Plasma proteomics reveals clinical and mechanistic heterogeneity among individuals who develop coronary artery disease

기술 요약: 혈장 단백체학을 통한 관상동맥질환 발생 개인 간의 임상적 및 기전적 이질성 규명

문제 제로 (Problem Statement)
관상동맥질환(CAD)이 발생하는 개인들은 상당한 임상적 및 기전적 이질성을 보이며, 이는 정밀한 위험 계층화와 맞춤형 중재법 개발을 어렵게 만든다. 유전 연구가 위험 로커스(risk loci)를 식별하고 임상적 표현형 그룹화(phenogrouping)가 하위 유형을 정의해 왔으나, 이러한 이질성의 층위들을 연결하는 분자적 기전은 여전히 불분명하다. 기존의 접근 방식은 이산적인(discrete) 임상 클러스터나 유전 점수에 의존하는 경우가 많으며, 이는 질병을 유발하는 역동적이고 중간 단계적인 생물학적 과정을 완전히 포착하지 못할 수 있다. 따라서 분자적 변이를 임상적 표현형과 연결하여 위험 예측을 개선하고 병태생리를 규명할 수 있는 생물학적 근거를 갖춘 프레임워크가 필요하다.

방법론 (Methodology)
본 연구는 42,803명의 UK Biobank 참여자 데이터를 활용하였으며, 여기에는 베이스라인 혈장 단백질 측정 후 10년 이내에 CAD가 발생한 3,713명이 포함되었다. 독립적인 검증 세트로써 EPIC-Norfolk 연구의 발생 CAD 사례 233명으로 구성된 이차 코호트를 사용하였다.

1. 단백질 선택: Olink Explore 3072 플랫폼을 통해 측정된 2,923개의 베이스라인 단백질로부터, 저자들은 LASSO 회귀를 사용하여 발생 CAD와 연관된 320개의 단백질 패널을 식별하였다. 이 패널은 기존의 임상 위험 점수(QRISK3, Pooled Cohort Equations, PREVENT)를 넘어선 예측력을 보여주었다.
2. 차원 축소: 저자들은 320개의 CAD 관련 단백질에 DDRTree 알고리즘(Monocle2 패키지)을 적용하였다. 이 역그래프 임베딩(reverse graph embedding) 기술은 고차원 단백질 데이터를 두 개의 연속적인 잠재 차원(Dimension 1 및 Dimension 2)으로 축소하여, 개인들을 2차원 단백질 공간에 매핑하였다.
3. 표현형 및 임상 연관성: 연구진은 이 두 단백질 차원을 9가지 베이스라인 임상 변수(예: BMI, HbA1c, 크레아티닌, 지질)와 상관 분석하였으며, 329개 질환에 대한 표현형-전장 연관 연구(PheWAS)를 수행하여 향후 질병 발생과의 연관성을 평가하였다.
4. 예측 모델링: Cox 비례 위험 모델을 사용하여 임상 변수에 단백질 차원을 추가했을 때 10년 질병 발생 예측에 미치는 증분 가치를 평가하였다. 성능은 Harrell's C-index와 범주 자유 순위 개선도(category-free NRI)로 측정되었다.
5. 기전 분석: Reactome 경로 풍부도 분석(pathway enrichment analyses)을 수행하였다. 또한, 방향성 경로 대조 분석(directional pathway contrast analysis)을 통해 Dimension 1과 Dimension 2를 구동하는 특정 생물학적 경로를 비교하였다.
6. 검증 및 민감도 분석: 연구 결과는 EPIC-Norfolk 코호트에서 재현되었다. 민감도 분석에는 단백질 차원이 독립적인 생물학적 신호를 유지하는지 확인하기 위해 임상 변수를 회귀 제거하는 과정과, 기왕 CAD 사례를 투영하여 대사 부담 축적을 평가하는 과정이 포함되었다.

