Corresponding author: Geon Ha Kim, MD, PhD Department of Neurology, Ewha Womans University Mokdong Hospital, Ewha Womans University College of Medicine, 1071 Anyangcheon-ro, Yangcheon-gu, Seoul 07985, Korea 서론
노화는 개인별 이질성이 큰 복합적 과정으로, 뇌 노화(brain aging)는 인지 저하, 신경퇴행성 질환, 정신건강 문제와 밀접하게 연관되어 있다. 특히 연령이 동일하더라도 뇌 구조 및 기능의 감소 속도는 상이하며, 이는 인지 저하 및 노인성 신경퇴행성 질환의 이질성을 설명한다. 따라서 달력 나이와 생물학적 뇌 나이(brain age)의 불일치가 흔히 관찰되므로, 이를 객관적으로 정량화하고 평가할 수 있는 바이오마커의 개발은 임상적·연구적 측면에서 필수적이다.
바이오마커는 생리적·병리적 상태를 반영하고, 질병 진단·예후 예측·치료 반응 모니터링에 활용될 수 있어야 하며, 객관성과 재현성을 갖추어야 한다. 이 논문에서는 뇌 노화 바이오마커의 최신 연구 동향을 정리하고자 한다.
기능적 마커
기능적 마커(functional marker)는 뇌의 실제 수행능력 변화를 반영하며, 인지, 운동, 감각 영역이 포함된다.
1. 인지 기능
일화기억(episodic memory)은 정상 노화에서 가장 민감하게 저하되는 인지 영역으로, 정보의 부호화(encoding), 저장(storage), 인출(retrieval) 과정이 모두 해마(hippocampus)와 내측 측두엽(medial temporal lobe)과 밀접하게 연관된다[1-4]. 임상에서는 auditory verbal learning test, Seoul verbal learning test, cued recall paradigms 등을 활용해 일화기억의 부호화 및 지연회상 능력을 평가하며, 이는 연령 증가에 따른 민감한 변화뿐 아니라 경도인지장애(mild cognitive impairment)의 조기 탐지에도 중요한 역할을 한다[5-7].
처리속도(processing speed) 또한 노화와 가장 일관되게 연관된 인지 영역 중 하나로, 전반적인 인지 처리 효율을 반영하며, 노년기 이후 선형적 감소가 관찰된다. 전두엽(frontal lobes)과 측두엽 회백질 감소, 백질 연결성 저하와 높은 상관성을 가진다. 대표적인 평가 도구로는 trail making test (part A [TMT-A] & part B [TMT-B]), digit symbol coding 등이 있다. 특히 TMT-A는 시각적 주의 및 정보 처리 속도를 평가하고, TMT-B는 전환(set-shifting) 기능을 반영해 실행 기능(executive control) 저하를 민감하게 반영한다[8].
집행기능(executive function)은 주의 조절, 작업기억, 인지적 유연성 등을 포함하며, 전전두엽 기능과 긴밀히 관련된다[9]. 그러나 집행기능 저하는 노화뿐 아니라 다양한 질환·정신건강 상태에서도 나타나기 때문에 노화 특이성이 상대적으로 낮다[10].
언어 기능은 정상 노화에서 단어 회상(word retrieval) 저하 등 경미한 변화가 발생할 수 있으나, 전반적인 언어 이해·표현 능력은 비교적 잘 유지되며, 특이성이 낮아 단독 노화 마커로 활용되기 어렵다[12].
2. 운동 기능
정교한 운동 조절(fine motor coordination)은 노화 과정에서 일관되게 저하되는 기능적 영역이다. 대규모 연구에서 연령 증가와 함께 미세운동 수행능력이 유의하게 저하되며, 이는 회백질(gray matter) 부피 감소와 높은 상관성을 보이는 것으로 나타났다[13].
평가 방법으로는 grooved pegboard test, small pegboard test, spiral drawing test 등이 널리 사용되며, 눈-손 협응(hand-eye coordination), 양손 협응(bimanual coordination), 선 그리기 정확도(line deviation), 진전(tremor) 크기, 속도 및 오류율 등 정량적 지표를 통해 미세운동 기능(motor coordination function)을 평가한다[13,14]. 이러한 검사들은 상지 운동 기능의 민감한 변화를 반영하여 노화 관련 운동 기능 저하를 객관적으로 측정할 수 있는 도구로 활용된다.
