NAMs와 Binding kinetics: in vivo 예측 전략

NAMs 시대, Binding kinetics가 in vivo 효능을 결정하는 이유

NAMs란 무엇이고, 왜 지금 신약개발에서 주목받는가

글로벌 규제 기관들은 의약품 개발 시 NAMs (New Approach Methodologies) 도입을 권장합니다. NAMs는 단순한 동물대체시험을 넘어섭니다. in silico, in chemico, in vitro, 미세생리시스템(MPS)을 포괄하는 넓은 개념입니다. 이는 인간 생물학을 중심에 두는 인간 모사 데이터 생성 전략입니다. 종간 차이로 인한 임상 실패율을 줄입니다. 전임상 단계의 불확실성을 최소화하는 데 핵심적인 역할을 수행합니다.

KD만으로 부족한 이유, 결합 속도와 해리 속도의 의미

전통적인 신약 스크리닝은 타깃 단백질과의 친화도(KD)를 낮추는 데 집중했습니다. 하지만 KD는 반응이 평형에 도달했을 때의 결과일 뿐입니다. 그 과정의 동적인 변화를 설명하지 못합니다. 실제 생체 내에서 약물은 평형 상태에 머물지 않습니다. 혈류를 따라 끊임없이 씻겨 내려가고 대사되며 농도가 변합니다.

이러한 동적 환경에서는 타깃에 얼마나 빨리 붙는지(kon)와 얼마나 오랫동안 머무르는지(koff)가 더욱 중요합니다. 약물이 타깃과 결합해 있는 시간을 의미하는 레지던스 타임(Residence time)은 약효의 지속성과 밀접한 연관이 있습니다. 동일한 KD 값을 가지더라도, 체내에서는 완전히 다른 생물학적 프로파일을 나타낼 수 있습니다.

PK/PD 관점에서 본 표적 점유율 데이터의 생리학적 해석

Binding kinetics가 체내 효능을 예측하는 순간과 한계

in vivo 효능은 결합력이라는 단일 요소만으로 결정되지 않습니다. 약물의 조직 투과성, 분포, 대사, 면역원성, 타깃 발현 밀도 등 다요인에 의해 결정됩니다. 그럼에도 Kinetics 데이터가 in vivo 예측력을 높이는 이유가 있습니다. 약물의 표적 점유율(Target occupancy)을 시간에 따라 계산할 수 있게 해주기 때문입니다. 용량-반응 곡선 역시 노출 시간과 체류 시간의 복합적인 결과물로 해석할 때 더 정확한 예측이 가능합니다.

PK/PD 약동학 약력학과 결합 동역학의 맞물림

PK/PD에서 약동학(PK)은 약물이 표적 조직에 도달하여 유지되는 농도와 시간의 흐름을 보여줍니다. 약력학(PD)은 약물이 타깃을 점유한 후 발생하는 생물학적 반응을 보여줍니다. Binding kinetics는 이 PK와 PD 사이를 연결하는 생화학적 브릿지입니다.

조직 내 약물 농도(PK)가 떨어지더라도, koff가 느려 체류 시간이 긴 약물은 타깃 점유를 유지합니다. 이를 통해 지속적인 약효(PD)를 낼 수 있습니다. 최근에는 이러한 데이터를 PBPK(생리학적 기반 약동학) 모델링과 결합하여 기전 기반 약효 해석으로 발전시키고 있습니다.

2D 세포 결합에서 3D 오가노이드까지: 진화하는 분석 모델

재조합 단백질을 넘어 살아있는 세포 결합 분석으로

재조합 단백질을 이용한 SPR 분석은 순수한 분자 상호작용 파악에 탁월합니다. 하지만 표면 고정으로 인해 아비디티(Avidity) 효과가 발생할 수 있습니다. 반면, 살아있는 세포 기반 결합 분석은 자연스러운 3차원 배열과 세포막 역동성이 반영된 데이터를 제공합니다.

