📄 geriatric medicine

A generator-matrix causal-inference framework separates measurable aging biomarkers from mortality-driving latent dynamics in humans

이 연구는 생성 행렬 인과 추론 프레임워크를 활용하여, 인간 사망률 가속화의 대다수가 현재 측정 가능한 생체 지표에는 거의 보이지 않으며 수명에 인과적 영향을 미치지 않고 세포 재프로그래밍에도 저항성을 보이는 잠재적 역학에 의해 유발된다는 점을 입증한다.

원저자: Tanigawa, M., Iwaki, T.

게시일 2026-07-09

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Tanigawa, M., Iwaki, T.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

핵심 질문: 우리는 불을 측정하고 있는가, 아니면 연기를 측정하고 있는가?

어떤 방에 들어갔는데 온도계가 105°F(약 40.5°C)를 가리키고 있다고 상상해 보세요. 당신은 그 사람이 열이 난다는 것을 압니다. 하지만 여기서 까다로운 점이 있습니다. 온도계가 열을 일으키는 것일까요, 아니면 단순히 열을 반영하고 있는 것일까요? 만약 당신이 온도를 낮추기 위해 온도계를 얼음물에 넣는다고 해서, 그 사람의 열이 사라지지는 않을 것입니다.

지난 10년 동안 과학자들은 우리가 생물학적으로 얼마나 늙었는지 알려주기 위해 "노화 시계"를 만들고 혈액 지표(혈액 속의 단백질 등)를 측정해 왔습니다. 그동안의 큰 가정은 이것이었습니다. 만약 우리가 이 지표들을 측정할 수 있다면, 그것들이 노화와 죽음을 일으키는 실제 엔진(원인)임이 틀림없다.

이 논문은 어려운 질문을 던집니다. 이 지표들이 엔진(사인의 원인)인가, 아니면 그저 대시보드의 경고등(결과)인가?

저자들은 세 가지 다른 도구를 사용하여 미스터리를 풀 듯, 이 질문을 테스트하기 위한 컴퓨터 프레임워크를 구축했습니다.

도구 1: "보이지 않는 엔진" 테스트

비유: 자동차가 절벽(죽음)을 향해 달리고 있다고 상상해 보세요. 당신은 자동차가 나이가 들면서 속도계(혈액 생체 지표)가 올라가는 것을 볼 수 있습니다. 하지만 속도계가 자동차를 더 빨리 달리게 만드는 것일까요, 아니면 우리가 볼 수 없는 보닛 아래에 숨겨진 엔진이 있는 것일까요?

그들이 한 일:
그들은 23,000명 이상의 데이터를 바탕으로 거대한 수학적 모델("생성 행렬")을 사용했습니다. 그들은 죽음을 자동차가 결국 맞닥뜨리게 될 최종 정착지로 간주했습니다. 그리고 왜 나이가 들수록 그 정착지에 부딪힐 위험이 그렇게 빠르게 증가하는지를 설명하려고 노력했습니다.

결과:
그들은 우리가 실제로 측정할 수 있는 혈액 지표들(염증이나 신장 기능 등)이 노화에 따라 사망 위험이 높아지는 이유를 단 8% 정도만 설명한다는 것을 발견했습니다.
나머지 **92%**는 "잠재적인(latent)" 힘에 의해 구동됩니다. 이는 마치 속도계는 거의 움직이지 않는데, 자동차는 우리가 혈액에서 볼 수 없는 거대하고 보이지 않는 엔진 때문에 절벽을 향해 질주하고 있는 것과 같습니다.

도구 2: "유전적 탐정" 테스트

비유: 특정 종류의 비가 홍수를 일으키는지 알고 싶다고 상상해 보세요. 단순히 비가 오기를 기다릴 수는 없습니다. 구름을 살펴봐야 합니다. 유전학에서는 사람들이 특정 단백질을 더 높거나 낮게 갖도록 만드는 자연적인 "구름"(DNA 변이)을 살펴봅니다. 만약 단백질이 홍수(죽음)를 유발한다면, "높은 단백질" 구름을 가진 사람들은 더 일찍 사망할 것입니다.

