[전문] 이리나 콘보이 제너레이션랩 CSO '2025 글로벌 바이오포럼' 기조연설

(서울=뉴스1) 구교운 기자 = '노화역전' 분야 세계적 석학인 이리나 콘보이(Irina Conboy) 미국 제너레이션랩(Generation Lab) 최고과학책임자(CSO)는 19일 '글로벌 바이오포럼 2025' 기조연설에서 "생리학적 노화는 직선이 아니라 굴곡진 곡선을 따른다"며 "기존의 '에피제네틱(epigenetic) 나이 시계(age clock)'가 이런 실제 변화를 반영하지 못한다"고 지적했다.

다음은 기조연설 전문.

오늘 여러분께 노화의 생리학적 진행 경로, 그 본질에 대해 말씀드리겠습니다. 그것은 바로 후성유전학(epigenetics)을 통해서입니다. 우리는 어떻게 노화하는가? 이 노화 곡선은 비선형적(non-linear)입니다. 이 사실은 2023년에 발견됐으며, 최근 연구에서는 이 곡선이 우리 몸의 면역 체계, 심혈관 체계, 신경계, 생식 체계 등 다양한 기능 전반에 걸쳐 근본적으로 보존되어 있음을 확인했습니다.

1. 후성유전학의 기본 이해

우리는 특정 패턴을 가지고 선형적으로 노화하지 않습니다. 제가 서론에서 강조하고 싶은 것은, 이 자연스러운 곡선이 선 그래프(line graph)로 대체되는 순간 생물학적 관련성(biological relevance)이 사라진다는 것입니다. 후성유전학에 대해 이야기할 것이므로, 그것이 무엇인지 간략하게 요약해 드리면서 시작하겠습니다. 후성유전학은 신비로운 것이 아닙니다. 그것은 단순히 DNA의 응축된 단백질 상태, 즉 크로마틴 상태에서 유전자가 발현될 수 있는 더 열린 상태로의 전환을 의미합니다.

이 과정에서 유전자들은 mRNA로 전사되고, mRNA는 핵 밖으로 수출되어 단백질로 번역됩니다. 단백질은 접혀(folded) 다양한 기능을 수행하며 이것이 우리 세포와 조직이 작동하고 우리가 바라건대 수십 년 동안 생존하는 방식입니다.

크로마틴이 단단하게 감겨(tightly wound) 있을지 또는 열려 있을지를 결정하는 메커니즘이 바로 후성유전 정보이며 이는 부분적으로 DNA 메틸화(DNA methylation)에 의해 보고됩니다. DNA가 메틸화되면 유전자는 일반적으로 침묵(silenced)합니다.

예를 들어 근육 세포는 하나의 후성유전 상태를, 뉴런은 다른 상태를 가지는 것처럼 세포 유형 간의 후성유전 상태는 매우 안정적입니다. 그 결과, 근육 세포는 유전자의 한 부분 집합을, 뉴런은 다른 부분 집합을 발현합니다.

그리고 이 세포 유형별 특성은 매우 잘 이해되고 있습니다. 은유적으로 말하자면, 우리 몸의 모든 세포는 정확히 같은 '책(book)'을 가지고 있습니다.

대조적으로, 환경에 대한 반응 또한 후성유전학에 의해 통제되는데, 이는 매우 역동적(dynamic)이며 끊임없이 변합니다. 여러분의 심리 상태(사회적 상호작용 여부), 운동, 흡연, 심지어 재정 상태에 따라서도 다른 DNA 메틸화 또는 후성유전학적 패턴을 가지게 될 것입니다. 급여를 받은 때의 후성유전 프로필은 급여를 기다리는 때와 다를 것입니다.

따라서 이러한 역동성(dynamic)은 세포의 운명을 통제하는 후성유전학만큼 잘 이해되지 못하고 있습니다. 여러분은 하나의 정의된 후성유전 상태에서 다른 잘 정의된 상태로 이동할 수 있다는 것을 알고 계실 것입니다.

