Multimodal Ageing Biomarkers and Plasma Proteomic Signatures Associated with All-Cause Mortality

본 연구는 로디언 출생 코호트 1936 데이터를 활용하여 간, 면역, 심장 등 장기별 프로테오믹 노화 지표와 그립힘, 뇌 용적, GrimAge2 등 기존 다중 모달 노화 지표 간의 사망률 예측력을 체계적으로 비교 평가하고, GDF15 등 202 개의 혈장 단백질이 사망 위험과 밀접하게 연관됨을 규명했습니다.

핵심

이 연구는 **"우리가 늙어가는 속도를 재는 새로운 자와, 우리 몸의 '숨겨진 경고등'을 찾아낸 이야기"**라고 할 수 있습니다.

기존에 우리가 "나이가 몇 살이니"라고 말할 때는 태어난 해를 기준으로 했지만, 이 연구는 **"생물학적 나이"**를 측정하는 다양한 방법들을 비교하고, 어떤 것이 실제로 "얼마나 오래 살 수 있는지"를 더 잘 예측하는지 알아냈습니다.

이 복잡한 과학 논문을 일상적인 언어와 비유로 쉽게 설명해 드릴게요.

---

1. 연구의 배경: "몸의 시계"를 여러 개 만들어보다

우리의 몸은 마치 거대한 공장과 같습니다. 공장에는 심장, 간, 뇌, 폐 등 여러 중요한 기계들이 돌아가고 있죠. 과학자들은 이 공장들이 얼마나 빨리 낡아가는지 (노화) 측정하기 위해 다양한 '시계'를 만들었습니다.

• 기존의 시계들:

  • 손톱/머리카락 길이 (텔로미어): 세포가 몇 번 분열했는지 재는 자. 하지만 이 자는 사망 위험을 예측하는 데는 정확도가 낮았습니다.
  • 운동 능력 (걷기 속도, 악력): "걸음이 느리면 건강이 안 좋겠지"라는 직관적인 방법. 하지만 이 방법만으로는 몸속에서 무슨 일이 일어나는지 알 수 없습니다.
  • 뇌 MRI: 뇌가 얼마나 쪼그라들었는지 보는 X-ray. 매우 정확하지만 비싸고 번거롭습니다.
  • 유전자 시계 (GrimAge2): DNA 의 화학적 변화를 통해 생물학적 나이를 계산하는 최신 기술.

• 새로운 시계 (이 연구의 주인공):

  • 장기별 단백질 시계: 최근 과학자들은 혈액 속에 떠다니는 단백질을 분석해서, 뇌, 심장, 간, 면역 체계 등 11 개 주요 장기가 각각 몇 살인지 따로따로 계산하는 기술을 개발했습니다. 마치 공장의 각 기계마다 따로 시계를 달아놓은 것과 같습니다.

2. 연구 방법: 861 명의 노인들을 17 년간 지켜보다

스코틀랜드의 1936 년생 노인 861 명을 대상으로, 그들이 가진 다양한 '시계' 데이터 (혈액, 뇌 MRI, 걷기 속도, 인지 능력 등) 를 측정했습니다. 그리고 그 후 최대 17 년 동안 이분들이 생존했는지, 혹은 사망했는지를 추적했습니다.

그리고 **"어떤 시계가 사망 위험을 가장 정확하게 예측했을까?"**를 비교했습니다.

3. 주요 발견 1: "장기별 시계"는 좋지만, "전체 시계"가 더 강력했다

결과적으로, 간, 면역 체계, 심장이 빨리 늙을수록 사망 위험이 높아지는 것은 맞았습니다. 하지만 놀라운 점은 다음과 같았습니다.