주요 결과 (Key Results)

• 단백질 이질성: 분석 결과, 발생 CAD 사례들은 단일한 집단이 아니라 두 개의 연속적인 단백질 기울기를 따라 분포되어 있음이 드러났다. 이 차원들은 PCA나 UMAP과 같은 이산적 클러스터링 방법이 효과적으로 해결하지 못한 구조적 이질성을 포착한다.
• 임상 상관관계:
  • 두 차원 모두 부정적인 대사 지표(BMI, 체지방률, HbA1c, 중성지방, ALT)와 양의 상관관계를 보였고, HDL과는 음의 상관관계를 보였다.
  • Dimension 1은 신장 신호(renal signal)를 독자적으로 포착하였으며, 크레아티닌 및 Cystatin C와 양의 상관관계를, 신장 용적과는 음의 상관관계를 보였다.
  • Dimension 2는 Dimension 1에서 관찰된 뚜렷한 신장 징후 없이 주로 대사적 변이에 의해 구동되었다.
• 예측 효용성: 9가지 임상 변수를 기반으로 한 모델에 두 단백질 차원을 추가했을 때, 여러 질환에 대한 10년 발생 예측력이 유의미하게 향상되었다. Harrell's C-index의 중앙값 증가량은 0.020이었으며, 중앙값 NRI는 0.245였다. 특히, 만성 신장병(CKD) 및 신부전 예측이 크게 개선되었으며, Dimension 1은 CKD 발생 및 eGFR의 종단적 감소 속도와 강한 연관성을 보였다.
• 분자적 기전: 경로 풍부도 분석은 대사-혈액 응고(metabolic-hemostatic) 경로, 면역 신호 전달, 세포외 기질 조직의 조화된 과정을 식별하였다.
  • Dimension 2는 대사 및 혈액 응고 경로(예: 혈장 리포단백 재구성, 혈소판 탈과립)에 우선적으로 풍부하였다.
  • Dimension 1은 신장 연관성과 더불어 면역 신호 전달 경로(예: 사이토카인 신호 전달)에 더 강한 풍부도를 보였다.
  • 각 차원의 상위 기여 단백질들은 최소한의 중복(단 하나의 단백질, CDH3만 공유)을 보였으며, 이는 서로 구별되는 분자적 동력을 시사한다.
• 질병 궤적: 기왕 CAD 환자(샘플링 전 진단됨)들은 두 차원 모두 높은 값을 갖는 단백질 공간 영역, 특히 대사적으로 불리한 영역에 현저히 밀집되어 있었다. 이는 이 차원들이 누적된 대사 부담과 질병 중증도를 포착하고 있음을 시사한다.
• 강건성: 단백질 차원은 9가지 임상 변수를 회귀 제거한 후에도 유의미한 질병 연관성과 해석 가능한 생물학적 축(신장 및 면역 대사)을 유지하였으며, 이는 이들이 표준 임상 표현형을 넘어서는 정보를 포착하고 있음을 나타낸다. 상위 20개 단백질의 일부만으로도 원래의 시그니처를 재현하기에 충분했다.

의의 및 주장 (Significance and Claims)
본 논문은 혈장 단백질 시그니처가 관상동맥질환 발생 개인의 이질성을 연속적인 표현형 기울기로 해부할 수 있으며, 임상적 양상과 기저의 생물학적 기전 사이의 간극을 효과적으로 메울 수 있다고 주장한다. 저자들은 다음과 같이 단언한다:

1. 생물학적 근거: 이러한 단백질 차원은 임상 변수만을 통해 도출된 이산적 클러스터 라벨보다 임상적으로 유의미한 이질성을 더 잘 특징짓는 생물학적 근거가 되는 도구를 제공한다.
2. 증분 가치: 이 차원들은 기존의 임상 위험 요인 및 유전 점수를 넘어서는 CAD 및 동반 질환(특히 CKD 및 심부전)에 대한 예측 가치를 제공한다.
3. 기전적 통찰: 본 연구는 서로 구별되면서도 중첩되는 생물학적 모듈(대사-혈액 응고 vs 면역-신장)에 따라 분자적 프로그램을 매핑함으로써, CAD 위험이 분리 가능한, 그러나 겹쳐져 있는 생물학적 모듈에 의해 구동됨을 시사한다.
4. 임상적 전환: 이러한 결과는 소수의 단백질 패널(최소 20개)이 위험 계층화를 정밀화하고 질병 궤적을 이해하기 위한 비용 효율적이고 해석 가능한 도구로서 기능할 수 있다는 가능성을 뒷받침한다.

저자들은 UK Biobank 코호트의 주된 유럽 혈통 문제, 단일 시점의 단백질 측정 특성, 그리고 교차 플랫폼 검증의 필요성을 언급하며 일반화 가능성에 대해 신중한 어조를 유지하였다. 이들은 본 연구를 향후 기전을 규명하고 위험 계층화를 개선하기 위한 기초적인 개념 증명(proof-of-concept) 작업으로 제시한다.