노틸러스 바이오테크놀러지 26년 3분기 어닝콜

감사합니다, 마리사. 오늘 함께해 주신 모든 분께도 감사드립니다. 지난 분기에는 단백질형에 자원을 집중하기로 한 의도적인 결정에 대해 설명드렸습니다. 이번 분기에는 단백질형이 무엇인지, 생명과학 분야에서 가장 중요한 기회 중 하나라고 믿는 이유는 무엇인지, 그리고 의미 있는 장기 성장의 기반을 어떻게 구축하고 있는지 말씀드리고자 합니다. 먼저 저희가 하는 모든 일을 이끄는 핵심 개념부터 말씀드리겠습니다. 저희는 기능 생물학을 측정 가능한 것으로 만들고 있습니다. 수십 년 동안 단백질체학은 주로 단백질이 얼마나 존재하는지를 알려주는 분야였습니다. 단백질의 양도 의미 있는 정보이지만, 그것이 전부는 아닙니다. 오늘날 대부분의 도구는 각 단백질 분자에 걸쳐 달라지는, 기능을 좌우하는 무수한 변형을 측정하는 데 필요한 분해능과 규모를 갖추지 못했습니다. 샷건 질량분석법은 단백질을 펩타이드로 분해한 뒤, 그 조각을 바탕으로 단백질을 추론합니다.

대부분의 친화성 분석법은 단백질의 단일 에피토프를 측정해 평균량을 추정합니다. 어느 방식이든 스플라이스 변이체와 절단 형태, 그리고 어떤 변형들이 같은 분자에 함께 존재하는지에 관한 정보가 사라지기 때문에 기능적으로 서로 다른 단백질 분자를 구분할 수 없습니다. 이는 인간 생물학의 복잡성이 우리가 가진 유전자 수에서 비롯되는 것이 아니기 때문에 중요합니다. 바나나를 생각해 보십시오. 바나나에는 단백질 암호화 유전자가 거의 4만 개 있습니다. 인간은 바나나보다 훨씬 복잡한 존재임이 분명합니다. 인간 게놈 프로젝트 초기에는 과학자들이 인간의 유전자가 10만 개를 훨씬 넘을 것으로 예상했습니다. 실제로 인간의 유전자는 약 2만 개에 불과하며, 바나나의 절반 수준입니다. 실제로 우리의 복잡성은 게놈 위에 있는 기능 생물학의 층위, 특히 각 단백질이 취할 수 있는 다양한 형태에서 비롯됩니다.

이 유전자들은 생명의 기계를 만드는 설명서에 불과합니다. 하나의 유전자에서 스플라이싱과 서열 변이, 단백질 생성 후 발생하는 다양한 변형을 거쳐 서로 다른 여러 단백질형이 만들어질 수 있습니다. 각 분자는 독립적인 기능 단위이며, 그 형태에 따라 어떤 기능을 하는지, 어떻게 신호를 보내는지, 무엇과 상호작용하는지, 세포 내 어느 위치에 자리하는지가 결정됩니다. 단백질이 취하는 구체적인 형태는 실제 기능과 이동 위치, 결합 대상, 활성화하는 경로, 그리고 궁극적으로 유발하는 표현형을 결정하는 경우가 많습니다. AKT1이 좋은 예입니다. AKT1은 암 신호전달의 핵심 스위치이며, 이 스위치의 활성화 여부는 동일한 분자에서 어떤 부위들이 함께 인산화되는지에 따라 달라집니다. 두 세포가 같은 양의 AKT1을 보유하더라도 신호전달 상태는 완전히 다를 수 있습니다. 타우도 또 다른 예입니다. 알츠하이머병에서는 타우가 얼마나 많이 존재하는지뿐 아니라 어떤 변형 형태가 축적되는지가 중요합니다.

지금까지 단백질형을 대규모로 측정할 수 없었기 때문에, 건강과 질병을 이해하는 데 이 중요한 정보를 활용하는 것은 불가능했습니다. 단백질형 수준의 분해능은 신약 개발과 정밀의료에 가치 있고 새로운 정보를 제공하며, 오늘날까지는 이를 대규모로 활용할 수 없었습니다. 이를 바꾸기 위해 보이저 플랫폼의 기반이 되는 방법인 반복 매핑을 개발했습니다. 이 방법은 대규모 병렬 배열에서 수백만 개에서 수십억 개에 이르는 온전한 단백질 분자를 하나씩 분석하므로, 분자를 분해하거나 평균값으로 처리하는 대신 각 분자의 기능 상태를 구분할 수 있습니다. 이러한 분자 수준의 분해능을 확보하면 완전히 새로운 종류의 생물학적 통찰을 얻을 수 있습니다.