• 비유: "공장 기계 하나하나의 노후도 (장기별 시계) 를 재는 것도 중요하지만, 공장 전체의 안전 상태 (전체 시계) 를 보는 것이 더 정확하다는 것."
• 결론:
  • 가장 강력한 예측자: GrimAge2 (유전자 시계), 뇌 MRI (뇌의 크기), 호흡 기능, **인지 능력 (기억력/사고력)**이 장기별 시계보다 사망 위험을 더 잘 예측했습니다.
  • 중요한 통찰: 장기별 시계는 뇌 MRI 나 걷기 속도, 기억력 같은 다른 지표들과 겹치는 부분이 많았습니다. 즉, "장기가 빨리 늙었다"는 것은 결국 "뇌가 작아지거나, 걷기가 느려지거나, 기억력이 떨어지는 것"과 연결되어 있었다는 뜻입니다.
  • 가장 독립적인 지표: 모든 요소를 다 고려해도 뇌의 크기 (총 뇌 용적), 백질 과다 (뇌의 손상), 기억력, 걸음 속도만이 사망과 가장 강력하게 남았습니다.

4. 주요 발견 2: 혈액 속의 "비밀 요원" 202 명을 찾아내다

연구진은 혈액 속 8,699 가지 단백질을 모두 분석하여 사망과 관련된 '비밀 요원'들을 찾아냈습니다.

• 가장 위험한 신호 (경고등):
  • GDF15, CST3, COL18A1 같은 단백질들이 혈액에 많을수록 사망 위험이 크게 증가했습니다.
  • 비유: 이 단백질들은 마치 **"공장 화재 경보"**나 **"부식 신호"**와 같습니다. 특히 GDF15는 스트레스나 염증, 감염이 생겼을 때 몸이 내는 "도와주세요!" 신호로, 이 신호가 너무 강하면 위험하다는 뜻입니다.
• 가장 안전한 신호 (방패):
  • HPGDS, NPS 같은 단백질들은 반대로, 이 단백질들이 많을수록 오래 살 확률이 높았습니다. 이는 염증을 진정시키거나 면역 체계를 보호하는 '방패' 역할을 합니다.
• 어디서 왔을까?
  • 이 단백질들은 주로 **간 (Liver)**과 면역 체계에서 많이 만들어졌습니다. 즉, 간 건강과 면역력이 장수 (오래 사는 것) 의 핵심 열쇠라는 것을 다시 한번 확인시켜 주었습니다.

5. 결론: 우리에게 주는 교훈

이 연구는 우리에게 다음과 같은 메시지를 줍니다.

1. 장기별 노화도 중요하지만, '전체적인 건강 상태'가 더 중요하다: 간이나 심장이 빨리 늙는 것도 문제지만, 결국 뇌 건강, 걷는 속도, 기억력이 종합적으로 떨어질 때 사망 위험이 가장 크게 증가합니다.
2. 혈액 검사로 미래를 읽을 수 있다: 앞으로는 혈액 속의 특정 단백질 (GDF15 등) 수치를 보면, 우리 몸의 염증과 노화 상태를 미리 파악하고 예방할 수 있을 것입니다.
3. 간과 면역이 핵심: 우리 몸의 '공장' 중에서도 간과 면역 시스템을 잘 관리하는 것이 장수의 비결일 수 있습니다.

한 줄 요약:

"우리의 몸은 11 개의 장기로 이루어진 거대한 공장입니다. 이 연구는 공장 기계 하나하나의 노후도도 중요하지만, **공장 전체의 안전 상태 (뇌, 걷기, 기억력)**를 보는 것이 사망 위험을 예측하는 데 더 정확하며, 혈액 속의 **특정 단백질 (경고등)**을 통해 간과 면역 체계의 상태를 미리 체크할 수 있음을 증명했습니다."