3. 감각 기능(Sensory perception)
시각과 청각 기능은 노화 초기에 변화가 나타나지만, 이러한 변화는 대부분 말초 감각 기관(peripheral organ)의 노화와 더 밀접하게 연관된다. 즉, 수정체 혼탁, 망막 변화, 청신경세포 감소 등 말초 감각기 변화가 주요 원인이며, 뇌의 노화 과정 자체를 반영한다고 보기 어렵다. 따라서 시력과 청력 저하는 뇌 노화의 특이적 바이오마커로 활용되기 어렵다[10].
후각 기능(olfaction)은 노화에 따라 점진적으로 저하되며, 해마 위축(hippocampal atrophy), 후각피질 감소, 혈액 내 tau protein 및 neurofilament light chain (NfL) 증가 등 신경퇴행성 변화와 연관되어 왔다. 여러 연구에서 후각 기능 저하가 인지 저하 및 퇴행성 질환의 위험 증가와 관련된 것으로 보고되었지만, 후각 기능 저하는 알츠하이머병·파킨슨병 등 특정 신경퇴행성 질환에서 보다 강하게 나타나는 특징이다[15-17]. 따라서 후각 기능 감소가 신경 노화(neural aging)를 반영하는 측면은 있으나, 질환 특이적 연관성이 강해 노화 특이적 기능 마커로는 권고되지 않는다.
4. 정서 기능
불안(anxiety)은 노인에서 더 흔하게 나타나는 경향이 있으며, 특히 여성 노인에서 유병률이 더 높다. 임상적 유병률은 약 15% 정도로 보고되지만, 건강한 지역사회 기반 노인 표본에서는 중년층과 비교해 더 높지 않은 경우도 많아, 불안 자체가 노화에 특이적인 변화를 반영한다고 보기는 어렵다[18,19]. 우울(depression)은 노년층에서 흔하지만, 노화 자체에 따른 변화라기보다는 신체적 기능 저하, 만성질환, 사회적 환경 변화, 상실 경험, 동반질환 등에 의해 이차적으로 증가하는 경향이 있다. 주요우울장애는 노인에서 오히려 중년보다 낮은 빈도로 보고되며, 대신 약 15-20%가 경도(subclinical) 우울 증상을 보인다[20]. 이러한 정서 변화는 노화 ‘고유의 특징’이라기 보다는 외부 요인 혹은 동반 질환에 의해 나타나는 이차적 현상이기 때문에 뇌 노화의 기능적 바이오마커로는 권고되지 않는다[10].
5. 디지털 바이오마커
최근 스마트폰과 웨어러블 기기의 보급으로 일상생활에서 생성되는 디지털 데이터를 활용해 행동·운동·인지 기능을 연속적으로 측정하는 디지털 바이오마커(digital biomarker) 연구가 빠르게 확대되고 있다. 기존의 임상 기반 평가가 특정 시점의 기능만 반영하는 데 비해, 디지털 기기는 실생활 연속 모니터링(real-world continuous monitoring)을 가능하게 하여 뇌 노화의 미세한 변화를 민감하게 포착할 수 있다는 장점이 있다[21].
예를 들어, 신체 기능(physical function) 영역에서는 스마트폰 또는 웨어러블 내장 가속도계(accelerometer)를 이용해 보행 속도, 보폭, 활동량, 수면 패턴 등 시공간 보행 지표(spatio-temporal gait metrics)를 정량화 할 수 있다. 이는 전통적으로 임상가가 관찰하던 보행 검사보다 더욱 객관적이고 고빈도로 데이터를 제공한다[21-23].