우리는 야마나카 인자 등을 사용하여 분화된 세포를 다시 만능 줄기세포 상태로 재설정하거나 재프로그래밍할 수 있습니다. 반면 늙은 세포를 젊은 세포로 재프로그래밍하는 방법을 모릅니다. 왜냐하면 노화는 정의된 상태가 아니라 누적된 동역학이기 때문입니다.

이러한 동역학은 같은 조직의 세포들 사이에서도 다릅니다. 따라서 같은 조직의 다른 세포들은 뇌, 심장, 피부의 세포들과는 비교할 것도 없이 다른 후성유전 상태를 가집니다. 그렇다면 어떻게 늙은 세포를 젊은 세포로 되돌릴 수 있는가에 대한 의문이 남습니다. 이것은 섬유아세포(fibroblast)를 만능 줄기세포로 바꾸는 것처럼 간단하지 않습니다.

이러한 이해로 가는 길에, 첫 번째 질문은 생체 지표(biomarkers)에 관한 것입니다. 많은 연구 그룹이 노화의 생체 지표를 식별하려고 노력하고 있다는 것을 들어보셨을 것입니다. 흥미롭게도 이미 매우 많은 생체 지표가 있습니다. 젊고 건강한 사람과 늙고 건강하지 못한 사람을 구분하는 지표들 말입니다. 그래서 우리 노화 여정의 시작과 끝은 잘 알려져 있습니다.

예를 들어 섬유증이 적거나 많고, 혈압이 좋거나 나쁘고, 콜레스테롤이 적거나 많습니다. 하지만 우리가 모르는 것은 '중간 단계(the cloud in the middle)'입니다. 이 좋은 상태에서 덜 바람직한 상태로 어떻게 진행하는가? 수십 년간의 연구와 수억 달러의 지출 끝에도, 이 질문은 여전히 똑같습니다. 많은 컨퍼런스에서 반복되듯이, 우리는 적을 알아야 하고(know the enemy), 생체 지표를 찾아야 합니다. 그렇다면 왜 이것들을 찾기가 그렇게 어려운가? 그것들이 존재하기는 하는가?

DNA 메틸화나 단백질 수준, 또는 대사 산물 수준을 보았을 때, 젊음에서 늙음으로 점진적으로(gradually) 또는 단계적으로(stepwise) 변화하는 것이 있는가? 우리는 여기서 무슨 일이 일어나는지 모르지만, 노화 시계(age clock) 또는 생물학적 시계(BALS)로 알려진 접근법이 있습니다. 이 접근법은 노화 과정이 A에서 B로 진행되며 그 사이는 중요하지 않다는 것입니다. 그 사이의 노화 과정을 이해하는 것을 포기하고 있습니다.

이 선 그래프(line graph)는 젊음과 늙음을 연결하기 때문에 예측은 일반적으로 한 인간 집단에서 다른 집단으로 재현 가능할 것입니다. 하지만 그것들은 실생활의 아무것에도 적용되지 않습니다. 왜냐하면 우리는 실제 과정을 시뮬레이션으로 대체하고 있으며, 이는 임의적인 가중치(arbitrary weights)를 통해 추적되기 때문입니다.

25세에서 70세 사이의 사람들에게서 특정 DNA 메틸화 패턴이 있다고 가정해 봅시다. 색상은 게놈의 다른 영역, 다른 CpG 섬 또는 유전자 프로모터를 나타냅니다. DNA 메틸화는 Y축의 베타 값으로 표현됩니다. 진행 경로의 본질을 모르면 그것은 '구름(cloud)'처럼 보입니다. 우리는 이제 이 데이터에 탄성망 회귀(elastic net regression)로 알려진 통계적 방법론을 적용할 수 있습니다.

