CRISPR가 암세포만 골라 '갈가리 찢는다' — 약으로도 못 잡던 암까지 노린다

암을 '약'이 아니라 '가위'로 잡는다고요?

암 치료라고 하면 보통 항암제나 방사선, 아니면 요즘 자주 들리는 면역항암제 정도를 떠올리잖아요. 그런데 노벨상을 받은 유전자 가위 기술 CRISPR로 유명한 미국 혁신유전체학연구소(Innovative Genomics Institute, 제니퍼 다우드나가 이끄는 곳이에요)에서 좀 색다른 접근법을 내놨거든요. 암세포만 콕 집어서 사실상 '갈가리 찢어버리는' 방식인데요, 특히 지금까지 약으로는 도무지 손쓸 방법이 없던, 이른바 '약으로 못 잡는(undruggable)' 암까지 노린다는 게 핵심이에요.

왜 지금 이게 중요하냐면, 기존 항암제는 대부분 '암세포에만 있는 단백질의 특정 홈(pocket)에 약 분자가 쏙 끼워지는' 방식으로 작동하거든요. 그런데 어떤 암은 그 홈 자체가 없거나 모양이 미끄러워서 약을 끼울 데가 없어요. 그런 암을 'undruggable'이라고 부르는 거죠. 이번 기술은 단백질의 모양에 기대지 않고 유전 정보(서열) 자체를 표적으로 삼기 때문에, 이 한계를 비켜갈 가능성을 보여준 거예요.

어떻게 암세포만 골라서 죽일까

CRISPR가 뭐냐면, 세포 안에서 특정 DNA나 RNA 염기서열을 정확히 찾아내 자르는 '분자 가위' 같은 거예요. 안내자 역할을 하는 가이드 RNA가 '이 서열로 가줘'라고 주소를 알려주면, Cas라는 단백질 가위가 그 자리를 찾아가는 구조죠.

이번 접근법에서 흥미로운 건 Cas13 계열이 가진 독특한 성질이에요. 이게 뭐냐면, 목표한 RNA를 찾아서 달라붙는 순간 거기서 얌전히 멈추는 게 아니라, 주변에 있는 다른 RNA들까지 마구잡이로 썰어대기 시작하거든요. 이걸 '연쇄 절단(collateral cleavage)'이라고 불러요. 세포 입장에서는 살림 밑천인 RNA가 죄다 찢겨 나가니까 결국 버티지 못하고 죽는 거죠. '찢는다(shred)'는 표현이 괜히 나온 게 아니에요.

핵심은 방아쇠를 당기는 표적 서열을 암세포에만 있는 것으로 고른다는 점이에요. 암세포는 정상 세포와 달리 특정 돌연변이 서열이나, 두 유전자가 잘못 이어진 융합 유전자, 혹은 비정상적으로 많이 만들어지는 RNA를 갖고 있는 경우가 많거든요. 가이드 RNA를 바로 그 '암세포만의 표식'에 맞춰두면, 정상 세포에서는 방아쇠가 안 당겨지고 암세포에서만 연쇄 절단이 터져요. 그러니까 정상 세포는 멀쩡하고 암세포만 자폭하듯 무너지는 그림인 거죠.

다만 솔직하게 짚고 가면, 아직 넘어야 할 산이 커요. 모든 유전자 치료가 그렇듯 전달(delivery) 이 가장 어려운 숙제예요. 이 가위 시스템을 몸속 수많은 세포 중에서 정확히 종양 부위로 보내는 것, 지질 나노입자나 바이러스 운반체에 실어 안전하게 도달시키는 것이 실제 치료제가 되려면 풀려야 하거든요. 표적을 잘못 잡으면 정상 세포까지 다칠 위험도 늘 따라다니고요.

다른 차세대 암 치료와 비교하면

요즘 암 치료의 큰 흐름은 '몸의 무언가를 프로그래밍해서 암을 잡는다'예요. 대표적인 게 CAR-T인데요, 이건 환자의 면역세포(T세포)를 꺼내 유전자를 조작해서 '이 암 표식을 보면 공격해'라고 훈련시킨 뒤 다시 몸에 넣는 방식이에요. 효과는 강력하지만 맞춤 제작이라 비용이 엄청나고 대상 암종도 제한적이죠. 또 이미 승인된 CRISPR 치료제로는 유전성 혈액질환을 겨냥한 카스게비(Casgevy)가 있어서, 'CRISPR가 실험실 이야기가 아니라 진짜 약이 되는 시대'가 열렸다는 것도 맥락으로 알아두면 좋아요.

이번 연쇄 절단 방식은 그 흐름 안에서, '단백질이 아니라 서열을 표적으로 삼아 undruggable 영역을 노린다'는 점에서 자기 자리를 잡은 거예요. 항체-약물 결합체(ADC)처럼 정밀 타격을 노리는 다른 기술들과도 결이 비슷한데, 표적의 종류가 단백질에서 핵산으로 넓어졌다는 게 차별점이죠.

한국 개발자에게 주는 시사점

바이오 얘기라 소프트웨어 개발자랑 멀어 보이지만, 사실 접점이 점점 늘고 있어요. 어떤 서열을 표적으로 삼을지, 정상 세포와 겹치지 않게 가이드 RNA를 어떻게 설계할지는 결국 방대한 유전체 데이터를 다루는 계산 문제거든요. 오프타깃(엉뚱한 곳을 자르는 것)을 예측하는 모델, 서열 정렬, 그리고 표적 후보를 추리는 머신러닝까지, 바이오인포매틱스와 AI가 깊숙이 들어가 있어요. 신약 개발에 AI를 붙이는 회사가 늘어나는 흐름과도 맞닿아 있고요.

당장 실무에 쓸 기술은 아니지만, '생물학이 점점 데이터·계산 문제로 바뀌고 있다'는 큰 그림을 잡아두면, 나중에 헬스케어나 바이오 도메인으로 커리어를 넓힐 때 큰 자산이 될 거예요.