뇌척수액 한 방울로 치매의 종류를 구별할 수 있을까?
원문: Large-scale CSF and plasma proteomics reveal immune, synaptic, and extracellular matrix disruptions across neurodegenerative diseases
게재지: Neuron (2026)
DOI: https://doi.org/10.1016/j.neuron.2026.02.035
한 줄 요약
알츠하이머병(AD), 파킨슨병(PD), 루이소체 치매(DLB), 전두측두엽 치매(FTD) 환자의 뇌척수액(CSF)과 혈장을 대규모로 분석하여, 질환마다 고유한 단백질 경로를 밝히고 머신러닝 기반 질환 분류 모델(AUC 최대 0.95)을 개발한 연구다.
왜 네 가지 치매를 한꺼번에 비교해야 할까?
알츠하이머병, 파킨슨병, 루이소체 치매, 전두측두엽 치매는 모두 뇌가 서서히 손상되는 퇴행성 뇌질환(neurodegenerative disease, ND)이다. 문제는 이들의 임상 증상이 상당 부분 겹친다는 것이다. AD 환자의 상당수에서 TDP-43이나 시누클레인 병리가 발견되고, DLB는 아밀로이드 베타(Aβ)와 시누클레인 병리를 동시에 보인다. 이런 중첩 때문에 정확한 감별 진단이 어렵고, 질환별 맞춤 치료 전략을 세우기도 쉽지 않다.
기존 프로테오믹스(proteomics, 단백질체학) 연구 대부분은 한 가지 질환에만 집중하거나, CSF 또는 혈장 중 하나만 분석했다. 이 연구는 네 가지 주요 퇴행성 뇌질환을 동시에, 그것도 CSF와 혈장 두 조직에서 함께 비교한 최초의 대규모 연구다.
어떻게 연구했나 — 5,700개 샘플의 단백질 지도
연구진은 다기관 코호트에서 확보한 임상적으로 진단된 AD, PD, DLB, FTD 환자와 정상 인지(CO) 대조군의 CSF 및 혈장 샘플을 수집하여 단백질체를 분석했다.
| 구분 | CSF 샘플 수 | 혈장 샘플 수 |
|---|---|---|
| AD | 1,157 | 1,123 |
| DLB | 37 | 122 |
| FTD | 46 | 42 |
| PD | 739 | 779 |
| 정상 대조군(CO) | 726 | 943 |
| 합계 | 2,705 | 3,009 |
분석 플랫폼은 SomaScan 기반 압타머(aptamer) 어세이로, 7,000개 이상의 단백질을 동시에 측정했다. 이후 질환별 차별 단백질 식별, 기존 연구와의 교차 검증, 경로 분석, 세포 유형 농축 분석, 그리고 질환 분류 예측 모델 개발까지 수행했다.
CSF가 혈장보다 질환 신호를 더 잘 잡아낸다
CSF에서는 FDR(false discovery rate) < 0.05 기준으로 AD에서 4,425개, DLB에서 2,862개, FTD에서 3,873개, PD에서 370개의 단백질이 대조군 대비 유의미하게 변했다. 혈장에서는 같은 기준으로 AD 845개, DLB 148개, FTD 597개(명목 유의), PD 154개로 훨씬 적었다.
| 지표 | CSF | 혈장 |
|---|---|---|
| AD 연관 단백질 수 | 4,425 | 845 |
| DLB 연관 단백질 수 | 2,862 | 148 |
| FTD 연관 단백질 수 | 3,873 | 597 (명목) |
| PD 연관 단백질 수 | 370 | 154 |
| 질환 특이적 단백질 비율 | 34% | 81% |
뇌에서 직접 흘러나오는 CSF는 중추신경계(CNS) 병리를 더 직접적으로 반영하는 반면, 혈장은 전신 면역 반응 같은 간접적 변화를 더 많이 포착한다. 흥미로운 점은 CSF에서 발견된 단백질의 50% 이상이 기존 대규모 연구에서 보고되지 않은 새로운 연관성이라는 것이다.
질환마다 다른 분자 경로가 작동한다
연구의 핵심 발견 중 하나는, 네 질환이 공통적으로 면역 이상을 보이면서도 질환마다 고유한 분자 경로가 활성화된다는 것이다. 마치 같은 오케스트라에서 네 곡을 연주하는데, 기본 악기 구성은 비슷하지만 각 곡의 멜로디가 완전히 다른 셈이다.
| 질환 | CSF 특이 경로 | 핵심 단백질 |
|---|---|---|
| AD | N-linked 당화(glycosylation), 세포사멸(apoptosis) | B4GALT1, ST3GAL1, YWHAH, TP63 |
| DLB | IL(인터류킨) 신호전달, FGFR 신호전달 | JAK2, CCL2, CCL11, FGFR3 |
| FTD | 당단백 호르몬, 전사 조절 | INHBA, INHBB, SMAD4, KLF4 |
| PD | 세포-세포 소통, ER 스트레스(ATF4/PERK) | ILK, CD2AP, SOX10, ATF3, NFYA |
AD에서는 아스파라긴 N-linked 당화가 두드러졌다. 이 과정은 소포체(ER)에서 골지체로 이어지는 단백질 접힘과 안정성에 필수적인데, APP와 타우 단백질 축적에도 관여한다. 세포사멸 경로의 활성화는 해마와 대뇌피질의 신경 손실을 설명하는 단서가 된다.
DLB에서는 IL-4, IL-13 신호전달과 FGF 수용체(FGFR) 경로가 특이적으로 농축되었다. CCL2는 단핵구와 미세아교세포를 염증 부위로 불러들여 알파-시누클레인 병리를 악화시킬 수 있고, FGFR3와 FGF 계열 단백질은 신경 가소성 및 복구에 관여한다.
