Age-associated increases in inter-individual gene expression variability across human tissues

이 연구는 GTEx 데이터를 활용해 노화 과정에서 유전자 발현의 평균적 변화뿐만 아니라 개체 간 발현 변동성 (DVG) 이 증가하며, 이는 무작위적이지 않고 유전자 조절 네트워크 구조에 의해 형성된다는 점을 규명하고 노화 연구용 참조 유전자를 제시했습니다.

핵심

🎵 1. 기존 연구 vs. 새로운 발견: "합창단"과 "혼란스러운 소리"

기존의 생각 (DEG: Differentially Expressed Genes)
과거 과학자들은 노화를 볼 때 마치 합창단을 생각했습니다. "노인이 되면 노래 소리가 점점 작아지거나 (유전자 발현 감소), 커진다 (유전자 발현 증가)"는 식으로, 평균적인 변화만 보았습니다.

이 연구의 발견 (DVG: Differentially Variable Genes)
하지만 이 연구는 새로운 질문을 던집니다. "노인이 되면 합창단원들이 모두 같은 소리를 내는지, 아니면 각자 제멋대로 소리를 내는지?"

• 젊은 시절: 합창단원들이 모두 똑같은 멜로디를 정확히 따라 부릅니다. (유전자 발현이 안정적)
• 노년기: 지휘자의 지시에 따라 일부는 소리가 작아지지만, 다른 일부는 제멋대로 소리를 높이고 낮춥니다. 즉, 사람마다, 세포마다 소리가 들쑥날쑥해집니다.

이 연구는 바로 이 **'들쑥날쑥함 (변동성)'**이 노화의 핵심 특징 중 하나임을 발견했습니다.

📊 2. 'Gene Stability Score (GSS)': 유전자의 '안정성 점수'

연구진은 30 가지 장기와 거의 1,000 명의 데이터를 분석하며 **'유전자 안정성 점수 (GSS)'**라는 새로운 측정 도구를 만들었습니다.

• 높은 점수: 유전자가 어떤 상황에서도 일정한 소리를 내는 '착한 학생' (예: TBP, PUM1, TMEM199).
• 낮은 점수: 상황마다 소리가 들쑥날쑥한 '활발한 학생'.

이 점수를 통해 연구진은 노화와 성별에 따라 유전자의 변동성이 약 15% 정도 증가한다는 사실을 밝혀냈습니다. 특히 **나이가 들면서 생기는 변동성만 해도 전체 변화의 7.7%**를 차지할 만큼 무시할 수 없는 크기였습니다.

🌊 3. 두 가지 노화 모드: "함께 움직이는 물결"과 "혼란스러운 파도"

노화는 두 가지 방식으로 일어납니다.

1. 조율된 변화 (DEG): 몸 전체가 "이제 늙었으니 에너지 생산을 줄이자"라고 함께 결정하고 움직이는 것. (예: 세포 청소 기능 저하)
2. 무작위적인 혼란 (DVG): 몸의 각 세포들이 제멋대로 행동하며 혼란을 일으키는 것. (예: 신호 전달 시스템이 사람마다 다르게 작동)

비유:

• 조율된 변화: 교향악단 전체가 악보를 바꿔서 느린 곡을 연주하는 것.
• 무작위 혼란: 악기마다 리듬이 맞지 않고, 어떤 사람은 소리를 너무 크게, 어떤 사람은 너무 작게 내는 것.

이 연구는 노화가 단순히 '기능 저하'뿐만 아니라, 세포들 사이의 '소통 불일치'와 '무작위성'이 커지는 과정임을 보여줍니다.

🕸️ 4. 그물망 (네트워크) 의 역할: 왜 특정 유전자만 불안정할까?

왜 모든 유전자가 다 들쑥날쑥한 게 아닐까요? 연구진은 **유전자들 사이의 연결망 (네트워크)**을 분석했습니다.

• 비유: 유전자들은 거미줄처럼 서로 연결되어 있습니다.
• 발견: 어떤 유전자가 불안정해지면, 그 옆에 연결된 유전자들도 함께 불안정해지는 경향이 있었습니다. 마치 거미줄의 한 부분이 흔들리면 주변도 함께 흔들리는 것처럼요.
• 의미: 노화로 인한 무작위적인 손상 (DNA 손상 등) 이 특정 연결망 구조를 타고 퍼지면서, 전체적인 유전자 발현이 불안정해진다는 것입니다.

🧠 5. 세포 안의 소음: "뇌세포는 소음이 심해지는데, 근육은?"

이 연구는 **개체 간의 차이 (사람 A 와 사람 B 의 차이)**뿐만 아니라, **한 사람 안의 세포 간 차이 (세포 A 와 세포 B 의 차이)**도 분석했습니다.

• 뇌 (특히 신경세포): 나이가 들수록 세포들끼리 소리를 내는 방식이 매우 혼란스러워졌습니다. (소음 증가)
• 근육: 뇌만큼 극심하지는 않았지만, 불안정한 유전자들 사이에서는 소음이 커졌습니다.
• 흥미로운 점: DNA 수리 유전자들은 나이가 들어도 매우 안정적으로 작동했습니다. 마치 혼란스러운 파티에서도 항상 자리를 지키는 '진지한 경비원'처럼요.