그들이 한 일:
그들은 멘델 무작위 배정법(Mendelian Randomization)이라는 방법을 사용했습니다. 그들은 사람들의 DNA를 조사하여 누가 자연스럽게 "노화 지표"(염증이나 성장 신호 등)를 높게 갖는지 확인했습니다. 그리고 이 사람들이 낮은 수치를 가진 사람들보다 더 일찍 사망하는지 확인했습니다. 또한 그들의 탐정 업무가 정확한지 확인하기 위해 이미 알려진 "악당들"(LPA 및 IL6R)을 검증했습니다.

결과:
알려진 "악당들"(LPA와 IL6R)은 실제로 짧은 수명의 원인으로 나타났습니다. 이는 그들의 탐정 업무가 제대로 작동하고 있음을 증명했습니다.
하지만 인기 있는 노화 지표들(염증, 신장 지표, 성장 신호)을 조사했을 때, 그들은 아무런 연관성을 찾지 못했습니다. 이 지표들이 누가 죽을지를 예측할 수는 있지만, 유전적으로 이 수치들을 변화시킨다고 해서 수명이 변하지는 않았습니다. 이들은 비를 내리는 비가 아니라, 강우량계일 뿐입니다.

도구 3: "시간 여행" 테스트

비유: 건물이 무너지는 영상을 가지고 있다고 상상해 보세요. 과학자들은 최근 건물의 외관(페인트, 창문)을 다시 새것처럼 보이게끔 "되감는" 방법을 찾아냈습니다. 하지만 페인트를 되감는 것이 건물의 실제 붕괴를 막을 수 있을까요? 아니면 구조적 손상은 여전히 남아 있을까요?

그들이 한 일:
그들은 과학자들이 세포를 다시 젊게 만들기 위해 "재프로그래밍"하는 실험(부분 재프로그래밍이라 불리는 과정)을 살펴보았습니다. 그들은 두 가지 유형의 시계를 사용했습니다.

연대기적 시계(Chronological Clock): 세포가 어떻게 보이는지를 측정합니다 (마치 페인트와 같습니다).
손상 시계(Damage Clock): 실제 구조적 마모와 손상을 측정합니다 (마치 기초의 균열과 같습니다).

결과:
세포를 "회춘"시켰을 때, 연대기적 시계는 엄청나게 뒤로 돌아갔습니다 (페인트가 새것처럼 보였습니다!). 하지만 손상 시계는 거의 움직이지 않았습니다. 죽음을 몰고 오는 실제 구조적 손상은 그대로 머물러 있었습니다. 세포는 젊어 보였지만, "치명적인" 손상은 여전히 남아 있었습니다.

최종 판결

이 논문은 오늘날 우리가 사용하는 대중적인 "노화 시계"와 혈액 검사가 대부분 엔진이 아니라 온도계라고 결론짓습니다.

노화 과정의 92%는 숨겨져 있습니다. 혈액 검사로 측정할 수 있는 것들은 우리가 왜 죽는지에 대한 아주 작은 부분만을 설명할 뿐입니다. 진짜 동력은 아직 발견되지 않은 "잠재적인" 힘입니다.
측정 가능한 지표는 원인이 아닙니다. 어떤 지표가 나이가 들면서 상승한다고 해서 그것이 당신을 죽이는 것은 아닙니다. 그것은 아마도 단순한 증상일 것입니다.
"겉모습"을 되돌리는 것이 "죽음"을 되돌리는 것은 아닙니다. 우리는 세포를 다시 젊어 보이게 만들 수는 있지만(연대기적 시계를 되돌림), 아직 실제 죽음을 일으키는 손상을 되돌리지는 못했습니다.

요약하자면: 우리는 연기를 측정하는 데는 매우 능숙하지만, 아직 불을 찾아내지는 못했습니다. "불"(실제 사망의 원인)은 여전히 현재의 혈액 검사와 유전적 도구로는 보이지 않는 그림자 속에 숨어 있습니다.

