 플랫폼으로 쓰이지만, 미생물에 비해 유전자 편집과 대사 경로 최적화가 어렵다는 한계가 있다. 기존에는 특정 유전자를 하나씩 바꾸는 방식이 주로 사용됐으나, 세포 생산성이나 품질을 좌우하는 요인이 여러 유전자에 걸쳐 있는 경우가 많아 한계가 지적돼 왔다. 이에 다수의 유전자를 동시에 조작하고 그 결과를 대규모로 평가하는 방법론이 바이오 생산 공정 개선의 대안으로 논의되고 있다.

Why it matters세포 기반 생산 효율을 높이는 유전공학 기법은 바이오의약품의 생산성과 품질을 좌우하는 핵심 기술로, 공정 경쟁력에 직결된다.

원문을 확인하세요

BioPulse는 원문을 저장하거나 전재하지 않습니다. 위 글은 공개된 보도를 요약한 것이며, 수치·일정·인용은 요약 과정에서 빠지거나 달라질 수 있습니다. 판단이 필요한 사안은 반드시 원문에서 확인하세요.

Nature Biotechnology 원문 보기

원문 보도의 저작권은 Nature Biotechnology에 있습니다.