청각·음성(acoustic) 기반 분석에서는 스마트폰 마이크나 웨어러블 오디오 센서를 이용해 일상 대화 속 음성 특성(speech features; 예: 발화 간 정지 시간, 목소리 높낮이[pitch], 말의 속도)을 자동 탐지할 수 있어 노화와 연관된 말하기 패턴 변화를 포착할 수 있다[21]. 인지(cognitive) 영역에서는 스마트폰 사용 패턴(타이핑 속도, 앱 전환 빈도, 이동성) 등 수동 수집 데이터(passive digital data)와 디지털 기반 인지검사(digital cognitive tests)를 결합해 기존 신경심리검사의 한계를 보완한다. 이러한 접근은 인지 저하의 조기 변화를 민감하게 감지할 수 있는 것으로 보고되고 있다[21,24-27]. 시각(visual) 데이터는 스마트폰 카메라나 웨어러블 기반 시선추적(glasses-type eye tracking) 기술을 이용해 시선 이동 패턴(gaze pattern), 깜박임 빈도(blink rate), 동공반응(pupil response), 화면 상호작용(screen interaction metrics) 등을 측정하여 시각·주의 기능 변화를 반영할 수 있다[21,27,28]. 정서 및 증상(sensation & mood) 영역에서는 스마트워치 등 웨어러블을 통해 심박변이(heart-rate variability) 등 생리신호 기반 mood dynamics를 연속적으로 모니터링할 수 있어, 주관적 보고에 의존하던 기존 평가를 보완한다[29]. 디지털 바이오마커는 물리‧인지‧정서‧시각 등 다양한 기능 영역에서 실생활 기반의 연속적·객관적 데이터를 제공하며, 기존 임상검사의 한계를 보완하는 뇌 노화 평가 도구로 빠르게 주목받고 있다.
영상학적 마커(Imaging marker)
1. 구조적 변화
구조적 자기공명영상(structural magnetic resonance imaging, structural MRI)는 회백질·백질 부피, 피질 두께, 피질하 핵의 용적, 미세혈관 병변 등 뇌의 해부학적 특징을 정량화하여 뇌 노화를 평가하는 가장 표준화된 영상 기반 바이오마커이다. 연령 증가에 따라 회백질 감소, 백질 변화, 소혈관 병리 증가가 뚜렷하게 나타나며, 이러한 변화는 인지 기능 저하(cognitive decline) 및 신경퇴행성과 밀접한 연관을 보인다.
1) 뇌 위축
정상 노화 과정에서는 회백질 부피의 점진적 감소가 나타나며, 특히 전두엽과 두정엽(parietal lobes)에서의 감소가 가장 일찍·가장 크게 나타난다. 이 현상은 발달학적·기능적 이론에 기반한 last-in, first-out 패턴으로 설명되며, 고차원적·다중모달(multimodal) 영역이 일찍 퇴행하고 1차 감각·운동 영역은 상대적으로 보존된다[30].
Baltimore Longitudinal Study of Aging의 5년·8년 추적 연구에 따르면[31,32], 전두엽·두정엽 회백질 부피는 연간 감소율이 가장 크며, 측두엽·후두엽은 상대적으로 완만한 감소를 보이는 전후(anterior-posterior) 경사(gradient)가 일관되게 관찰되었다. 피질하 구조(subcortical nuclei)에서도 시상(thalamus), 해마, 창백핵(pallidum), 조가핵(putamen)의 부피 감소가 뚜렷하다. 이러한 영역별 패턴은 정상 노화와 병적 상태(예: 경도인지장애, 초기 알츠하이머병)를 구분하는 데 중요한 단서가 된다[33].
2) 백질 고신호
백질 고신호(white-matter hyperintensities, WMH)는 T2/fluid-attenuated inversion recovery MRI에서 관찰되는 고신호 병변으로, 주로 소혈관병(small-vessel disease)이나 신경교세포 반응에 의해 발생한다. 60세 이후 85% 이상에서 WMH가 관찰되며, 50세 이후 빠르게 증가하여 연령과 강한 비선형적 연관성을 보인다. WMH burden은 전두엽·두정엽 네트워크 감소, 실행 기능 저하, 아밀로이드 베타(amyloid-β, Aβ)와 연관되며 전체 뇌 위축(global atrophy)을 반영하는 지표로도 사용된다. 따라서 WMH는 노화 관련 신경혈관 건강(neurovascular health)을 반영하는 대표적인 영상 마커이다[34,35].
