네트워크 약리학

네트워크 약리학: 약물과 질병을 시스템 수준에서 연결하다

네트워크 약리학의 개념, 분석 방법, 데이터 소스를 정리했다. 약물-타겟-질병 관계를 시스템 수준에서 이해하는 접근법.

·5 min read
#시스템생물학#network pharmacology#drug-disease network#systems pharmacology#bioinformatics

전통적인 약물 개발은 "하나의 약물, 하나의 타겟" 패러다임을 따랐다. 하지만 복잡한 질병, 특히 암이나 자가면역질환은 단일 타겟만 억제해서는 효과를 보기 어려운 경우가 많다. **네트워크 약리학(Network Pharmacology)**은 이 한계를 극복하기 위해 약물-타겟-질병 관계를 시스템 수준에서 분석하는 접근법이다.

기본 개념

Protein-protein interaction network visualization

Biological network analysis and data visualization

네트워크 약리학의 핵심 아이디어는 약물의 작용을 개별 분자가 아니라 **네트워크 교란(network perturbation)**으로 이해하는 것이다. 약물이 여러 타겟에 동시에 작용하고, 그 영향이 단백질 상호작용 네트워크를 통해 전파되면서 최종적인 약리 효과가 나타난다고 본다.

이를 위해 다음과 같은 네트워크들을 구축하고 통합한다:

  • 약물-타겟 네트워크: 약물과 그 직접 타겟 단백질의 관계

  • PPI 네트워크: 타겟 단백질과 다른 단백질 간의 상호작용

  • 질병-유전자 네트워크: 질병과 관련된 유전자들의 네트워크

  • 약물-질병 네트워크: 위 네트워크들을 통합해서 약물과 질병의 연결 관계를 도출

데이터 소스

네트워크 약리학 연구에 자주 쓰이는 데이터베이스:

  • DrugBank: 약물-타겟 상호작용의 최대 데이터베이스

  • STITCH: 화학물질-단백질 상호작용 데이터베이스

  • DisGeNET: 질병-유전자 연관 데이터베이스

  • TCMSP: 전통 약물(특히 한약) 성분의 약리학적 데이터

  • STRING: PPI 네트워크

분석 워크플로우

전형적인 네트워크 약리학 분석은 이런 순서로 진행된다:

  • 관심 약물(또는 천연물 성분)의 타겟 단백질을 수집한다.

  • 관심 질병의 관련 유전자를 수집한다.

  • 약물 타겟과 질병 유전자의 교집합을 구한다.

  • 교집합 유전자들의 PPI 네트워크를 구축한다.

  • 네트워크에서 핵심 타겟(hub gene)을 식별한다.

  • GO/KEGG 경로 분석으로 생물학적 기전을 추론한다.

  • 분자 도킹(molecular docking)으로 약물-타겟 결합을 검증한다.

한계와 전망

솔직히 말하면, 현재 네트워크 약리학 논문 중에는 위 워크플로우를 기계적으로 따라하기만 하는 경우가 많다. 데이터베이스에서 타겟을 뽑고, Venn diagram을 그리고, 네트워크를 그려서 hub gene을 찾고, enrichment 분석을 하면 끝. 이런 표면적인 분석을 넘어서려면, 실험적 검증과 연계하거나, 실제 환자 오믹스 데이터와 통합하는 노력이 필요하다.

그럼에도 네트워크 약리학은 다성분 약물이나 약물 조합의 작용 기전을 이해하는 데 유용한 프레임워크를 제공한다. 특히 한의학 연구에서 활발하게 활용되고 있고, 점차 정밀 의학과의 접점도 넓어지고 있다.

📚 참고 데이터베이스: PubMed | UniProt | Nature

관련 읽을거리