기술 요약: 노화 바이오마커를 위한 생성 행렬 인과 추론 프레임워크

문제 정의
제론사이언스(geroscience) 분야는 단순히 사망률을 예측하는 분자와 사망을 인과적으로 유발하는 분자를 구별해야 하는 중대한 과제에 직면해 있다. 후성유전학적 시계와 순환 바이오마커가 노화 과정의 결과물로서 점점 더 많이 활용되고 있지만, 이들의 사용은 이들이 노화의 메커니즘을 측정하는 것인지, 아니면 사망 위험의 하류에 있는 "온도계" 역할을 하는 것인지에 대한 검증되지 않은 전제에 의존하는 경우가 많다. 이러한 구분은 경쟁적인 노화 이론들을 판정하는 데 매우 중요하다: (A) 손상/신뢰성 이론 (노화를 확률적 손상 축적으로 보는 관점), (B-1) 과기능 이론 (노화를 준프로그램된 영양/성장 신호 작용으로 보는 관점), (B-2) 정보 이론 (노화를 가역적인 후성유전적 정보 손실로 보는 관점). 현재까지 이 세 가지 근본적인 질문—측정 가능한 지표가 사망 가속화의 어느 정도 비율을 포착하는가, 그 지표들이 인과적인가, 그리고 그것들이 가역적인가—을 동시에 다룬 단일 프레임워크는 존재하지 않았다.

방법론
저자들은 공개된 비식별 데이터를 활용하여 세 가지 직교하는 증거 라인을 통해 노화 바이오마커를 평가하는 통합 계산 프레임워크를 제안한다:

생성 행렬 신뢰성 모델 (Generator-Matrix Reliability Model):
- 접근 방식: 유기체를 연속 시간 마르코프 생성 행렬( $Q$ )에 의해 지배되는 "핵심 기능 부하 상태(hallmark-load states)"(노화 축적 부담)를 점유하는 상태로 모델링하며, 죽음은 흡수 상태(absorbing state)로 간받는다.
- 데이터: NHANES(1999–2010, $n=23,844$ )에 적합시키고 HRS(Health and Retirement Study)에서 재현하였다.
- 메커니즘: 베이지안 추론과 바이오마커 및 사망 결합 가능도(likelihood)를 사용하여, 곰퍼츠(Gompertz) 사망 가속도( $\gamma$ )를 "가시적" 성분(측정된 혈액 바이오마커 역학에 의해 구동됨)과 "잠재적" 성분(측정되지 않은 역학)으로 분해한다. 모델은 AnAge 데이터베이스의 교차 종(cross-species) 사망률 배가 시간 사전 확률(priors)을 포함한다.
- 바이오마커: 9개의 PhenoAge 임상 바이오마커를 염증, 대사, 장기/신장, 조혈의 네 가지 축으로 그룹화하였다.
멘델 무작위 배정(Mendelian Randomization, MR) 및 국소화(Colocalization)를 통한 인과 추론:
- 접근 방식: 유전적으로 예측된 측정 가능한 분자 구성 요소의 수준이 수명에 인과적으로 영향을 미치는지 테스트하기 위해 두 플랫폼의 cis-pQTL MR 설계를 사용한다.
- 보정: 충분한 인과성 탐지 능력을 확보하기 위해 알려진 인과적 양성 대조군(LPA 및 IL6R)을 사용하여 파이프라인을 보정한다.
- 데이터: UK Biobank Proteomic Platform (UKB-PPP, Olink) 및 deCODE (SomaScan)를 부모의 수명 GWAS와 대조한다.
- 검증: 국소화 분석(coloc.abf 사용)을 통해 단백질 수준에 영향을 미치는 유전 변이가 장수 결과와 동일한 인과적 변이를 공유하는지 결정하여, 연관 불평형(linkage disequilibrium)에 의한 혼란을 방지한다.
- 대상: 잠재적 성분의 측정 가능한 구성 요소(염증성, 신장, 노화 표지자) 및 성장 신호(과기능) 축(IGF-1, IGFBP3 등).
세포 리프로그래밍을 통한 가역성 테스트:
- 접근 방식: 세포 리프로그래밍이 "연대기적(chronological)" 시계와 "인과성이 강화된 손상(causality-enriched damage)" 시계 중 무엇을 되돌리는지 테스트한다.
- 시계: 리프로그래밍 데이터셋에 Horvath(연대기적) 시계와 DamAge(MR of CpGs를 통해 도출된 인과성 강화 시계)를 적용한다.
- 데이터: 다양한 in vitro 데이터셋(MPTR, Sendai, mRNA 리프로그래밍)과 in vivo 마우스 부분 리프로그래밍 데이터셋.
- 가설: 만약 사망을 유발하는 성분이 손상 층(이론 A)이라면, 세포 정체성을 유지하는 부분 리프로그래밍 중에 역전되지 않을 것이며, 반면 연대기적 태그(이론 B-2)는 역전될 것이다.