2. 기능적 변화
뇌 기능 네트워크는 정상 노화 과정에서 전반적인 기능적 연결성 감소와 과업 요구에 따른 활성 패턴 변화가 특징적으로 나타난다. 특히 디폴트 모드 네트워크(default-mode network, DMN)와 전두-두정 네트워크(Frontoparietal Network)는 노화와 가장 관련이 깊은 대규모 네트워크이다.
1) 디폴트 모드 네트워크 변화
DMN의 핵심 허브는 precuneus, posterior cingulate cortex (PCC), medial prefrontal cortex, angular gyrus 등이며, 기억 회상(episodic recall), 미래 시뮬레이션(future thinking), 마음 방황(mind-wandering) 등 자발적 내적 인지과정에 관여한다. 정상 노화에서 DMN 내 기능적 연결성(functional connectivity)이 지속적으로 감소한다. 이러한 감소는 기억력 저하와 평행하게 나타나며, 특히 경도인지장애에서는 DMN 연결성이 정상 노화보다 더 크게 감소한다. 또한 정상 노인에서 DMN에서 휴지 상태 기능적 연결성(resting-state connectivity)의 전반적 약화가 나타나, DMN 연결성 저하가 가장 대표적인 뇌 기능 노화 지표임을 제시하였다[38,39].
2) 전두-두정 네트워크
전두-두정 네트워크(frontoparietal network, FPN)는 젊은 성인에서 휴식 상태에서도 활발하게 동원되지만, 노년층에서는 활성도 및 기능적 연결성 감소가 일관되게 관찰된다. FPN 연결성 감소는 전두엽·백질 무결성 감소(white-matter integrity loss) 및 회백질 부피 감소와 밀접하게 연관된다[40]. 이는 주의, 작업기억(working memory), 실행 기능 저하와 관련된다. 또한 FPN 변화는 보상(compensation)이 아닌 네트워크 연결성 소실(loss)로 해석하는 것이 적절하다[10].
3) DMN-해마 연결성
DMN과 해마 간 기능적 연결성(DMN-hippocampus coupling)은 노인의 기억 수행(memory task performance)과 직접적으로 연관된다. 연결성 강도가 높을수록 기억 점수가 높으며, 이러한 감소는 해마 위축 및 DMN 기능 저하와 병행해 나타난다[41].
4) Decline 대 adaptation framework 모델
Decline framework는 노화 시 신경 특이성(neural specificity)이 감소하는 현상을 설명한다[42]. 예를 들어, 노인은 젊은 성인에 비해 parahippocampal place area와 fusiform face area의 자극 특이성 반응이 감소하고, 같은 과제를 수행할 때 전반적 신경 활성(neural activation)도 낮게 나타난다[43,44].
이는 특정 기능 또는 네트워크가 먼저 저하되는 전형적인 기능적 노화(functional aging) 패턴이다. Adaptation framework은 노화된 뇌가 일부 상황에서 더 많은 신경 자원을 동원하여 기능을 유지하려는 보상적 변화로 설명된다[35]. 노인은 젊은 성인에 비해 사회·정서적으로 의미 있는 자극에 대해 과활성(increased neural activation)이 발견되고, 감각운동과제(sensorimotor task)에서 측두두정 접합부(temporo-parietal junction), 배내측 전전두피질(dorsomedial prefrontal cortex)와 같은 대체 네트워크(alternative recruitment)를 동원하는 경향을 보인다. 이러한 변화는 보상 가능성을 보여주는 것으로, DMN·FPN 변화를 보완하는 기능적 적응 양상을 설명한다.
