Mapping the mammalian dark metabolome by in vivo isotope tracing

이 연구는 생체 내 동위원소 추적과 인공지능 모델을 결합하여 포유류 미지 대사물질의 생합성 기원을 규명하고, 노화 과정에서 감소하는 이소프레노이드 대사 경로를 포함한 새로운 대사 네트워크를 발견했습니다.

핵심

이 논문은 **"동물의 몸속에서 일어나는 화학 반응의 지도를 그리는 데 실패했던 어두운 영역을 밝혀낸 연구"**라고 할 수 있습니다.

기존에 과학자들은 인간과 쥐의 유전자는 해독했지만, 그 유전자가 만들어내는 **'대사물질 (Metabolome)'**의 전체 지도는 여전히 불완전한 상태였습니다. 마치 거대한 도시의 지도는 있는데, 건물 이름이 적힌 간판이 없는 어두운 골목길이 수천 개나 남아있는 것과 같습니다.

이 연구는 그 **어두운 골목길 (알 수 없는 물질들)**을 밝히기 위해 두 가지 혁신적인 방법을 사용했습니다.

1. 추적자 (Tracer) 를 이용한 '색깔 입히기' 실험

연구진은 쥐에게 **13C(탄소-13)**라는 무거운 동위원소로 표시된 영양소 (아미노산, 당, 지방 등) 26 가지를 먹였습니다.

• 비유: imagine(상상해 보세요) 쥐가 형광 페인트가 섞인 음식을 먹었다고 가정해 봅시다.
• 이 형광 페인트는 쥐의 몸속에서 소화되고, 다른 물질로 변하면서 **새로운 건물 (대사물질)**을 짓는 데 쓰입니다.
• 연구진은 몸속의 18 개 장기에서 이 형광 페인트가 어디에, 얼마나 섞여 있는지 정밀하게 측정했습니다.
• 결과: "아, 이 알 수 없는 물질은 '아미노산'이라는 재료 3 개와 '포도당'이라는 재료 2 개로 만들어졌구나!"라고 **재료 구성 (원산지)**을 파악할 수 있게 되었습니다.

2. 인공지능 (AI) 을 활용한 '형사 수사'

이제 연구진은 이 '재료 구성' 정보를 바탕으로 알 수 없는 물질의 **정체 (구조)**를 추리했습니다.

• Isopleth(아이슬로쓰) 라는 AI 모델: 이 AI 는 마치 형사처럼 작동합니다.
  • 기존에 알려진 수천 개의 물질에 대해 "어떤 재료가 어떻게 섞였을 때 어떤 모양이 되는지"를 학습했습니다.
  • 이제 알 수 없는 물질이 들어오면, AI 는 "이 물질은 형광 페인트 (동위원소) 패턴이 A 물질과 B 물질의 중간 형태네? 그럼 아마도 이 모양일 거야!"라고 가장 유력한 후보를 찾아냅니다.
• 성공: 이 AI 는 단순히 질량만 보고 추리하는 기존 방식보다 훨씬 정확하게 알 수 없는 물질의 구조를 찾아냈습니다.

3. 발견된 놀라운 사실들 (새로운 물질들)

이 방법을 통해 과학자들은 그동안 몰랐던 54 가지 이상의 새로운 물질을 찾아냈습니다. 마치 어두운 골목에서 새로운 가게들을 발견한 것과 같습니다.

• 새로운 가족들: 시스테인 (아미노산) 에서 유래된 새로운 고리 모양 물질, 타우린 (아미노산 유도체) 과 결합한 새로운 지방산들 등 기존에 동물 몸속에 이런 물질이 있다고 생각조차 하지 못했던 것들이 발견되었습니다.
• 노화와 관련된 비밀: 가장 중요한 발견 중 하나는 **'2,3-디하이드로파르네소산'**이라는 물질입니다.
  • 이 물질은 젊을 때는 많지만, 늙으면 급격히 사라집니다.
  • 원인을 파헤쳐 보니, 노화가 오면 몸속에서 **CoA(조효소 A)**라는 중요한 '에너지 전달자'를 만드는 과정이 고장 나기 때문이었습니다.
  • 이는 마치 노인이 되면 몸의 '전력 공급'이 불안정해져서 특정 기계가 멈추는 것과 같습니다.

