Investigation of Stress Granule-Associated Biomarkers (IGF1 and CDK2) and Their Regulatory Mechanisms in Alzheimer’s Disease: A Combined Transcriptomic, Bioinformatic and Experimental Study

기술 요약: 알츠하이머병 관련 스트레스 과립 바이오마커(IGF1 및 CDK2) 조사

문제 제기
알츠하이머병(AD)은 전 세계적으로 치매의 주요 원인이며, 아밀로이드-베타(Aβ) 플라크와 신경섬유 엉킴(NFTs)을 특징으로 합니다. Aβ와 타우 병증의 중심성에도 불구하고, 특정 바이오마커의 부재로 인해 조기 진단이 어려우며 현재의 치료법은 증상 완화에 그치고 있습니다. 최근 연구는 세포 스트레스 중에 형성되는 동적인 무막질 응축물인 스트레스 과립(Stress Granules, SGs)이 알츠하이머병 병인에 역할을 하며, 잠재적으로 타우 올리고머화 및 시냅스 기능 장애를 촉진한다는 증거를 제시하고 있습니다. 그러나 SGs와 알츠하이머병을 연결하는 조절 회로와 특정 SG 관련 바이오마커의 식별은 여전히 불충분하게 정의되어 있습니다. 본 연구는 생물정보학적 방법과 실험적 접근을 결합하여 알츠하이머병에서 SG 관련 전사 바이오마커를 식별함으로써 이 간극을 메우고자 합니다.

연구 방법론
본 연구는 공공 전사체 데이터와 실험적 검증을 통합한 다단계 파이프라인을 채택하였습니다:

1. 데이터 수집 및 전처리: GEO 데이터베이스에서 두 개의 말초 혈액 전사체 데이터셋(훈련 코호트로서의 GSE97760 및 검증 코호트로서의 GSE140831)을 추출하였습니다. GeneCards로부터 844개의 스트레스 과립 관련 유전자(SGRGs) 목록을 구성하였습니다.
2. 후보 유전자 스크리닝: 훈련 세트에서 차등 발현 유전자(DEGs)를 식별하였으며(|log₂FC| > 0.5, p < 0.05), 이를 SGRG 목록과 교차하여 287개의 후보 유전자(CGs)를 도출하였습니다.
3. 네트워크 및 기능 분석: STRING과 Cytoscape를 사용하여 단백질-단백질 상호작용(PPI) 네트워크를 구축하고 핵심 노드를 식별하였습니다. 생물학적 기능을 특성화하기 위해 유전자 온톨로지(GO) 및 KEGG 농축 분석을 수행하였습니다.
4. 기계 학습 스크리닝: LASSO 회귀와 서포트 벡터 머신-재귀적 특징 제거(SVM-RFE)라는 두 가지 알고리즘을 훈련 세트에 적용하여 특징 유전자를 선택하였습니다. 이 알고리즘들의 교집합을 통해 7개의 핵심 유전자를 식별하였습니다.
5. 진단 모델링: 선택된 바이오마커의 진단 성능을 평가하기 위해 완전 연결 신경망(FCNN)을 구축하였습니다. 민감도와 특이도를 평가하기 위해 수신자 조작 특성(ROC) 곡선 분석을 사용하였습니다.
6. 기전 탐색: 유전자 세트 농축 분석(GSEA), 면역 침윤 프로파일링(CIBEROIRT), 분자 네트워크 조절(miRNA-lncRNA-mRNA)을 수행하였습니다. 리간드-단백질 상호작용을 탐구하기 위해 분자 도킹을 수행하였습니다.
7. 실험적 검증: 신장 의과대학교 제5 부속 병원의 10개 임상 샘플(AD 5개, 대조군 5개)에 대해 역전사 정량 PCR(RT-qPCR)을 실시하여 바이오마커 발현을 검증하였습니다.

주요 결과

• 바이오마커 식별: 기계 학습 분석을 통해 후보 유전자를 7개의 특징으로 정제하였으며, 일관된 발현 경향과 진단 성능(AUC > 0.7)을 바탕으로 IGF1과 CDK2를 핵심 바이오마커로 유지하였습니다.
• 발현 패턴: 데이터셋 전반에 걸쳐, 대조군 대비 알츠하이머병 환자에서 IGF1은 일관되게 하향 조절된 반면, CDK2는 상향 조절되었습니다(p < 0.05).
• 진단 성능: IGF1과 CDK2를 활용한 FCNN 모델은 훈련 세트에서 0.989, 외부 검증 세트에서 0.773의 AUC를 달성하여 강력한 판별 능력을 입증하였습니다.
• 조절 기전:
  • miRNA 상호작용: 조절 네트워크를 통해 특정 miRNA 연관성을 확인하였습니다: IGF1은 hsa-miR-19b-3p와, CDK2는 hsa-miR-302a-3p와 연관됩니다.
  • 경로 농축: 두 바이오마커 모두 대사 경로(알파-리놀렌산 및 리놀레산 대사)와 함께 KEGG T세포 수용체(TCR) 신호 전달 경로에 농축되었습니다.
  • 면역 침윤: 알츠하이머병 샘플은 M0 대식세포, 호중구, 조절 T세포(Tregs)의 감소와 활성화된 CD4+ 기억 T세포의 증가를 보였습니다. IGF1은 M0 대식세포 및 Tregs와 양의 상관관계를 보였으나, CDK2는 Tregs와 음의 상관관계를 보였습니다.
• 분자 도킹: 계산 도킹 결과, IGF1은 N,N-bis(3-(D-gluconamido) propyl) deoxycholamide와 -7.3 kcal/mol, CDK2는 Alvocidib와 -11.2 kcal/mol의 결합 친화력을 예측하였습니다.
• 실험적 검증: RT-qPCR 결과 임상 알츠하이머병 샘플에서 IGF1의 유의미한 하향 조절을 확인하였습니다. 그러나 CDK2의 상향 조절은 해당 특정 임상 코호트에서 통계적으로 재현되지 않았으며, 저자들은 이를 말초 혈액 검출의 한계 또는 코호트의 이질성 때문인 것으로 설명하였습니다.

의의 및 주장
본 연구는 전통적인 Aβ/tau 프레임워크를 넘어 SG 관련 조절 네트워크를 알츠하이머병 병인과 연결하는 예비적 근거를 제공한다고 주장합니다. IGF1과 CDK2를 잠재적인 SG 관련 바이오마커로 식별함으로써, 본 연구는 신경 염증과 질병 진행을 유도할 수 있는 "성장 인자-세포 주기-면역 축"을 제시합니다. 저자들은 결합된 바이오마커 패턴(CDK2↑ + IGF1↓)이 비침습적 조기 진단의 근거가 될 수 있다고 상정합니다.

논문은 자신의 발견을 진단 마커 및 치료 표적에 대한 "예비적 단서"로 겸손하게 규정합니다. 또한 분자 도킹 결과는 탐색적이며 추가적인 전임상 검증 없이 약리학적 권고로 해석되어서는 안 된다고 명시적으로 밝히고 있습니다. 저자들은 말초 혈액에 국한된 점, 공공 데이터셋의 선택 편향 가능성, 그리고 임상 검증 코호트에서 CDK2의 재현성 부족을 포함한 한계점을 인정하였습니다. 결론적으로, 이들 바이오마커의 임상적 유용성을 확증하기 위해서는 더 큰 다기관 코호트에서의 추가 검증과 단백질 수준에서의 검증이 필요하다고 결론지었습니다.