네덜란드 Rotterdam Study (n=2,878, 연령 50-95세)에서는 휴지 상태 기능적 연결성(resting-state functional connectivity)을 분석해 다음과 같은 패턴을 확인하였다[45]. 계층적 군집 분석(hierarchical clustering)을 통해 DMN, 감각 운동 네트워크(sensorimotor network), 복측 주의 네트워크(ventral attention network)에서는 기능 연결성이 나이에 따라 감소하는 양상이 관찰된 반면, 시각 네트워크에서는 오히려 연령 증가에 따라 기능 연결성이 증가하는 현상이 확인되었다. 또한 네트워크 간 연결성(inter-network connectivity)에서는 나이에 따라 증가하는 연결과 감소하는 연결이 거의 비슷한 비율로 나타났다. 이는 노화가 단순한 연결성의 전반적 감소가 아니라, 기능적 재조직화(reorganization) 과정임을 의미한다. 즉 일부 네트워크에서는 연결성이 감소하지만, 다른 네트워크에서는 보상·보완적 연결성이 증가하여 통합과 분화가 동시에 일어나는 복합적 노화 패턴을 보인다. 이러한 변화는 구조적 변화보다 더 조기에, 더 미세하게 노화 신호를 포착할 수 있어, 기능적 연결성이 향후 신경퇴행성 질환의 유망한 바이오마커로 주목받고 있다.
3. 18F-fluorodeoxyglucose positron emission tomography
18F-fluorodeoxyglucose positron emission tomography (FDG-PET)는 뇌 포도당 대사(glucose metabolism)를 측정하여 기능적 노화를 평가하는 주요 영상 기법이다. 정상 노화에서는 전두엽과 두정엽을 중심으로 전반적인 뇌 포도당 대사 저하(FDG uptake reduction)가 나타난다. 이러한 대사 저하 부위는 연령 관련 뇌용적 감소(age-related volume loss)가 두드러지는 부위와 일치하며, 구조적 변화와 기능적 대사 감소가 밀접하게 연관됨을 시사한다[46-48].
반면, 알츠하이머병 또는 경도인지장애 단계에서는 FDG-PET 대사 저하 양상이 정상 노화와 명확히 구분된다. 가장 특징적인 변화는 PCC 및 temporoparietal cortex에서 나타나는 뚜렷한 저대사(hypometabolism)이다. 특히 이러한 영역의 저대사는 빠른 인지 저하와 알츠하이머병으로의 전환 위험 증가와 밀접하게 연관되는 것으로 보고되었다[49]. 따라서 FDG-PET의 영역별 대사 패턴은 정상 노화에 의한 대사 감소와 알츠하이머병의 병적 대사 변화를 구별하는 데 유용하며, 초기 병적 인지 변화 탐지에 중요한 영상 바이오마커로 활용된다.
4. 뇌영상 기반 뇌 나이 예측(Brain age modeling)
뇌영상 기반 뇌 나이 모델링은 신경영상 자료에 기계학습(machine learning)을 적용하여 개인의 뇌 노화 정도를 정량화하는 접근으로, 최근 뇌 노화 연구에서 널리 활용되고 있다[50]. 주로 구조적 MRI를 대규모 정상 노인 데이터셋에 학습시켜 연령에 따른 뇌 형태학적 패턴(neuroanatomical aging patterns)을 생성한 뒤, 이를 개인의 MRI에 적용하여 예측 뇌 나이(predicted brain age)를 산출한다. 이때 brain age gap (BAG)은 예측 뇌 나이-실제 연령(chronological age)의 차이로 정의된다. 양수 BAG (positive BAG)은 뇌 구조가 실제 연령보다 더 노화된 상태를 의미하며, 음수 BAG (negative BAG)은 상대적으로 보존된(brain resilience) 혹은 늦춰진(brain-slowing) 노화를 반영한다.
BAG은 단순한 구조적 부피 감소를 넘어, 노화 취약성(brain vulnerability)을 정량적으로 평가할 수 있는 지표로 제안되고 있다. 여러 연구에서 BAG은 인지 기능 저하, WMH 부담 증가 신경퇴행성 단백질 바이오마커(예: NfL, tau proteins) 증가와 연관되어 있다고 보고된다. 뿐만 아니라 BAG은 알츠하이머병, 경도인지장애, 정신질환(우울증, 조현병 위험군), 대사질환(당뇨병) 등 다양한 질환에서 병적 노화의 조기 지표로 활용되고 있으며, 미래 인지 저하 속도를 예측하는 데 유용한 것으로 제시되고 있다[50].