4. 암과의 연관성

이렇게 새로 발견된 물질들 중 많은 수가 대장암이나 폐암 환자들에게서 비정상적으로 높게 나타났습니다. 이는 암이 이 새로운 대사 경로를 이용해 빠르게 자라난다는 신호일 수 있어, 향후 암 치료의 새로운 표적이 될 가능성이 있습니다.

요약

이 논문은 **"형광 페인트로 음식을 먹인 쥐를 관찰하고, 인공지능을 이용해 그 페인트가 섞인 패턴을 분석함으로써, 그동안 어둠 속에 숨겨져 있던 수천 가지의 몸속 화학 물질을 찾아내고 그 정체와 역할 (특히 노화와 암) 을 밝혀냈다"**는 내용입니다.

이는 단순히 물질을 찾는 것을 넘어, 노화가 왜 일어나는지, 암이 어떻게 자라는지에 대한 새로운 통찰을 제공하며, 앞으로의 의학 발전에 중요한 지도를 그려준 연구입니다.

기술 요약

이 논문은 포유류 대사체 (metabolome) 의 '어두운 부분 (dark metabolome)', 즉 기존 대사 경로 지도에 매핑되지 않고 정체가 불분명한 수천 개의 대사산물을 체계적으로 규명하기 위한 연구입니다. 저자들은 생체 내 (in vivo) 동위원소 추적 기술과 다중 모달 (multimodal) 인공지능 모델을 결합하여 미확인 대사산물의 생합성 기원을 추론하고 구조를 규명하는 새로운 프레임워크를 제시했습니다.

다음은 이 논문의 기술적 요약입니다.

1. 연구 배경 및 문제 제기 (Problem)

• 지식 공백: 인간과 마우스 게놈 시퀀싱이 완료된 지 20 년이 지났음에도 불구하고, 포유류 대사체의 완전한 지도는 여전히 부재합니다.
• 검출된 신호의 정체 불명: 질량분석법 (Mass Spectrometry, MS) 기반 대사체학 연구에서는 조직에서 수천 개의 피크가 검출되지만, 이 중 상당수는 알려진 대사산물과 매칭되지 않습니다. 기존 연구들은 이를 '대사체학의 암흑 물질 (dark matter)'로 간주해 왔습니다.
• 기존 방법의 한계: 현재까지 미확인 대사산물의 구조 규명은 주로 Tandem Mass Spectrometry (MS/MS) 스펙트럼 해석에 의존해 왔으나, 이 방법만으로는 대규모의 미확인 대사산물을 신속하게 규명하는 데 한계가 있었습니다.

2. 방법론 (Methodology)

가. 체계적인 생체 내 동위원소 추적 (Systematic In Vivo Isotope Tracing)

• 실험 설계: 26 가지 서로 다른 동위원소 표지 영양소 ($^{13}$C-트레이서, 아미노산, 당, 지방산, 비타민 등) 를 마우스에 투여했습니다.
• 데이터 수집: 18 개 조직과 생체액에서 순환 및 조직 내 대사산물의 라벨링 패턴을 LC-MS 를 통해 측정했습니다. 총 1,024 개의 샘플을 분석하여 8,277 개의 피크를 검출하고, 이 중 4,506 개를 잠재적 대사산물로 선별했습니다.
• 통계적 프레임워크 개발: 수천 개의 피크에서 각 트레이서로부터 몇 개의 탄소 원자가 흡수되었는지를 통계적으로 추론하기 위해, 모든 조직과 트레이서 데이터를 동시에 모델링하는 통계적 프레임워크를 개발했습니다. 이를 통해 각 미확인 대사산물에 대한 생합성 전구체 (biosynthetic precursor) 와 탄소 흡수 수를 확률적으로 판별했습니다.

나. 생합성 인식 구조 규명 AI 모델 (Isopleth)

• 모델 개발: 동위원소 라벨링 패턴과 화학 구조를 연결하기 위해 'Isopleth'라는 다중 모달 대비 학습 (multimodal contrastive learning) 모델을 개발했습니다.
• 작동 원리: 이 모델은 알려진 대사산물의 구조와 라벨링 패턴을 학습하여 공유 임베딩 공간 (shared embedding space) 에 매핑합니다. 미확인 피크의 라벨링 패턴이 주어지면, 이 패턴과 가장 유사한 화학 구조 후보들을 순위 매겨 제시합니다.
• 후보 구조 생성: 구조 탐색 공간을 넓히기 위해 기존 데이터베이스에 없는 대사산물 유사 구조를 제안하는 언어 모델인 'DeepMet'을 활용했습니다.