🛠️ 6. 실용적인 조언: "참고 유전자"를 고르세요

이 연구는 과학자들에게 아주 실용적인 선물도 주었습니다.
나이가 들면서 유전자를 연구할 때, 기준이 되는 **'참고 유전자 (Reference Gene)'**를 고르는 것이 매우 중요합니다. (예: ACTB, GAPDH 같은 기존에 쓰이던 유전자들은 나이가 들면 오히려 들쑥날쑥해질 수 있습니다.)

연구진은 TBP, PUM1, TMEM199 같은 유전자들이 나이가 들어도 가장 안정적임을 발견했습니다. 이제 노화 연구를 할 때는 이 유전자들을 기준으로 삼아 더 정확한 실험을 할 수 있게 되었습니다.

---

💡 요약: 이 연구가 우리에게 주는 메시지

1. 노화는 '변화'뿐만 아니라 '혼란'입니다. 유전자의 양이 변하는 것도 중요하지만, 사람마다, 세포마다 발현이 들쑥날쑥해지는 것이 노화의 핵심입니다.
2. 우리는 모두 다르게 늙습니다. 유전자가 동일해도, 나이가 들면서 각자의 몸이 어떻게 반응하는지 (변동성) 는 사람마다 다릅니다.
3. 연결망이 중요합니다. 유전자들은 고립되어 있지 않고 그물망으로 연결되어 있어, 한 부분의 혼란이 전체로 퍼집니다.
4. 정확한 측정이 가능합니다. 이제 나이가 들어도 변하지 않는 '안정된 유전자'들을 찾아내어, 노화 연구를 더 정확하게 할 수 있습니다.

결론적으로, 노화는 단순히 시스템이 고장 나는 것이 아니라, 시스템 전체가 점점 더 '들쑥날쑥'하고 '무작위적'으로 변해가는 과정이라는 새로운 통찰을 제공합니다.

기술 요약

이 논문은 노화 과정에서 발생하는 전사체 (transcriptome) 의 변화를 기존에 주로 연구되어 온 '발현량 변화 (Differentially Expressed Genes, DEGs)'뿐만 아니라, 개체 간 발현 변동성 (Differentially Variable Genes, DVGs) 의 관점에서 분석한 연구입니다. GTEx(Genotype-Tissue Expression) 프로젝트의 대규모 데이터를 활용하여 인간 조직에서의 노화 관련 유전자 발현 불안정성을 규명했습니다.

주요 내용은 다음과 같습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 기존 연구의 한계: 노화 관련 전사체 연구는 주로 평균 발현량이 변하는 유전자 (DEGs) 에 집중해 왔습니다. 그러나 노화는 유전체 및 후성유전체 불안정성으로 인해 유전자 발현의 '변동성 (variability)'이 증가하는 과정일 수 있습니다.
• 불일치하는 단일세포 연구: 단일세포 RNA 시퀀싱 (scRNA-seq) 연구들은 노화에 따른 전사체 변동성 증가에 대해 일관된 결론을 내리지 못하고 있습니다. 이는 단일세포 데이터의 높은 기술적 노이즈 (technical noise) 로 인해 생물학적 변동성이 가려지기 때문일 수 있습니다.
• 연구 목표: bulk RNA-seq 데이터에서 개체 간 발현 변동성이 노화와 어떻게 연관되는지 규명하고, 이를 정량화할 수 있는 새로운 지표 개발 및 생물학적 의미 해석이 필요했습니다.

2. 방법론 (Methodology)

• 데이터 소스: GTEx 프로젝트의 약 1,000 명의 개인에 대한 30 가지 조직의 bulk RNA-seq 데이터와 8 가지 조직의 공개된 scRNA-seq 데이터를 활용했습니다.
• 유전자 안정성 점수 (Gene Stability Score, GSS) 개발:
  • 기존 RT-qPCR 실험에서 참조 유전자를 찾기 위해 개발된 알고리즘 (GeNorm, Normfinder) 과 변동계수 (CV) 를 통합하여 새로운 지표인 GSS 를 개발했습니다.
  • RNA-seq 데이터의 CPM 값을 'pseudo-Ct' 값으로 변환하여 GeNorm 과 Normfinder 를 적용할 수 있도록 조정했습니다.
  • 세 가지 측정치 (GeNorm, Normfinder, CV) 의 주성분 분석 (PCA) 을 통해 첫 번째 주성분 (PC1) 을 조직 특이적 GSS (tsGSS) 및 전체적 GSS (gGSS) 로 정의했습니다.
• DEG 및 DVG 식별:
  • DESeq2 를 사용하여 연령 및 성별에 따른 발현량 변화 (DEGs) 를 식별했습니다.
  • Levene's 검정 및 Spearman 상관관계를 통해 연령에 따른 발현 변동성 변화 (DVGs) 를 식별했습니다.
• 다변량 회귀 분석: gGSS 의 분산을 설명하는 데 DEGs 와 DVGs (연령 및 성별 관련) 가 각각 기여하는 정도를 정량화했습니다.
• 유전자 조절 네트워크 (GRN) 분석: TRRUST 데이터베이스를 활용하여 유전자와 그 이웃 유전자 간의 안정성 유사성을 평가하는 '안정성 유사성 점수 (Stability Similarity Score)'를 계산했습니다.
• 단일세포 데이터 검증: scRNA-seq 데이터를 통해 개체 간 변동성 (inter-individual) 과 세포 간 변동성 (intra-individual/transcriptional noise) 간의 상관관계를 분석했습니다.