이 방법론은 데이터 포인트의 대부분을 제외합니다. 그리고 우리는 이 모든 데이터를 원하는 모양(이 경우 직선)에 맞출 수 있을 때까지 컴퓨터 기계 학습 훈련을 반복합니다. 이는 이상치(armour events)에 가중치를 할당하여 할 수 있는 가장 오류가 적은 직선입니다. 그 후, 이 과정이 왼쪽에서 오른쪽으로 이동될 수 있지만, 이 임의적인 숫자들을 생성한 후에는 실제 수준에서 무슨 일이 일어나는지 더 이상 예측할 수 없습니다.

이전에는 메틸화 값과 그 값을 알았지만, 이제 그 값들을 임의의 숫자와 섞습니다.

우리는 데이터의 80%로 모델을 훈련하고 20%로 테스트한다고 생각합니다. 그러나 실제로는 데이터 세트의 어느 부분이 훈련에 사용되고 어느 부분이 테스트에 사용되는지 끊임없이 바꿉니다. 결국, 우리는 수없이 반복하여 전체 데이터 세트를 사용하여 데이터의 작은 부분을 임의적인 가중치를 할당하고 다른 수학적 기술을 수행함으로써 이 오류가 있는 직선에 억지로 맞춥니다.

DNA 메틸화, 단백질 수준 또는 대사 산물은 나이에 따라 다양한 방식으로 변할 수 있습니다. 예를 들어, DNA는 나이에 따라 메틸화가 덜 될 수 있습니다. 그러나 우리의 모델인 탄성망 회귀는 이 정보의 자연적인 선택을 전혀 고려하지 않고 가중치를 할당할 것입니다. 따라서 DNA가 나이에 따라 덜 메틸화된다고 하더라도, 우리의 모델에서는 인위적으로 더 높은 값으로 변할 수 있습니다. 마지막으로, 이것을 하는 주요 전제는, 예를 들어 30세인데 이 임의의 척도상에서는 40세에서 50세 사이처럼 예측되는 개인이 있다고 해서 그 개인이 생물학적으로 더 늙었거나 건강하지 않다는 것을 의미하지 않는다는 것입니다.

그리고 많은 논문이 이 점에 대해 발표되었습니다. 만약 여러분이 이 동일한 DNA 메틸화 데이터에 대해 통계 모델인 탄성망 회귀를 다시 실행하면 예측이 크게 달라질 수 있습니다.

왜냐하면 모델 자체가 데이터 세트의 다른 부분에서 이 선형 상관관계를 형성하기 시작할 것이기 때문입니다. 이 모든 것은 패턴이 무엇인지 알지 못하는 것의 생물학적 관련성에 대한 의문을 제기합니다.

그리고 이것은 약 200명의 사람을 볼 때입니다. 우리는 이 집단에 대해서만 시간 진행, 나이 또는 건강 점수를 예측할 수 있습니다. 만약 여러분이 건강한 사람 대 일반적인 사람 대 다양한 질병을 가진 사람들을 본다면, 예측의 오차가 훨씬 더 커집니다. 여기 건강한 사람들(파란색 히스토그램) 또는 염증성 질환 환자들(빨간색 히스토그램, 파란색 뒤에 보이는)의 데이터가 있습니다.

우리는 그들의 나이를 결정하기 위해 다양한 생물학적 시계로 분석했습니다.

사람들의 DNA 메틸화 역학을 측정할 때, 약 마이너스 40년에서 플러스 20년 정도의 차이, 즉 60년의 오차가 있다는 것을 볼 수 있습니다. 저 시계는 실제로 마이너스 60년에서 약 40년까지 100년 정도의 오차를 만듭니다. 따라서 시계가 여러분이 실제 나이보다 약 50년 더 늙었다고 말하지 않는 한, 걱정할 필요가 없습니다. 왜냐하면 이것은 단순히 후성유전학적 변화의 자연스러운 동역학일 뿐이기 때문입니다.