체액 마커(Body fluid marker)
혈액 및 뇌척수액(cerebrospinal fluid, CSF) 기반 바이오마커는 뇌 노화를 반영하는 핵심 지표로, 신경세포 손상(neuronal injury), 교세포 반응성(glial reactivity), 혈관 노화(cerebrovascular aging), 전신적 노화(systemic aging)와 관련된 다양한 분자가 포함된다. 최근에는 단백질체(proteomics) 및 후성유전학(epigenetics) 기반 생물학적 노화 시계(biological aging clock)가 빠르게 발전하고 있다.
1. 신경세포 관련 마커(Neuron-related biomarker)
1) Tau protein (total tau, t-tau; phosphorylated tau, p-tau)
Tau는 신경세포 미세소관 안정화를 담당하는 단백질로, 과인산화된 형태가 축적되면 신경섬유엉킴(neurofibrillary tangles)을 형성에 관여한다. 정상 노화에서도 t-tau와 p-tau 농도가 완만히 증가하지만, 알츠하이머병이나 기타 타우병증(tauopathies)에서도 병적 상승이 나타날 수 있어 구별되어야 한다.
2) Neurofilament light chain
NfL은 축삭(axon)의 구조적 단백질로, 축삭 손상 시 혈액·CSF로 방출된다. 노화 과정에서 NfL은 중년(midlife) 이후 비선형적(non-linear)으로 증가하며, 60세 이후 증가 속도가 가속화되는 경향을 보인다. NfL 증가는 인지 저하와 연관 되어있고 해마 부피 감소, WMH 증가와 상관이 있으며, 노화시 발생하는 전반적인 뇌 위축(brain atrophy) 및 미세혈관 질환과 유의하게 연관되어 있다[53].
2. 교세포 관련 마커(Glial-related biomarker)
1) Soluble triggering receptor expressed on myeloid cells 2
Soluble triggering receptor expressed on myeloid cells 2는 미세아교세포(microglia) 활성의 대표 지표로, 정상 노화와 함께 상승한다고 알려져 있다. 정상 노화뿐만 아니라 알츠하이머병에서 Aβ 축적 및 tau protein 상승과 병행하여 증가하며 WMH 증가 및 인지 저하 위험 증가와 연관되어, 신경염증(neuroinflammation)의 조기 지표로 활용될 수 있다[54].
3. 뇌혈관·전신성 마커(Cerebrovascular & systemic marker)
1) Soluble platelet-derived growth factor receptor beta
Soluble platelet-derived growth factor receptor beta (sPDGFR-β)는 혈관주위세포(pericytes) 손상과 혈액-뇌 장벽(blood brain barrier, BBB) 기능 저하를 반영한다. CSF sPDGFR-β는 20세 이후 꾸준히 증가하는 것으로 보고되며, BBB 누출, 신경혈관 결합(neurovascular coupling) 장애를 나타내는 민감한 지표다. 이는 인지 저하 및 뇌 취약성(brain vulnerability)의 조기 마커로 주목받고 있다[10].
4. 단백질체 기반 노화 시계(Proteomic clock)
최근 UK Biobank 대규모 코호트(n=51,904)를 활용한 연구에서는, 약 3,000개 이상의 혈장 단백질체를 측정하고 기계학습 기반 모델을 구축하여 생물학적 나이를 정량화하는 proteomic aging clock이 제시되었다[56]. 이 모델은 총 227개 단백질이 연령 관련 변화 및 건강노화 지표(healthspan, frailty risk, chronic disease burden 등)와 유의하게 연관됨을 보여주었다. 특히 노화와 가장 강하게 연관된 단백질로 CXCL13 (염증 관련), DPY30 (후성유전 조절), IGFBP4 (성장인자 결합), SHISA5 (apoptosis 관련) 등이 확인되었다. 또한 연령에 따른 단백질 변화는 선형적이지 않고, 약 44세, 60세, 66세 전후에서 변화 기울기가 급격히 증가하는 aging waves가 관찰되어, 중년기와 후기 노년기에 생물학적 전환점이 존재함을 시사하였다. 단백질 기반 시계는 질병 전 단계의 노화 속도를 보다 정교하게 반영하여 면역, 성장, 염증, 세포사멸 등 다차원적 분자 경로를 통합한 노화 패턴을 제시할 수 있다.