이러한 동적 결합 원리를 실무에 적용하여, 타깃과 약물이 어떻게 상호작용하는지 실시간 데이터를 통해 확인하실 수 있습니다. SPR 분석 서비스 자료 확인하기

3D 스페로이드와 오가노이드가 바꾸는 신약개발 데이터 해석

3D 배양 모델은 세포 단위 검증을 조직 단위로 확장합니다. 3D 모델과 실제 in vivo 조직에서는 약물이 겹겹이 쌓인 세포층을 뚫고 들어가야 하는 확산 제한(Diffusion limitation)이 작용합니다.

이 데이터는 조직 깊숙한 곳까지 약물이 도달하는 침투성과 세포 이질성을 반영합니다. 체내 효능을 가장 가깝게 모사하는 NAMs로 평가받습니다. 세포 수준의 결합력을 정량적으로 분석하는 방법은 신뢰도 높은 데이터를 얻는 데 중요합니다. Protein-Cell Binding Affinity KD 분석법 자료 살펴보기

분석 모델	결합 환경 특징	주요 장점
SPR 분석 (단백질)	칩 표면에 정제 타깃 고정	고해상도 동역학 산출
Cell-based (2D)	단층 배양 세포막 환경	자연스러운 수용체 발현
3D 오가노이드	3차원 미세조직 환경	조직 침투성 및 이질성 반영

신약개발 실무자를 위한 동물대체시험 상관성 확보 전략

결합 데이터 연결을 위한 4단계 해석 프레임워크

성공적인 매핑을 위해서는 단계적 프레임워크가 필요합니다.

• 1단계: 타깃 발현 수준 검증 (생체 및 모델 내 수용체 밀도 확인)
• 2단계: 다층적 NAMs 모델에서 Kinetics 측정 (SPR에서 3D로 확장)
• 3단계: PK 노출과 점유율 모델링 (농도 변화와 koff 대입)
• 4단계: 교차 검증 (효능이나 바이오마커 변화와 일치 여부 평가)

결론: in vivo 예측을 위한 정교한 설명의 도구

Binding kinetics 데이터가 체내 환경의 모든 변수를 즉각 대체할 수는 없습니다. 하지만 인간 유래 3D 오가노이드 등 NAMs와 결합된 데이터는, 기존의 한계를 극복하고 효능과 PK/PD 결과를 정교하게 설명합니다. 타깃 환경에 맞는 최적의 결합 속도론을 가진 약물을 디자인하는 전략이 필수적입니다.

자주 묻는 질문 (FAQ)

핵심 용어 정리 (Glossary)

• NAMs (New Approach Methodologies): 동물 실험을 대체하거나 줄이기 위해 고안된 새로운 접근법입니다. 인실리코, 시험관 내 분석 등을 포함합니다.
• Binding kinetics (결합 속도론): 분자가 서로 얼마나 빠르게 결합(kon)하고 해리(koff)되는지를 시간에 따라 분석하는 학문입니다.
• Residence time (레지던스 타임): 약물이 타깃 수용체에 결합하여 머무르는 평균 시간입니다. 약효의 지속성을 평가하는 지표입니다.

연관 토론 주제

• 3D 오가노이드 모델 내 약물 확산 제한(Diffusion limitation) 현상이 Kinetics 분석에 미치는 영향
• 수용체 내재화(Internalization) 속도와 약물의 표적 점유율 유지 간의 상관관계
• PBPK 모델링에 세포 기반 Binding kinetics 데이터를 통합할 때 발생하는 불확실성 감소 방안

주요 참고문헌

• Copeland, R. A. (2016). The drug-target residence time model: a 10-year retrospective. Nature Reviews Drug Discovery, 15(2), 87-95.
• Vauquelin, G., & Charlton, S. J. (2010). Long-lasting target binding and rebinding as mechanisms to prolong in vivo drug action. British Journal of Pharmacology, 161(3), 488-508.
• Marx, U., et al. (2020). Biology-inspired microphysiological system approaches to solve the prediction dilemma of substance testing. ALTEX-Alternatives to animal experimentation, 37(3), 365-394.