그리고 더욱 중요하게도, 환자에 대한 예측 간에 차이(shift)를 볼 수 없습니다.

이상하죠? 만약 생물학적 나이 시계가 그들의 건강 상태를 결정한다면, 왜 파킨슨병, 다발성 경화증 환자에 대해 똑같은 예측을 할까요?

건강한 사람들(파란색 막대) 대 다양한 질병을 가진 환자들(빨간색 막대)입니다. 이 모델은 나이에 대해 훈련된 것이 아니라, 약 53세 이상인 사람들의 건강 점수에 대해 훈련되었기 때문에 매우 흥미롭습니다. 우리는 이미 누가 젊고 누가 늙었는지, 누가 건강하고 누가 아픈지를 구별할 수 있습니다. 따라서 많은 시계가 25세, 80세뿐만 아니라, 낮은 콜레스테롤, 높은 콜레스테롤, 낮은 섬유증, 높은 섬유증, 또는 심장 질환 유무를 기반으로 할 수 있습니다. 그리고 우리가 하나의 축에 규칙적인 숫자 세트 또는 시간의 진행을 가지고, 다른 축에 우리의 실험 데이터를 생물학적으로 임의적인 방식으로 변형할 수 있는 모든 상황에서, 우리는 선형 상관관계를 형성할 것입니다. 이제 제 강연의 이 부분을 요약하자면,

왜 생물학적으로 임의적인 그래프를 형성하지 않고 자연스러운 패턴이 무엇인지 알아내려고 노력하는 것이 중요한가? 플로리다주의 허리케인 지도를 봅시다. 이것은 플로리다주의 지리적 지도이며, 보시다시피 특히 이 지역은 그다지 안전한 곳은 아닙니다. 여기에 많은 허리케인이 지나갔습니다. 그리고 자연스러운 허리케인 경로, 예를 들어 이 경로를 알아내는 대신, 저는 시작과 끝을 직선으로 연결하는 모델을 개발한 다음, 여기에 사는 사람들에게 대피해야 한다고 말하고, 저기에 사는 사람들에게는 걱정하지 마시라고 말할 것입니다. 그것은 매우 생산적이지 않을 것입니다. 따라서 우리가 삶을 살아갈 때, 우리는 실제로 허리케인의 경로에 있으며, 우리는 그것을 단순히 직선 진행으로 모델링할 수 없습니다.

물론 할 수는 있지만, 그것이 노화가 실제로 어떻게 보이는지를 알아내는 데 매우 유용할 것이라고 생각하지 않습니다. 이제 시계의 마지막 부분은, 그들이 노화의 주요 특징 중 하나인 염증(inflammation)을 구별하지 못하고, 염증성 질환을 가진 사람들을 건강한 사람들로부터 구별하지 못하며, 생물학적 나이 예측에 실패한다는 것입니다. 이것은 이상합니다. 왜냐하면 그들은 혈액 세포에서 작동하며, 염증은 물론 우리 백혈구, 즉 혈액 세포에서 쉽게 감지되어야 하기 때문입니다.

따라서 통제하기가 정말 쉬워야 합니다. 그리고 최근에 제게 알려진 한 제안은 매우 놀라웠습니다. 생물학적 시계를 결정할 모델을 시작하기 전에 우리 데이터 세트의 이질성(heterogeneity)을 제거하자는 것입니다. 첫 번째 질문은, 노화의 주요 특징이 있고 노화 예측기를 만들고 싶다면, 왜 모델을 훈련하기 전에 그 특징을 제거해야 하는가?

저는 여러분이 그것을 한다면 놀랄 것입니다. 그리고 둘째로, 어떻게 그것을 하는가? 각 세포는 데이터의 한 부분에 의해 특징지어지는 것이 아니라, 유전자와 그들의 메틸화 값의 조합에 의해 특징지어지기 때문입니다. 따라서 유전자 발현의 여러 패턴을 지우는 대신, 우리가 데이터 세트에서 세포의 한 부분 집합만을 정확히 제거하고 있다는 것을 어떻게 알 수 있을까요?