당사는 어떤 기업도 당사 플랫폼이 제공하는 분해능과 규모를 구현할 수 없다고 믿습니다. 이것이 바로 기능 생물학을 측정 가능하게 만든다는 의미이며, 데이터가 더 많은 과학자에게 전달될수록 이 접근법의 가치가 더욱 분명해질 것이라고 믿습니다. 당사는 대규모 단백질형 분석이 생물의학 분야 인공지능의 핵심 기반이 될 것이라고 믿습니다. 업계에서는 차세대 인공지능 모델을 학습시키기 위한 대규모 데이터 세트를 구축하기 시작했습니다. 이러한 모델의 성능은 학습에 사용하는 데이터의 질에 달려 있습니다. 당사는 재현성이 높은 단백질형 데이터야말로 이들 모델이 기능 생물학을 학습하는 데 필요한 차별화된 데이터라고 믿습니다. 단백질형 연구개발 로드맵을 앞당기기 위해 관련 개발에 투입되는 인력과 자원을 사실상 세 배로 늘렸으며, 2028년 중반까지 단백질형 분석법 20개를 개발한다는 목표를 세웠습니다.

이 계획은 현재 추진 중이며, 앞으로 나아갈 방향에 확신을 주는 두 가지 요인이 있습니다. 첫 번째는 과학계에서 확인되는 높은 관심입니다. 두 번째는 당사가 로드맵을 실행할 수 있다는 증거입니다. 각각에 대해 말씀드리겠습니다. 과학계의 관심과 관련해 말씀드리면, 인간 단백질체 기구가 주최하는 세계적인 단백질체학 학술대회인 올해 휴포 세계학술대회에서는 단백질형이 매우 두드러진 주제였습니다. 학술대회를 다룬 케미컬 앤드 엔지니어링 뉴스의 한 기사 제목은 “단백질은 존재하지 않는다: 휴포 2026의 현장”이었습니다. 또한 당사는 단백질 분석 분야의 가장 앞선 기술을 개발하고 적용하는 연구실을 이끄는 저명한 연구자 세 명과 함께 패널 토론을 개최했습니다.

버크 노화연구소의 비르기트 실링, 스웨덴 왕립 공과대학교의 요헨 슈벵크, 취리히 연방공과대학교의 베른트 볼샤이트와 함께 “단백질형은 생물학에 대한 우리의 이해를 바꿀까요?”라는 주제로 이야기를 나눴습니다. 이분들의 견해를 몇 가지 공유하고자 합니다. 실링 박사는 간결하게 이렇게 말했습니다. “제 생각에 단백질형은 모든 곳에서 중요합니다. 이러한 단백질형은 기능에 영향을 미칩니다. 세포가 작동하게 하는 사실상 모든 것에 영향을 미칩니다.” 볼샤이트 박사도 이렇게 말했습니다. “저희는 다른 모든 사람과 마찬가지로 단백질은 없고 단백질형만 있다는 전제를 바탕으로 연구합니다. 그리고 개별 단백질형뿐 아니라 기능적으로 중요한 개별 단백질형 특이적 복합체도 규명할 기회가 있다고 생각합니다.” 고객이 무엇을 필요로 하는지 물으면, 고객은 한결같이 더 많은 단백질형, 더 다양한 샘플 유형, 더 많은 적용 분야를 원합니다. SEEDS 컨소시엄과의 파트너십 발표는 좋은 사례입니다.

