A multi-scale cell-type resolved map of trans-regulatory architecture in the aging human brain

인간의 뇌는 수십억 개의 세포가 소통하며 사고, 기억, 운동을 유지하는 거대하고 복잡한 네트워크입니다. 우리는 이 네트워크를 구축하고 유지하기 위한 지침이 우리의 부모로부터 물려받은 유전 암호인 DNA에 기록되어 있다는 것을 알고 있습니다. 그러나 수십 년 동안 과학자들은 그 코드의 미세한 변화가 어떻게 알츠하이머와 같은 복잡한 질병으로 이어지는지 이해하는 데 어려움을 겪어 왔습니다. 대부분의 질병 관련 유전적 변화는 영향을 미치는 유전자 바로 옆에 위치하지 않습니다. 대신, 이들은 게놈의 먼 곳에서 유전자의 스위치를 켜거나 끄는 '먼 거리의 스위치' 역할을 합니다. 이러한 먼 거리의 연결을 찾는 것은 마치 붐비는 경기장에서 속삭임을 들으려고 노력하는 것과 같았습니다. 신호는 존재하지만, 정상적인 생물학적 변동이라는 배경 소음 때문에 너무 희미하여 감지하기 어려웠던 것입니다.

이러한 도전은 신호를 전달하는 뉴런과 이를 지원하는 글리아 세포(glial cells)와 같은 서로 다른 세포 유형 간의 상호작용이 매우 중요한 노화된 뇌에서 특히 두드러집니다. 만약 한 세포 유형에서 유전적 스위치가 켜진다면, 그것은 다른 세포 유형에서 연쇄 반응을 일으킬 수 있지만, 기존의 방법들은 이러한 미세하고 조율된 반응을 놓치는 경우가 많았습니다. 연구자들은 단일 유전 변이가 얼마나 넓은 유전자 네트워크에 영향을 미치는지 그 전체 그림을 포착할 만큼 명확하게 먼 거리의 조절 효과를 지도화할 방법을 오랫동안 찾아왔으나, 가용했던 도구들은 전체 그림을 포착하기에는 너무 투박했습니다.

연구팀은 이 문제를 해결하기 위해 'TransMap'이라 불리는 새로운 계산적 접근 방식을 개발했습니다. 유전자를 하나씩 살펴보는 방식은 종종 약한 신호를 놓치기 때문에, 연구팀은 함께 작동하는 유전자 그룹을 찾는 시스템을 설계했습니다. 이는 마치 숲 전체의 바람 패턴을 측정하여 날씨를 이해하려는 것과 단일 잎사귀의 온도를 측정하는 것의 차이와 같습니다. 후자가 시스템의 진정한 구조를 드러내는 것처럼 말입니다. TransMap은 유전자의 조율된 그룹을 하나의 측정 단위로 취급함으로써 이와 유사하게 작동합니다. 이러한 그룹에 집중함으로써, 이 방법은 먼 거리의 유전적 조절이라는 희미한 속삭임을 증폭시켜 들릴 수 있을 만큼 크게 만듭니다.

연구진은 수백 명의 기증자로부터 얻은 노화된 인간 뇌의 방대한 데이터 모음체에 이 프레임워크를 적용했습니다. 그들은 이들의 유전적 구성과 함께 뉴런, 미세아교세포(microglia), 성상세포(astrocytes)를 포함한 특정 뇌 세포의 유전자 활동에 대한 상세한 지도를 분석했습니다. 또한 유전적 변화가 화학적 수준까지 어떻게 파급되는지 확인하기 위해 단백질 및 기타 분자의 측정을 통합했습니다. 결과적으로, 이 새로운 접근 방식은 기존 방법보다 훨씬 더 강력하여 이전에 보이지 않았던 수천 개의 새로운 유전적 연결을 밝혀냈습니다. 민감도를 테스트하기 위해 설계된 시뮬레이션에서, 이 방법은 낮은 오보율을 유지하면서도 표준 기술보다 거의 10~30% 더 높은 성공률로 약한 유전적 효과를 탐지해 냈습니다.