한편, 단백체 기반 노화 시계는 뇌를 포함한 장기별 노화를 정밀하게 반영하는 방향으로 발전하고 있다. 최근 UK Biobank 기반 연구[57]에서는 11개 장기의 단백체 노화 서명을 도출하였고, 특히 뇌 생물학적 연령의 가속은 알츠하이머병 발생 위험을 약 3배 증가시키는 것으로 보고되었다. 또한 뇌와 면역계의 단백체 연령은 사망 위험을 독립적으로 예측하였으며, 젊은 뇌와 면역계를 동시에 보유한 집단은 가장 낮은 사망 위험을 보여 장기 노화 지표가 예후 바이오마커로 활용될 가능성을 시사하였다.
또한 Atherosclerosis Risk in Communities Study와 Multi-Ethnic Study of Atherosclerosis를 기반으로 한 연구에서[58], 혈장 단백질 기반 노화 시계(proteomics-based aging clock)를 구축하여 생물학적 나이 가속(biological age acceleration)이 인지 기능 저하 및 치매 위험과 연관되는지를 분석하였다. 중년과 노년 모두에서 생물학적 나이 가속이 클수록 전반적 인지 기능이 낮았으며, 특히 집행기능 저하와 유의한 관련을 보였다. 5년 단위의 생물학적 나이 가속은 중년기에서 치매 위험을 20% 증가시켰고, 노년기에서는 2배 이상 증가시켰다. 이 결과는 단백체 기반 노화 지표가 치매 위험 예측 및 조기 위험군 선별을 위한 유망한 바이오마커가 될 수 있음을 시사한다.
단백체 기반 노화 시계의 장점은 혈액 기반 검사로 반복 측정이 가능하고, 장기 특이적 생물학적 노화 정보를 제공할 수 있다는 점이다. 반면, 분석 플랫폼 간 이질성, 배치 효과, 비용 대비 효율성, 장기간 추적 자료 부족 등의 한계가 존재하여 임상 현장 적용을 위해서는 표준화된 분석 체계 구축과 대규모 검증 연구가 필요한 상황이다.
5. 후성유전학적 시계
후성유전학적 시계(epigenetic clock)는 DNA 메틸화(DNA methylation) 패턴에 기반하여 생물학적 나이를 추정하는 기법으로, 가장 널리 확립된 분자 기반 노화 지표이다[59]. 특히 특정 CpG 부위(CpG sites)의 메틸화 수준을 분석하는 접근은 Horvath 시계와 Hannum 시계로 대표되는 1세대(epigenetic first-generation) 시계로부터 시작되었다[59]. 이후 사망률, 만성질환 부담, frailty 등 건강 관련 지표를 반영하기 위해 개발된 2세대 시계가 개발되었으며, 대표적으로는 PhenoAge (513 CpGs)와 GrimAge가 포함된다[60,61]. 특히 GrimAge는 혈장 단백질(plasma protein) 및 흡연 노출 지표(smoking pack-year surrogate)를 통합한 모델로, 사망 위험과 건강수명의 예측력이 가장 우수한 후성유전학적 시계로 알려져 있다[61].
최근에는 기존 후성유전학적 시계의 한계를 보완하기 위해 기능 중심의 노화 시계가 개발되고 있다. 최근 연구에서는 인지, 보행, 감각, 심리, 활력의 5개 요소를 통합한 intrinsic capacity 기반 후성유전학적 시계를 개발하였으며, 이는 기존 Horvath·Hannum·PhenoAge·GrimAge 시계보다 전체 사망 및 심혈관·뇌졸중 사망 예측력이 우수하였다. 또한 이 시계는 면역노화, 만성염증, 혈중 타우 및 생활습관 요인과 밀접한 연관성을 보였으며, 분자적 연령을 넘어 기능적 노화를 반영하는 새로운 패러다임을 제시하였다[62].
한편 말초혈액 기반 시계의 한계를 극복하고자 뇌 조직 특이적(epigenetic cortical clock) 후성유전 시계도 개발되고 있다[63]. 뇌 조직 특이적(epigenetic cortical age) 후성유전 시계가 개발되었으며, 특히 신경세포에 풍부한 CpH methylation 및 DNA hydroxymethylation과 같은 신경세포 특이적(neuron-specific) 후성유전 수정 패턴을 반영한다. 이러한 뇌 조직 특이적 후성유전 신호는 기존의 말초 기반 시계보다 신경세포 노화(neuronal aging)를 더 직접적으로 반영할 수 있어, 차세대 뇌 노화 바이오마커로 주목받고 있다[59,63].