SEEDS는 보건고등연구계획국, 즉 ARPA-H로부터 최대 5,170만 달러의 자금을 지원받습니다. 4년간 진행되는 프로그램에서 당사는 최대 600만 달러를 지원받아 보이저 플랫폼을 알츠하이머병의 타우와 유잉육종의 EWS-FLI1에 적용할 예정입니다. 이는 당사의 첫 소아암 연구입니다. 이 데이터는 현재 모델이 제대로 다루지 못하는 무질서 단백질을 대상으로 인공지능 모델을 학습시키는 데 도움이 될 것으로 예상됩니다. SEEDS 및 마이클 J. 폭스 재단과의 협력은 대규모 연구와 맞춤형 개발을 결합하는 더 큰 기회의 초기 사례입니다. 제약사와 더욱 긴밀히 협력하면서, 파트너사들이 당사 가격표에 있는 항목 외에도 자체 표적에 맞는 분석법 개발을 원할 것으로 예상합니다. 당사는 이러한 분석법을 개발하고 대규모 코호트 전반에 적용할 수 있도록 지원할 준비가 되어 있습니다. 이제 당사 계획에 대한 확신을 뒷받침하는 두 번째 이유, 즉 초기 실행 실적에 대해 말씀드리겠습니다.

휴포에서 AKT1, EGFR, P53을 표적으로 하는 종양학 분야 단백질형 분석법 세 가지의 초기 데이터를 공개했습니다. 결과를 이해하는 데 도움이 되도록 먼저 타우 사례를 다시 살펴보겠습니다. 당사는 세계에서 가장 재현성이 높고 상세한 단백질체학 데이터를 제공한다고 믿습니다. 버크 노화연구소 파트너들과 함께 내부적으로 수행한 연구에서 보이저 플랫폼은 변동계수(CV) 중앙값 5.5%를 기록했습니다. 이러한 재현성 덕분에 당사 데이터의 신뢰성과 확장성이 확보되고, 이를 기반으로 인공지능을 구축할 수 있습니다. 약 1년간 개발한 AKT1, EGFR, P53은 이미 가장 성숙한 분석법인 타우와 비슷한 성능을 보이고 있습니다. 타우 분석법 개발에는 약 5년이 걸렸습니다. CV 중앙값은 AKT1이 8.8%, EGFR이 3.6%, P53이 6.6%로, 모두 당사의 목표치인 10%를 크게 밑돌며 약 25%에 가까운 업계 통상 수준보다 훨씬 우수했습니다. 이는 놀라운 성과입니다.

이는 핵심 역량이 한 표적에서 다음 표적으로도 이어진다는 점을 보여주며, 세 가지 분석법은 물론 이후 개발할 분석법에 대해서도 자신감을 갖게 합니다. 올해 성과를 돌아보면, 저희는 많은 일을 해냈습니다. 얼리 액세스 프로그램을 시작하고 베일러 의과대학을 포함한 첫 얼리 액세스 고객을 확보했습니다. 마이클 J. 폭스 재단이 파킨슨병 진단을 위한 알파-시누클레인 프로테오폼 분석법 개발에 자금을 지원하고 있으며, 해당 연구는 순조롭게 진행되고 있습니다. 얼리 액세스 프로그램과 마이클 J. 폭스 재단 지원금에서 각각 첫 매출을 인식했습니다. 3분기에는 타우 프로테오폼 연구 결과가 《네이처 메서즈》에 게재되어 이터레이티브 매핑 방법의 동료 심사 검증을 받았으며, 같은 호에 뉴스 앤 뷰스 기사도 함께 실렸습니다.

위트레흐트대학교의 알베르트 헤크 교수는 뉴스 앤 뷰스 논평에서 이터레이티브 매핑이 타우 프로테오폼 분포를 분석하는 데 임상적으로도 활용할 수 있는 유용한 플랫폼이 될 수 있다고 썼습니다. 이를 통해 질병 아형의 진단과 분류를 지원하고, 치료 효과까지 평가할 가능성이 있다는 것입니다. 이 방법은 다른 단백질의 프로테오폼 분포를 측정하는 데에도 적용할 수 있습니다. 논문에서 분석한 소규모 코호트에서는 타우 프로테오폼 분석을 통해 알츠하이머병 환자와 인지 기능이 정상인 사람을 구분할 수 있었습니다. 가장 명확한 신호는 하나의 분자에 인산화가 최대 네 번 일어난 프로테오폼에서 나타났는데, 이러한 정보는 단일 부위 측정으로는 포착할 수 없습니다. 연초 이후의 성과를 마무리하자면, 종양학 분석법 세 가지를 개발 단계로 진행하고 첫 데이터를 공유했습니다. 시즈 참여 기업으로 선정됐으며, 올해 첫 베타 장비를 설치한다는 계획도 순조롭게 진행되고 있습니다.