그리고 실제로 이러한 생물학적 시계들이 다양한 혈액 하위 집합을 계산하는 데 얼마나 의존하는지 테스트했을 때, 우리가 모델을 일관성 있게 훈련한다면, 그 모델은 다소 균형 잡혀 있다는 것을 발견했습니다. 그러나 대부분의 전통적인 시계는 백혈구 마커 쪽으로 크게 편향되어 있습니다.

따라서 그들은 실제로 혈액 세포 하위 집합의 마커에 근거하여 시간 진행을 예측합니다. 하지만 그들은 건강한 사람들과 환자들을 구별하지 못합니다. 이것은 노화가 세포 비율의 변화에 의해서뿐만 아니라 세포 기능이나 유전자 발현 능력의 변화에 의해서도 통제되기 때문일 것입니다.

3. 새로운 접근: 노이즈 바이오마커 (Noise Biomarker)

해결책은 무엇인가요? 모든 질문과 마찬가지로, 우리는 먼저 실험 데이터를 손상되지 않게 유지해야 하고, 둘째로 검증 가능한 가설을 가져야 합니다.

생물학적 나이는 DNA 메틸화, 전사체, 단백질 또는 대사 산물과 같은 생물학적 분자의 평균 수준에 의해서가 아니라 그들의 변동성(volatility) 또는 분산(variance)의 표준 편차(standard deviation)에 의해 표시됩니다. 예를 들어, 차를 운전하고 있는데 이상한 소리가 들린다면, 무엇이 잘못되었는지 아직 모르지만, 무언가 잘못되었다는 것을 압니다. 유능한 정비공에게 가면, 차가 완전히 고장나기 전에 그 소리만으로 무슨 일이 일어나고 있는지 말해줄 것입니다.

우리가 젊고 건강하지 않은 사람에서 늙고 덜 건강한 사람으로의 생체 지표 노화의 점진적 또는 단계적 진행을 찾지 못했고 아마도 계속 찾지 못할 이유는, 같은 연령대의 사람들 간의 개인차가 한 연령대와 다음 연령대 간의 단계적 변화보다 더 크기 때문입니다. 그리고 이것은 우리가 답을 알고 싶어 하는 중년과 노년에서 특히 두드러집니다.

따라서 생물학적 노화의 자연스러운 경로(natural torph)는 2023년에 발견되었으며, 'Mist Beginning'이라고 불립니다. 이 논문은 Aging 저널 5월호 표지에 실렸습니다. 이 논문의 주요 결론은, 평균적으로 25세, 27세, 60세 이상의 사람들에서 같은 평균 수준을 가진 중요한 유전자(vital genes) 또는 CpGs조차도, 나이에 따라 비선형적 방식으로 더 시끄러워진다(noisier)는 것입니다.

따라서 그들의 평균은 같습니다. 베타 값 또는 다른 후성유전학적 측정을 본다면, 그것은 같을 것입니다. 그러나 노이즈 또는 분포를 본다면, 그것은 나이에 따라 증가하는 것을 볼 수 있습니다. 그리고 우리는 이것을 노이즈 바이오마커(noise biomarker)라고 부르며, 시계와는 다르게 노화와 질병의 압력을 반영합니다.

이것은 노이즈 검출기, 즉 DNA 메틸화 노이즈 검출기의 예입니다. 이 유전자는 우리 몸에 매우 중요합니다. 그래서 우리는 평생 동안 그것을 똑같이 유지하려고 노력하지만, 점차 실패하고 덜 효과적이게 됩니다. 이제 면역 체계가 여전히 발달하고 있는 아주 어린 나이를 제외하고, 우리는 DNA 메틸화 베타 값(원래 실험 결과)을 봅니다.