가장 놀라운 발견 중 하나는 서로 다른 세포 유형 간의 통신 특성이었습니다. 데이터는 비대칭적인 영향 패턴을 드러냈습니다: 뉴런에서 시작된 유전적 신호는 종종 뇌의 지원 인력인 글리아 세포에서 조율된 반응을 촉발하는 방향으로 이동합니다. 구체적으로, 뉴런 내의 유전자를 조절하는 유전 변이는 미세아교세포와 성상세포 내의 유전자 프로그램의 변화와 빈번하게 연결되었습니다. 이는 뇌 질환에 대한 유전적 위험이 단일 세포 내부에서 일어나는 일뿐만 아니라, 한 세포 유형에서의 유전적 자극이 다른 세포 유형의 변화를 일으키는 연쇄 반응을 어떻게 설정하는지에 관한 것임을 시사합니다. 연구진은 뉴런과 성상세포를 실험실에서 함께 배양하는 독립적인 실험을 통해 이 패턴을 확인했으며, 유전적 예측이 실제 생물학적 반응과 일치함을 보여주었습니다.

이 연구는 이러한 발견을 알츠하이머병과 직접 연결했습니다. 연구팀은 새로운 지도를 알려진 알츠하이머 위험 인자와 겹쳐 봄으로써, 위험 변이가 먼 거리의 유전자와 세포 프로그램에 영향을 미치는 게놈상의 특정 위치를 식별했습니다. 주목할 만한 사례로, 성상세포의 KNOP1이라는 유전자와 관련된 유전 변이가 이미 알츠하이머 위험과 관련된 것으로 알려진 MS4A4E를 포함한 미세아교세포의 조율된 유전자 프로그램과 연결되어 있음이 발견되었습니다. 이 발견은 한 세포 유형에서의 변화가 다른 세포 유형의 핵심 네트워크에 영향을 미치는 직접적인 조절 경로를 시사합니다. 또한, 연구진은 이러한 유전적 연결이 단백질 변형이나 세포 이동과 같은 특정 생물학적 경로로 수렴된다는 것을 발견하여, 질병을 주도하는 분자적 기제에 대한 더 명확한 그림을 제공했습니다.

특정 연결을 식별하는 것을 넘어, 연구는 서로 다른 규모의 유전적 조절이 상호 보완적인 정보를 제공한다는 점을 강조했습니다. 개별 유전자를 살펴보는 것이 일부 질병 연결을 드러냈다면, 조율된 유전자 프로그램을 살펴보는 것은 또 다른 연결을 드러냈습니다. 이 두 가지 관점을 결합했을 때, 두 규모 중 하나만을 보았을 때보다 훨씬 더 많은 부분의 복잡한 형질에 대한 유전적 위험을 포착할 수 있었습니다. 또한 연구는 이러한 먼 거리의 유전적 효과가 무작위적인 것이 아니라, 일부 연결이 다른 연결보다 종 간에 더 잘 보존되는 등 특정 진화적 패턴을 따라 클러스터를 형성한다는 것을 보여주었습니다.

이 작업은 유전적 변이가 노화된 뇌를 어떻게 형성하는지에 대한 상세하고 다층적인 지도를 제공하며, 단순한 유전자 목록을 넘어 건강과 질병의 근저에 있는 역동적인 교차 세포적 대화를 드러냅니다. 먼 거리의 조절 효과를 더 명확하게 볼 수 있는 방법을 제공함으로써, 이 프레임워크는 과학자들이 유전적 위험 요인이 작동하는 정확한 메커니즘을 규명할 수 있는 새로운 도구를 제공합니다. 이러한 명확성은 복잡한 질병의 근본 원인을 이해하고, 잘못되는 특정 세포 경로에 개입할 수 있는 미래의 치료법을 설계하는 데 필수적입니다. 연구진은 자신들의 지도와 도구를 광범위한 과학계에 공개하여, 다른 조직과 질병에도 이 접근 방식을 적용하여 인간 생물학의 유전적 구조에 대한 새로운 통찰력을 얻을 수 있도록 했습니다.