주요 결과

잠재적 성분의 우세: 생성 행렬 모델은 곰퍼츠 사망 가속도의 약 92.5%(NHANES) 및 91.6%(HRS)가 측정된 네 가지 혈액 바이오마커 축에 의해 포착되지 않는 잠재적 성분에 할당됨을 보여준다. 측정된 축들은 가속도의 약 7~8%만을 설명한다. 잠재적 성분은 신장 기능, 염증성 노화(inflammaging) 및 노화와 관련된 DNA 메틸화 서명에는 일부 인코딩되어 있으나, 전혈 전사체나 일반적인 연대기적 시계에는 나타나지 않는다.
측정 가능 마커의 비인과성: MR 분석에서 알려진 인과적 양성 대조군(LPA, IL6R)은 수명에 강한 인과적 효과를 보였다. 반면, 잠재적 성분의 측정 가능한 구성 요소들(GDF15, cystatin C, SERPINE1 등)과 성장 신호 축(IGFBP3, GHR 등)은 부모의 수명에 대해 **인과적 효과가 없음(null effect)**을 보였다. 신뢰 구간이 0을 포함하였으며, 국소화 분석 결과 단백질 수준과 장수 사이의 공유된 인과적 변이가 없음(PP.H4 $\approx$ 0)을 확인하였다. 이는 단백질이 강력하게 유전적으로 통제됨에도 불구하고(높은 도구 강도) 나타난 결과이다.
가역성에서의 해리: 세포 리프로그래밍 실험에서 연대기적 시계(Horvath)는 견고하게 역전되었다(−11에서 −22년). 그러나 인과성 강화 손상 시계(DamAge)는 세포 정체성이 유지되는 부분 리프로그래밍 과정에서 역전에 저항하였으며, 변화가 거의 없거나 오히려 증가하는 모습을 보였다. 손상 시계의 역전은 iPSC 유도가 완전하게 접근하여 체세포 정체성을 상실할 때만 관찰되었다.

의의 및 주장
본 논문은 노화 연구에서 "마커 대 원인" 문제를 판정하는 재사용 가능한 계산 프레framework를 제공한다고 주장한다. 저자들은 다음과 같이 결론짓는다:

사망을 유발하는 성분은 잠재적이다: 사망 가속도를 일으키는 주요 동력은 현재 접근 가능한 혈액 바이오마커 및 표준 후성유전학적 시계로는 거의 보이지 않는 잠재적 영역에 존재한다.
대중적인 시계는 예측적이지, 기전적이지 않다: 현재의 노화 측정치(시계 및 바이오마커)는 사망 위험이나 연대기적 연령을 추적하지만, 사망으로 가는 인과적 경로 상에 놓여 있지 않다. 이들은 실제 "열(fever)" 자체가 아니라 "온도계" 역할을 한다.
노화 이론의 정교화: 본 연구 결과는 **손상/신뢰성 기반(이론 A)**이 사망을 유발하지만 현재의 측정치에는 잠재되어 있고, 그 위에 가역적이며 치명적이지 않은 분자적 표면(연대기적 태그 및 순환 성장 신호 대리물)이 존재한다는 계층적 모델을 지지한다. 이는 연대기적 시계를 되돌리는 것이 노화 메커니즘을 되돌리는 것과 동일하다는 관점에 도전한다.
중재(Intervention)에 대한 시사점: 저자들은 제론사이스가 진보하기 위해서는 중재가 위에서 사용된 것과 같은 인과성 및 가역성 테스트를 거쳐야 한다고 주장한다. "회춘"에 대한 주장이 단지 비치명적인 연대기적 층위만을 변화시켜 실제 사망을 유발하는 손상 기질은 그대로 둔 채 시계 역전만을 강조한다면 오도될 수 있음을 경고한다.

연구는 특정 잠재적 손상의 성격(예: 축적된 조직 손상, 게놈 불안정성 또는 노화 세포 부담)이 여전히 열린 문제이며, 조직 및 단일 세포 해상도에서의 새로운 측정이 필요함을 강조한다.