25.7세부터 70세 이상까지, 이 평균 수준의 선을 그린다면 대략 같을 것입니다. 그러나 노이즈 또는 표준 편차를 보면, 나이에 따라 증가하는 것을 볼 수 있습니다. 저희는 이러한 중요하지만 조절되지 않는(disregulated) 50개의 CpGs 또는 시토신을 식별했습니다. 여기 각 점은 하나의 연구에서 온 많은 사람들을 나타냅니다.

그리고 노이즈 점수를 보면, 우리가 젊을 때 이 50개 유전자의 노이즈는 낮고, 사람들이 실제로 올림픽 팀에서 은퇴하는 약 33세경에 즉시 더 높아집니다. 따라서 일반적인 이해로는 늙지 않았음에도 불구하고, 그들은 노이즈가 더 높습니다.

흥미롭고 중요하게도, 관절염 환자를 보면, 그들의 후성유전체 노이즈가 더 이른 나이에 더 시끄러워집니다. 임의의 선 그래프에 대해 완전히 눈이 먼 기존 시계와 대조적으로, 우리는 누가 건강하고 누가 덜 건강한지를 봅니다. 따라서 우리는 건강 대 질병 차이와 관련하여 생물학적 노화 진행을 예측하는 측정값을 가지고 있습니다.

그런 다음, 우리는 동일해야 하는 50개의 유전자에서, Illumina 플랫폼을 사용하여 50만 개의 유전자로 이동했습니다. 우리는 50만 개 중 460개의 CpGs 또는 유전자 프로모터가 관절염, 다발성 경화증, 파킨슨병, 조로증과 같은 질병에서 조기 생물학적 노화를 나타내며 건강한 사람들과 매우 다르다는 것을 확인했습니다. 그리고 우리는 단 하나의 시토신(cytosine)의 표준 편차만 보더라도 똑같은 곡선을 볼 수 있습니다.

이것은 매우 중요한 하나의 특정 시토신입니다. 그리고 이 460개의 유전자 전체를 볼 때, 여러분은 이 곡선을 반복해서 볼 수 있습니다. 흥미롭게도, 저희 연구실의 데이터 과학자는 이 460개의 유전자를 기능적 그룹(예: 뇌/신경계 대 심혈관계 대 간/생식계)뿐만 아니라 섬유증, 재생, 면역 기능과 같은 기능별로 나누기로 결정했습니다. 그리고 모든 경우에서, 우리는 자연스러운 후성유전학적 노화의 동일한 진행을 관찰했습니다.

따라서 곡선은 시스템마다 약간 달랐지만, 패턴은 근본적으로 보존되었습니다. 이것이 바로 이 시스템을 강화하는 지점입니다. 우리는 기본적으로 우리가 선형적으로 노화하지 않는다는 규범을 증명했습니다. 우리는 하루에 하나의 흰머리를 얻는 것이 아니며, 그것이 노화하는 방식이 아닙니다. 우리는 그것을 알았지만, 왜, 어떻게, 어떤 기전이 우리를 이 일반적인 비선형적 방식으로 노화하게 만드는지는 몰랐습니다. 이제 이 유전자들은 알려져 있고, 그들의 기능은 알려져 있습니다. 우리는 사후(after the fact)가 아니라 사전(proactively)에 말할 수 있습니다. 여러분 몸의 어떤 시스템이 더 시끄러워져서 여러분의 생물학적 나이를 바깥쪽으로 몰고 가고 있는지 말입니다.

이 발견 이후 1년 또는 2년 후에, 많은 사람들이 임상 지표를 기반으로 한 노화 시계를 발표했습니다. 예를 들어, 사람들의 신체 검사를 하고, 체질량 지수, 콜레스테롤과 같은 그들의 임상 매개변수를 측정합니다.