다. 실험적 검증

• AI 모델이 제안한 구조 후보들 중 상위 후보들을 화학적으로 합성하여, 마우스 조직 시료의 체류 시간 (retention time) 과 MS/MS 스펙트럼과 비교함으로써 구조를 최종 확인했습니다.

3. 주요 결과 (Key Results)

가. 미확인 대사산물 군의 발견

• 연구는 수천 개의 미확인 대사산물 중 3,476 개 (77.9%) 에 대해 최소 하나의 유의미한 라벨링 사건을 확인했습니다.
• 이를 통해 이전에 알려지지 않았던 여러 대사산물 군을 발견하고 구조를 규명했습니다:
  • 시스테인 유래 알킬티아졸린 (Cysteine-derived alkylthiazolidines): 알데하이드와 시스테인의 축합으로 생성된 5 고리 화합물.
  • 디티아세탈 머캅투릭 산 유도체 (Dithioacetal mercapturic acid derivatives): 미생물 천연물에는 존재하지만 포유류에서는 처음 발견된 기능기.
  • 짧은 사슬 N-아실타우린 (Short-chain N-acyltaurines) 및 아실글리실타우린 (Acylglycyltaurines).
  • N-산화 타우린 (N-oxidized taurines): 아질산기 (-NO) 나 니트로기 (-NO$_2$) 를 가진 타우린 유도체.
  • 메발론산 유래 이소프레노이드: **2,3-디하이드로파르네소산 (2,3-dihydrofarnesoic acid)**을 포함하는 새로운 대사산물 군.

나. 노화와 관련된 대사 변화 규명

• 노화 관련 고갈: 2,3-디하이드로파르네소산과 S-메틸티오메틸 머캅투릭 산은 마우스와 인간 모두에서 노화에 따라 현저히 감소하는 것으로 확인되었습니다.
• 기전 규명: 이 감소는 콜레스테롤 합성 경로가 아닌, 코엔자임 A (CoA) 합성의 결함에 기인함이 밝혀졌습니다. 노화 시 비타민 B5 (판토텐산) 는 증가하지만, 이를 인산화하여 CoA 로 전환하는 후속 단계가 손상되어 CoA 및 아세틸-CoA 합성이 저하되고, 결과적으로 메발론산 유래 대사산물의 생성이 줄어드는 것으로 확인되었습니다.

다. 보편성과 질병 연관성

• 발견된 대사산물들은 마우스뿐만 아니라 인간을 포함한 다양한 포유류에서 보존되어 있음이 확인되었습니다.
• 대장암 및 폐암 조직에서 여러 새로운 대사산물 (예: 시스테인 유래 티아졸린, 아실아미노산 타우린 등) 이 과발현되는 것이 관찰되어 암 대사 연구에 새로운 표적을 제시했습니다.

4. 의의 및 기여 (Significance)

• 대사체학의 새로운 패러다임: MS/MS 스펙트럼만으로는 해결하기 어렵던 구조 규명 문제에, 생합성 경로 정보 (동위원소 추적) 를 AI 모델에 통합함으로써 성공적인 해결책을 제시했습니다.
• 대사체 지도의 확장: 포유류 대사체의 '어두운 부분'을 밝히는 데 성공하여, 시스테인, 타우린, 메발론산 등 잘 알려진 전구체로부터 생성되는 완전히 새로운 대사 경로와 기능기를 발견했습니다.
• 노화 및 질병 연구의 통찰: 노화 과정에서 CoA 합성 장애가 발생하며, 이로 인해 특정 이소프레노이드 대사산물이 고갈된다는 새로운 생물학적 통찰을 제공했습니다. 이는 노화 관련 대사 질환의 기전을 이해하고 치료 전략을 수립하는 데 중요한 단서가 됩니다.
• AI 와 실험의 융합: 'Isopleth'와 같은 AI 모델이 실험적 데이터와 결합될 때, 미확인 화합물의 구조 규명 속도와 정확도를 획기적으로 높일 수 있음을 입증했습니다.

이 연구는 체계적인 동위원소 추적과 최신 AI 기술을 결합하여 포유류 대사체의 미지 영역을 체계적으로 매핑하고, 노화와 질병의 새로운 생물학적 표적을 발견한 획기적인 업적입니다.