기술 요약

논문 개요

이 연구는 다중 모달 (Multimodal) 노화 바이오마커와 **혈장 프로테오믹스 (Plasma Proteomics)**를 활용하여 전인구 사망률 (All-cause mortality) 을 예측하는 능력을 체계적으로 비교 평가하고, 새로운 사망률 관련 단백질 서명을 규명하는 것을 목적으로 합니다. 특히, 최근 개발된 **11 개 장기별 프로테오믹 노화 시계 (Proteomic Organ Ages)**가 기존에 확립된 노화 바이오마커 (후성유전학적 시계, 뇌 영상, 인지 기능, 신체 기능 등) 에 비해 사망률 예측에 얼마나 유용한지 벤치마킹했습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 노화 바이오마커의 다양성: DNA 메틸화 (후성유전학), 텔로미어 길이, 뇌 영상, 신체 기능, 프로테오믹스 등 다양한 노화 바이오마커가 개발되었으나, 각 모달리티의 상대적 예측 능력과 상호 보완적/경쟁적 관계에 대한 체계적인 비교 연구는 부족했습니다.
• 장기별 노화 시계의 한계: Oh et al. (2023) 이 개발한 11 개 장기 (뇌, 심장, 간, 신장 등) 의 프로테오믹 노화 시계는 사망률과 연관성이 보고되었으나, 다른 강력한 바이오마커들과 동일한 코호트 내에서 직접 비교된 바가 없었습니다.
• 임상적 필요성: 사망률 위험 계층화를 위해 어떤 바이오마커가 가장 정보량이 많으며, 장기별 노화 시계가 기존 바이오마커에 비해 추가적인 예측 가치를 제공하는지 확인이 필요했습니다.

2. 연구 방법론 (Methodology)

• 연구 대상: 스코틀랜드 로시안 출생 코호트 1936 (LBC1936) 의 Wave 2 데이터 (평균 연령 72.5 세, N=861 명).
• 추적 기간: 최대 17.4 년 (평균 10.0 년), 사망자 444 명.
• 비교 대상 바이오마커 (Multimodal Biomarkers):
  • 프로테오믹 장기 노화: 11 개 장기 (지방, 동맥, 뇌, 심장, 면역, 장, 신장, 간, 폐, 근육, 췌장) 의 프로테오믹 노화 간격 (Age Gaps).
  • 후성유전학적 시계: GrimAge2 가속도 (GrimAge2 acceleration).
  • 신체 기능: 걷기 시간, 악력, 폐기능 (FEV, FVC, FER).
  • 인지 기능: 일반 인지 능력 (g factor).
  • 뇌 영상: 총 뇌 용적 (TBV), 회백질 용적 (GMV), 백질 고신호 (WMH) 용적, MRI 기반 뇌 노화.
  • 기타: 텔로미어 길이.
• 프로테오믹스 분석: SomaScan 11K 어레이를 사용하여 8,699 개의 고유한 혈장 단백질을 측정.
• 통계 분석:
  • 생존 분석 (Cox Proportional Hazards Models): 각 바이오마커와 사망률 간의 연관성을 평가 (단일 변수 및 다변량 모델).
  • 다변량 모델: 모든 바이오마커를 동시에 포함하여 독립적인 예측 인자 식별 (공선성 문제 해결을 위해 FEV/FER, TBV/GMV 중 하나씩 제외).
  • 고차원 데이터 처리: 탄성 그물 (Elastic Net) 패널티가 적용된 Cox 회귀를 사용하여 8,699 개 단백질 중 사망률 예측에 중요한 서브셋 도출.
  • 기능적 풍부화 분석: 사망률과 연관된 단백질들의 생물학적 과정 (GO) 및 조직 특이성 (GTEx) 분석.

3. 주요 결과 (Key Results)

A. 프로테오믹 장기 노화 vs. 기타 바이오마커 비교

• 단일 바이오마커 모델: 모든 노화 바이오마커가 사망률과 유의미하게 연관되었습니다.
  • 가장 강력한 연관성: GrimAge2 가속도 (HR=1.62), 총 뇌 용적 감소 (HR=1.52), 회백질 용적 감소 (HR=1.44), 폐기능 저하, 인지 기능 저하 순으로 높은 위험비 (Hazard Ratio) 를 보였습니다.
  • 프로테오믹 장기 노화: 간 (HR=1.43), 면역 (HR=1.42), 심장 (HR=1.38) 의 가속화된 노화가 가장 강한 연관성을 보였으나, GrimAge2 나 뇌 영상 지표보다는 위험비가 낮았습니다.
• 다변량 모델 (모든 바이오마커 동시 포함):
  • 독립적 예측 인자: 총 뇌 용적 (TBV), 백질 고신호 (WMH) 용적, 일반 인지 능력 (g), 걷기 시간 (Walk time) 만이 사망률과 독립적으로 유의미하게 연관되었습니다.
  • 장기 노화 시계의 한계: 다변량 모델에서 프로테오믹 장기 노화 지표들은 통계적 유의성을 잃었습니다. 이는 장기 노화 신호가 뇌 구조, 인지, 신체 기능과 같은 핵심 지표들에 의해 매개되거나 혼란 (confounded) 될 가능성이 높음을 시사합니다.

