생물학적 나이(Biological Age, BA)는 사회적 나이(Chronological Age, CA)보다 과학적이며 노화의 정도를 정확하게 측정하는 일반적 모델(Common Model, CM)이라 할 수 있습니다. 흔히 신체 나이로 불리는데 혈액 내 단백질을 사용하여 신체 기관(장기 등)의 나이를 측정하면 개인의 건강 위험도를 예측하여 건강 상태에 실질적으로 개입할 수 있습니다.

생물학적 나이(Biological Age, BA) 이해

생물학적 나이(Biological Age, BA)와 사회적 나이(Chronological Age, CA)의 차이는 무었입니까?

생활 연령은 단순히 출생 이후 경과한 시간의 양인 반면, 생물학적 연령은 생활 연령과 관련하여 개인의 신체가 어떻게 기능하는지 추정하는 것입니다. 다양한 바이오마커를 기반으로 한 노화의 척도입니다.

바이오마커의 영향

생물학적 연령 결정은 바이오마커에 크게 의존합니다. 이는 생물학적, 생리학적 과정의 상태를 나타낼 수 있는 생물학적 매개변수입니다. 일반적인 바이오마커에는 대사 기능, 장기 건강, 세포 노화 등의 지표가 포함됩니다.

생물학적 연령을 추정하는 다양한 방법

1. 다중 선형 회귀(MLR)
   • 이 통계 방법은 여러 변수를 사용하여 값(생물학적 연령)을 예측합니다. 이는 변수 간의 선형 관계를 가정하는 전통적인 접근 방식입니다.
2. 주성분 분석(PCA)
   • 상관관계가 있는 변수(바이오마커) 집합을 상관관계가 없는 변수 집합으로 변환하는 통계 절차입니다. 이 방법은 노화에 가장 크게 기여하는 주요 바이오마커를 식별하는 데 사용됩니다.
3. Klemera 및 Doubal(KDM)
   • KDM은 생물학적 연령을 추정하기 위해 특별히 고안된 복잡한 통계 접근 방식입니다. 다양한 바이오마커의 비선형 및 상호작용 효과를 고려합니다.
4. 딥 러닝
   • 신경망을 사용하여 데이터의 복잡한 패턴을 분석하는 고급 컴퓨팅 접근 방식입니다. 딥 러닝은 수많은 바이오마커 간의 비선형 관계와 상호작용을 처리할 수 있어 잠재적으로 생물학적 연령에 대한 보다 정확한 추정치를 제공할 수 있습니다.
5. 장기/계통 특이적 마커
   • 관련 바이오마커를 사용하여 특정 장기 또는 시스템의 생물학적 연령을 평가할 수 있습니다. 예를 들어, 심장 건강은 혈압, 콜레스테롤 수치와 같은 바이오마커로 평가할 수 있고, 뇌 노화는 인지 테스트로 평가할 수 있습니다.

신체기관(장기)의 노화 및 질병 추적

모든 생물의 노화 속도는 다릅니다. 또한, 동물실험 결과 “동일 유기체 내에서도 다른 기관의 노화 속도가 다를 수 있다.”라는 것을 발견했습니다. 그러나 이러한 사실이 인간에게도 같은지에 대한 여부는 정확하지 않았습니다.

인간의 다양한 기관 노화를 추적하기 위한 방법은 무었입니까?

스탠포드 대학의 Tony Wyss-Coray 박사가 이끄는 NIH 지원 연구팀은 인간의 다양한 기관 노화를 추적하기 위한 방법을 개발하기 위해 5,600명 이상의 성인으로부터 얻은 혈장 내 약 5,000개의 단백질 수준과 다양한 기관의 유전자 활동을 분석했습니다.

기계 학습을 통해 알아낸 중요한 사실은 무었입니까?

거의 900개의 단백질이 특정 기관에 풍부하다는 것을 확인 하였으며, 이는 단백질의 혈장 수준을 사용하여 생물학적 나이를 추정하기 위한 기계 학습 모델을 훈련을 통해 확인 했습니다.

그리고 이 모델은 지방 조직, 동맥, 뇌, 심장, 면역 조직, 내장, 신장, 간, 폐, 근육 및 췌장 등 11개 기관에 대해 훈련 되었습니다.

1. 노화 가속 발견
   • 약 20%의 사람들이 단일 기관에서 노화가 가속화되는 것으로 나타났습니다. 한 개 이상의 기관에서 노화가 가속화된 비율은 2% 미만이었습니다.
2. 노화가 가속화된 특정 장기와 여러 질병 사이의 연관성 발견
   • 9가지 노화 관련 질병에 대한 데이터를 조사한 결과, 어떤 장기가 노화 되든 사망 위험이 15~50%높아진다는 것을 밝혀냈습니다.
     • 신장 노화가 가속화된 사람들은 고혈압과 당뇨병에 더 취약했으며,
     • 심장 노화와 심방세동 및 심장마비가 연관되어 있었으며, 15년이 지난 후에는 심부전 위험이 2배이상 증가 했습니다.

특정 단백질이 질병진행을 예측 할수 있습니까?

특정 단백질등이 여러 질병에 대한 진행 상태와 예측 가능성을 제시 했습니다.

1. 뇌 노화와 알츠하이머병
   • pTau-181 단백질은 알츠하이머병의 확립된 혈액 기반 바이오마커로, 뇌 노화와 관련된 다른 단백질과 함께 알츠하이머병 진행을 예측할 수 있다는 사실을 발견했습니다.
2. 동맥 노화와 인지 장애
   • 동맥 노화와 관련된 단백질은 경도 인지 장애의 발병을 예측하는 데 사용될 수 있습니다. 이는 초기 인지 저하의 분자 과정과 관련이 있습니다.

결론

인공 지능이 우리에게로 다가온 후로는 생활방식 전반에 혁신적인 작업과 제품들이 쏟아져 나오고 있습니다. 이 모델을 기반으로 장기별 연령 측정이 가능해지며 이로 인해 정확한 생물학적 나이를 추정하면 “각 신체 기관(장기)별 관련 질병에 대한 개인 위험도”를 예측할 수 있습니다.

이는 개별 맞춤 건강상태에 대한 케어가 가능한 사회로의 진입을 의미합니다. 다만 아직 실험단계이고 더 많은 실험과 데이터가 축적되어야 하며 성공한다면 의료분야에 또 다른 혁신으로 다가올 것입니다.

참고자료

1. Organ aging signatures in the plasma proteome track health and disease. Oh HS, Rutledge J, Nachun D~
2. Progress in biological age research Zhe Li, 1 , 2 , † Weiguang Zhang, Chen 2~