통합적 접근
노화는 단일 경로나 특정 장기에 국한된 현상이 아니라, 여러 생물학적 시스템이 동시에 변화를 겪는 복합적 과정이다. 혈액 기반 임상검사, 후성유전학적 변화, 유전자 발현, 단백질체 및 대사체 변화 등 노화를 구성하는 생물학적 신호는 각각 서로 다른 속도로 나타나며 개인과 조직 간 이질성이 매우 크다. 이러한 이유로 단일 바이오마커(single-variable marker)는 체계적(system-wide) 노화의 복잡성을 충분히 설명하기 어렵고, multi-omics 접근과 다중 지표 통합 모델을 기반으로 한 복합 바이오마커(composite biomarker) 개발이 필수적이다[59,64].
또한 생물학적 나이는 실제 나이와 일치하지 않으며, 동일 연령군 내에서도 조직·장기별 노화 속도는 크게 달라질 수 있다. 예를 들어, 50세 개인이 40세 수준의 생물학적 프로필을 보일 수 있고, 동일한 개인에서도 신경계·면역계·대사계 노화 속도가 서로 다르게 진행될 수 있다. 따라서 하나의 단일 지표보다 다중 생물학적 나이 지표(multiple biological age indicator)를 활용해 서로 다른 노화 신호를 포착하는 접근이 권장된다.
노화 바이오마커 개발 과정은 크게 네 가지 단계로 요약될 수 있다.
첫째, 관찰 가능한 변수를 선택하는 과정으로, 임상검사(약 10-100개의 지표)부터 DNA 메틸화 또는 유전자 발현(10⁵-10⁷개의 변수)에 이르기까지 광범위한 생체 정보 및 다양한 뇌영상정보가 잠재적 후보로 고려된다. 이 단계의 핵심은 노화 과정을 반영할 수 있는 충분히 다양한 입력 변수를 확보하는 것이다.
둘째, 기계학습을 적용하여 선택된 변수를 통합·최적화하는 과정이다. 기계학습 기반 모델은 다중 공선성(multicollinearity)과 과적합(overfitting)을 최소화하면서 연령, 질병 위험 또는 사망률(mortality risk)을 가장 잘 예측하는 조합을 추출하도록 설계된다. 이 과정을 통해 임상적 또는 생물학적 의미가 높은 복합 지표를 도출할 수 있다.
셋째, 독립된 검사 집단에서 모델의 성능을 평가하고 검증(test & validation)하는 단계이다. 이는 모델이 훈련 데이터에 국한되지 않고 외부 데이터에서도 일반화되는지 평가하는 필수 과정으로, 노화 바이오마커의 신뢰성과 예측력을 확보하기 위해 반드시 필요하다.
넷째, 개발된 모델을 기반으로 연령 가속도(age acceleration)를 계산하는 단계이다. 이는 개인 수준에서 정상(reference) 노화 곡선으로부터의 이탈 정도를 정량화한 것으로, 양의 잔차(residual)는 가속화된 노화(accelerated aging), 음의 잔차는 지연된 노화(decelerated aging)를 의미한다. 이러한 접근은 단순한 연령 추정뿐 아니라, 노화 취약성(brain/body vulnerability)의 조기 탐지, 건강수명(healthspan) 감소 위험 예측, 질병 민감성 증가 여부 등을 정량적으로 평가하는 데 활용된다.
종합하면, 통합적 노화 바이오마커 개발은 다중 생물학적 데이터의 선택-통합-검증을 포함하는 체계적 과정으로 이루어지며, 생물학적 나이의 개인차를 설명하고, 건강한 노화와 병적 노화를 구분하는 정밀의학적 접근의 핵심 요소로 자리 잡고 있다. 이러한 복합 지표 기반 접근은 궁극적으로 맞춤형 노화 평가, 질병 위험 예측, 예방 전략 수립에 중요한 기여를 할 것으로 기대된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