그들은 사후에 여러분이 정상 범위인지 비정상 범위인지 알려줍니다. 우리의 시스템은 매우 초기 단계에 무슨 일이 일어나는지, 임상 검사가 무엇이든 말할 수 있기 훨씬 전에 추적하여 알려줍니다.

저희는 2023년에 공동 창립자인 Valentin Roco와 최고 운영 책임자인 Michael Sasbll과 함께 제너레이션 랩(Generation Lab)을 시작했습니다. 그리고 지금 우리는 새로운 방향으로 나아가고 있으며, 다른 방향들을 추구하고 있습니다. 그것은 제 강연의 맨 마지막에 언급하겠습니다. 따라서 저희가 이제 추구할 수 있는 접근 방식은, 이 조절 이상 단계에서 가능한 한 일찍 약물의 효능을 확인하는 것입니다.

사람들이 발표하고 있는 많은 새로운 객관적인 접근 방식들이 있습니다. 이제 우리는 생물학적 노화 진행의 매우 정밀한 측정을 사용하여 그것들을 배제할 수 있습니다.

특정 하위 시스템에서 이 건강한 정체기(plateau)로부터 조절 이상이 발생할 때, 가장 이른 가능한 단계에서 많은 의약품이 있을 때 개입할 수 있습니다.

저는 이것이 다양한 영역에서 개인화된 역동적인 변화이며, 여러분이 더 나은 의약품을 가질 수 있는 변화라고 언급했습니다. 왜냐하면 아직 완전한 질병을 가지고 있지 않을 때, 변화를 되돌리는 것이 더 쉽기 때문입니다. 그리고 생물학적 역사에서 종단적 변화에 대한 고처리량 전역 생성 연구 데이터베이스. 이 모든 것은 직접적인 측정이며 예측이 아닙니다.

다시, 비유하자면, 체중을 줄이고 싶다면 저울이 있고, 다른 사람들이 뭐라고 말하든 간에 저울 위에 올라서는 것과 비슷합니다. 여러분의 사랑하는 사람들

또는 무언가가 오랫동안 조절 이상을 겪고 있다는 경고 신호가 잘 될 수도 있고, 우리는 그것을 시행할 수 있습니다.

4. 노이즈 기반 개입 연구 사례

다시 한 번, 비유하자면, 저는 몇 장의 슬라이드를 제시할 것입니다. 이 논문은 저희가 Irina Conboy 교수님과 함께 발표한 논문의 후속작으로, 완전히 젊은 쥐가 혈액을 한 번 수혈한 후 노화되고 노쇠하게 될 수 있다는 것을 보여줍니다. 따라서 완전히 젊은 쥐에서도 여러 장기 시스템에 대해 여전히 신비로운 늙은 혈액의 무언가가 있습니다.

오늘날 그 반대되는, 이 논문은 인간에게 무작위 대조군 연구로 수행된 혈장 분리술(plasma pharesis) 또는 치료적 혈장 교환(therapeutic plasma exchange)의 결과를 발표했습니다. 여러 차례 후에, DNA 메틸화가 덜 된 순환 혈액 세포 백혈구의 수가 감소하고, 노화 표지자를 발현하는 노화 세포(senescent cells)의 수도 인간 혈액에서 감소했다는 것이 결과였습니다.

희석(dilution) 후에도, 림프구 대 골수 세포의 비율이 여전히 향상됩니다. 여러분은 그것을 알고 계실 것입니다.

다시 단백질의 노이즈를 볼 때, 이것은 표준 편차의 합입니다. 특정 단백질 또는 검출기에서, 중년이 아니라 노인들이 전신 단백질체(systemic proteome)에서 높은 노이즈를 가지고 있음을 볼 수 있습니다. 그래서 세포들은 서로에게 신호 없이 노화할 수 있습니다.