3. 주요 결과 (Key Results)

• 노화 관련 변동성의 규모:
  • 동일 조직 내 개체 간 발현 변동성의 약 **15%**는 연령 및 성별 관련 DVGs 에 의해 설명되며, 이 중 **연령 관련 DVGs 만이 약 7.7%**를 차지했습니다. 이는 평균 발현량 변화 (DEGs) 만으로는 설명되지 않는 상당한 변동성이 존재함을 의미합니다.
• DEGs 와 DVGs 의 생물학적 경로 차이:
  • DEGs: 단백질 항상성, 세포 조직화, RNA 처리 등 핵심 세포 유지 관리 과정과 관련된 경로에서 우세했습니다. 이는 노화 과정에서 조화롭게 변화하는 프로그램임을 시사합니다.
  • DVGs: 칼시뉴린-NFAT 신호 전달, 아밀로이드 베타 제거, 세포사멸 조절 등 신호 전달 및 항상성 관련 경로에서 우세했습니다. 이는 노화 과정에서 이러한 과정들이 개체 간에 더 큰 불규칙성 (stochasticity) 을 보임을 의미합니다.
• 유전자 조절 네트워크 (GRN) 의 역할:
  • DVGs 는 주변 네트워크 유전자들과 유사한 안정성 프로필을 보이는 경향이 강했습니다 (국소적 네트워크 구조에 의해 변동성이 형성됨).
  • 반면, DEGs 는 주변 네트워크와 안정성 프로필이 더 이질적이었습니다.
  • DVGs 는 특정 생물학적 경로에 대한 풍부화 (enrichment) 가 적었으나, 이는 개별 유전자의 확률적 사건이 네트워크를 통해 전파되는 결과일 수 있음을 시사합니다.
• 개체 간 및 세포 간 변동성의 상관관계:
  • GTEx 데이터에서 계산된 gGSS 와 scRNA-seq 데이터에서 측정된 전사체 노이즈 (transcriptional noise) 사이에 유의미한 음의 상관관계가 있었습니다.
  • 특히 뇌 조직에서 노화에 따른 전사체 노이즈 증가가 모든 안정성 범주에서 관찰되었으며, 이는 개체 간 변동성과 세포 간 변동성이 공통된 기전 (예: 유전체/후성유전체 불안정성 축적) 에 의해 driven 됨을 시사합니다.
  • SP1 그룹: SP1 전사 인자에 의해 조절되는 안정적 유전자 네트워크는 노화에도 불구하고 매우 안정적이었으며, DNA 손상 수리 경로와 밀접하게 연관되어 있었습니다.
• 참조 유전자 (Reference Genes) 식별:
  • 기존에 널리 사용되던 ACTB, GAPDH 등은 연령에 따라 안정성이 떨어질 수 있음을 발견했습니다.
  • 대신 TBP, PUM1, TMEM199가 인간 노화 연구에서 가장 적합한 내부 참조 유전자로 제안되었습니다.

4. 의의 및 기여 (Significance)

• 노화 메커니즘의 새로운 관점: 노화가 단순히 유전자 발현량의 조화로운 변화 (DEGs) 만이 아니라, 유전체 불안정성으로 인한 무작위적 변동성 (DVGs) 의 증가를 동반한다는 두 가지 상보적인 모드 (coordinated program vs. stochastic heterogeneity) 를 제시했습니다.
• 기술적 혁신: bulk RNA-seq 데이터에서 개체 간 변동성을 정량화할 수 있는 새로운 지표 (GSS) 를 개발하고, 이를 통해 노화 연구의 새로운 지평을 열었습니다.
• 실용적 가치: 노화 연구에 적합한 새로운 참조 유전자 (TBP, PUM1, TMEM199) 를 제시하여 향후 RT-qPCR 실험의 정확도를 높이는 데 기여합니다.
• 생물학적 통찰: 유전자 조절 네트워크의 구조가 노화 과정에서의 전사체 불안정성을 어떻게 형성하고 전파하는지에 대한 통찰을 제공했습니다.

이 연구는 노화 생물학 분야에서 '변동성 (variability)'이 단순한 노이즈가 아니라, 노화의 핵심적인 생물학적 특징임을 입증하고, 이를 정량화하고 해석하는 방법론을 제시했다는 점에서 중요한 의의를 가집니다.