B. 혈장 프로테오믹 서명 및 새로운 바이오마커 발굴

• 단백질 - 사망률 연관성:
  • 보정 모델 (연령, 성, 신장 기능, 생활 습관 포함) 에서 202 개의 단백질이 사망률과 유의미하게 연관되었습니다.
  • 가장 강력한 위험 인자 (양성 연관): GDF15 (HR=1.53), CST3 (HR=1.48), COL18A1 (HR=1.47).
  • 가장 강력한 보호 인자 (음성 연관): HPGDS, NPS, BAGE3 (수치 감소 시 사망률 증가).
• 탄성 그물 (Elastic Net) 모델: 8,699 개 단백질을 동시에 분석하여 37 개의 단백질을 최종 예측 인자로 선정했습니다. GDF15, NPPB, WFDC2 등이 주요 예측 인자로 작용했습니다.
• 생물학적 및 조직 풍부화 분석:
  • 생물학적 과정: 면역 반응 (항균 체액성 반응, 화학주성 등) 과 세포외 기질 (ECM) 조직화가 가장 두드러지게 풍부화되었습니다.
  • 조직 특이성: **간 (Liver)**에서 발현된 단백질들이 가장 유의하게 풍부화되었습니다.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 체계적인 벤치마킹: 다양한 모달리티의 노화 바이오마커를 동일한 코호트에서 직접 비교하여, 뇌 영상 (TBV, WMH), 인지 기능 (g), 신체 기능 (걷기 시간), 그리고 GrimAge2가 프로테오믹 장기 노화 시계보다 사망률 예측에 더 강력하고 독립적인 지표임을 입증했습니다.
2. 장기 노화 시계의 한계 규명: 장기별 노화 시계가 개별적으로는 유의미하지만, 다른 핵심 생리학적 지표들과 함께 분석될 때 독립적인 예측력을 상실함을 보여줌으로써, 장기 노화 시계가 기존 지표들의 하위 집합이거나 매개된 신호일 수 있음을 시사했습니다.
3. 새로운 단백질 바이오마커 발견: GDF15, CST3, COL18A1 등 사망률과 강력하게 연관된 새로운 단백질 후보군을 발굴하고, 이들이 면역 기능과 세포외 기질 (ECM) 노화/섬유화와 밀접한 관련이 있음을 규명했습니다.
4. 노화 메커니즘 통찰: ECM 조직화 및 면역 관련 과정이 노화 및 사망률에 미치는 핵심적인 역할을 강조하여, 향후 노화 개입 (Intervention) 연구의 표적 발굴에 기여합니다.

5. 결론

이 연구는 프로테오믹 장기 노화 시계가 유용한 지표이지만, 현재로서는 뇌 구조, 인지, 신체 기능 및 GrimAge2 와 같은 기존 다중 모달 바이오마커에 비해 사망률 예측의 독립적 가치가 낮음을 보여줍니다. 반면, 대규모 프로테오믹스 분석을 통해 **면역 및 ECM 관련 단백질들 (특히 GDF15, CST3)**이 노화 및 사망률의 핵심 생물학적 기전을 반영하는 강력한 바이오마커임을 확인했습니다. 향후 이러한 단백질 서명은 노화 관련 질환의 위험 계층화 및 치료 표적 개발에 중요한 역할을 할 것으로 기대됩니다.