그리고 그것이 이 절차의 알려진 이점들 중 많은 부분을 설명할 수 있을 것입니다. Conboy Lab의 발견 이후 다음은 무엇인가? 이것은 콘보이 랩(Conboy Lab)에서 가장 최근에 나온 논문입니다. 우리는 이 절차를 약리학적 접근법으로 대체하기로 결정했습니다. 구체적으로 GLP-1 신호 전달의 억제제와 옥시토신을 사용했습니다. 왜냐하면 GLP-1은 나이가 들면서 증가하여 염증과 섬유증을 유발하고 여러 조직의 재생을 억제하기 때문입니다.

저희 연구에서 이미 늙고 허약하며 약 75~80세 노인과 비슷한 쥐가 치료받았습니다. 우리는 GLP-1 억제제와 옥시토신을 2주 동안 투여했고, 그다음 2주 동안 쥐가 다음 주사를 맞을 때까지 건강 매개변수를 테스트했습니다. 여러분이 여기서 보는 것은 이 요법을 받는 늙고 허약한 동물이 대조군 차량에 비해 더 나아 보이고, 더 튼튼해 보이고, 더 부드러워 보인다는 것입니다.

그리고 놀랍게도, 다른 어떤 발표된 연구보다 훨씬 낫습니다. 이 치료는 가장 약한 부분에서 수명을 157% 연장시키는 결과를 가져왔습니다.

그리고 불행히도, 그것은 수컷 쥐에게만 일어났고 암컷에게는 전혀 그렇지 않았습니다. 기본적으로 이 놀라운 수명 연장(대부분 약 18% 연장) 그리고 사망에 대한 회복력(resilience)도 향상되었습니다. 다시, 이 모든 특징은 수컷 쥐에게만 나타났고 암컷 쥐에게는 나타나지 않았습니다. 저에게는 다소 실망스러울지라도, 여전히 매우 놀랍고 흥미로운 결과입니다. 왜냐하면 수컷과 암컷 사이의 차이가 쥐나 사람뿐만 아니라, 초파리와 벌레, 다양한 동물에 대한 많은 연구에서 관찰되었기 때문입니다.

하지만 여러분이 보시는 것은, 치료법에 대한 반응성 면에서 엄청난 차이가 있다는 것입니다. 즉, 수컷이 다른 어떤 것보다 더 낫다는 것입니다.

치료 4개월 후 이 동물들의 혈청에 대한 단백질체학(proteomics)을 수행했을 때, 수컷에서 무슨 일이 일어나고 있었는지에 대한 약간의 설명을 얻었습니다. 이것은 화산 플롯(volcano plots)입니다. 우리는 대조군과 유의미하게 다른 단백질을 측정하고 있습니다. 염증성 사이토카인 또는 노화 관련 분비 표현형(SASP) 단백질, 즉 노화 세포에 의해 생성되는 단백질의 수가 GLP-1 억제제와 옥시토신 치료 후에 감소했습니다.

우리 몸의 장기 시스템의 건강한 기능에 필수적인 단백질 네트워크들이 모두 정상화되었습니다. 그러나 보시다시피, 암컷은 반응하지 않았습니다. 이것은 화산 플롯이며, 눈에 띄는 단백질이 거의 없었습니다. 그들의 건강 상태에 기여한 단백질은 거의 없었습니다.

우리가 동물을 무작위로 배정했음에도 불구하고, 암컷이 처음부터 수컷보다 더 늙거나 더 허약하지 않았음에도 불구하고 발생했습니다. 이것이 우리가 현재 서 있는 곳입니다. 우리는 노화 패턴뿐만 아니라 장수 치료법에 대한 반응에도 차이가 있다는 것을 압니다. 다음 단계는 이것을 개선하고 건강한 장수를 위한 더 나은 접근법을 설계하는 것일 것입니다. 여러분의 생물학적 나이를 정량화할 뿐만 아니라, 여러분이 삶을 즐길 수 있는 더 많은 시간을 제공하기 위해 노력하는 것입니다.

kukoo@news1.kr