FTD에서는 시상하부-뇌하수체-생식선 축과 관련된 당단백 호르몬 경로가 나타났다. 이는 사회적 인지와 행동을 관장하는 전두엽·측두엽 영역에 영향을 미칠 수 있다.
PD에서는 흑질(substantia nigra)의 도파민 신경 생존에 중요한 세포-세포 소통 경로와, 미스폴딩된 알파-시누클레인이 유발하는 ER 스트레스 반응(PERK/ATF4)이 관찰되었다.
혈장에서도 질환 고유의 지문이 보인다
혈장에서는 CSF와는 다른 각도에서 질환별 특성이 드러났다.
| 질환 | 혈장 특이 경로 | 의미 |
|---|---|---|
| AD | GAG 대사, ECM 조직화, PI3K/AKT 신호전달 | Aβ 응집 조절, 시냅스 회복력 |
| DLB | ERBB2 신호전달, 인터페론 신호전달 | 신경염증, 신경-성상세포 상호작용 |
| FTD | ERBB2 신호전달, 인터페론 신호전달 | 신경교 기능 장애, 면역 이상 |
| PD | FGFR 신호전달, 인슐린 수용체 신호전달, 세포 사멸 | 대사 취약성, 도파민 신경 손실 |
특히 혈장에서는 면역 체계 관련 경로가 모든 질환에서 공통적으로 관찰되었다. TREM2, C3, ITGAM 같은 미세아교세포 관련 단백질과 IL 신호전달 경로가 질환을 가로질러 활성화되어 있었는데, 이는 신경염증이 퇴행성 뇌질환 전반의 공통 기전임을 보여준다.
머신러닝이 질환을 얼마나 정확히 구별할까?
연구진은 반복 LASSO(iterative LASSO) 알고리즘으로 질환별 예측 모델을 개발했다. 결과는 놀라울 만큼 높은 정확도를 보였다.
| 질환 | CSF 모델 AUC | 혈장 모델 AUC |
|---|---|---|
| AD | 0.93 | 0.89 |
| DLB | 0.92 | 0.83 |
| FTD | 0.90 | 0.82 |
| PD | 0.81 | 0.80 |
AUC(area under the curve)는 1에 가까울수록 완벽한 분류를 의미한다. CSF 모델은 전반적으로 혈장보다 우수했으며, 특히 AD 모델은 CSF에서 0.93이라는 높은 정확도를 달성했다. AD와 DLB 사이의 교차 질환 예측도 상당히 높아(CSF AUC = 0.86, 혈장 AUC = 0.77), 두 질환이 분자적으로 유사함을 시사했다.
반면 FTD 모델은 다른 질환에 대한 교차 예측력이 가장 낮아(AUC = 0.57~0.64), FTD의 분자적 독립성을 보여주었다. 혈장 모델은 독립적인 GNPC 코호트에서도 검증되어 AD(AUC = 0.78)와 PD(AUC = 0.73)에서 합리적인 성능을 보였다.
이 연구가 말해주는 것
진단의 새로운 가능성
현재 임상에서 널리 사용되는 바이오마커는 Aβ42와 pTau-181, pTau-217 정도다. 이 연구에서 개발된 프로테오믹스 기반 모델은 이들 전통적 마커와 비슷한 수준의 판별력을 보이면서도, 질환 특이적이고 나이·성별에 독립적이라는 장점이 있다. 특히 치료 경과 모니터링에서 기존 ATN 마커(Aβ, Tau)가 한계를 보이는 영역에서 동적 바이오마커로 활용될 수 있다.
치료 표적의 확장
질환마다 고유한 분자 경로가 밝혀짐으로써, 각 질환에 맞춤화된 치료 전략을 설계할 수 있는 기반이 마련되었다. AD의 당화 경로, DLB의 FGF 수용체 신호전달, FTD의 당단백 호르몬 경로, PD의 ER 스트레스 경로는 모두 잠재적 약물 표적이 될 수 있다.
연구의 한계
- DLB와 FTD 샘플 수가 제한적이다. CSF에서 DLB 37명, FTD 46명으로, AD(1,157명)나 PD(739명)에 비해 현저히 적다. 이는 이 두 질환 모델의 성능이 상대적으로 낮은 원인이 될 수 있다.
- 인종적 다양성이 부족하다. 참가자의 87~92%가 비히스패닉 백인이다. 아프리카계에서는 강한 재현성을 보였지만, 아시아계에서는 상관관계가 약했다.
- 투약 정보가 반영되지 않았다. AD의 아세틸콜린에스터라제 억제제나 PD의 레보도파 같은 약물이 단백질 수준에 영향을 줄 수 있지만, 이 변수가 통제되지 않았다.
- FTD의 병리학적 이질성이 크다. FTD는 타우, TDP-43, FUS 등 다양한 기저 병리를 포함하므로, 하위 유형별 분석이 추가로 필요하다.
- 임상 진단 기반 분석이다. 신경병리학적 확인이 포함되면 모델의 견고성이 더욱 높아질 수 있다.
단백질이 들려주는 뇌의 이야기
퇴행성 뇌질환은 단순히 하나의 단백질이 잘못 접히는 문제가 아니다. 이 연구는 수천 개의 단백질이 얽혀 만들어내는 복잡한 분자 풍경을 보여준다. 같은 면역 이상이라도 질환마다 다른 세포, 다른 경로를 통해 발현된다는 사실은, 왜 하나의 치료법이 모든 치매에 통하지 않는지를 설명해준다. 결국 정밀한 진단이 정밀한 치료의 출발점이다. 뇌척수액과 혈액 한 방울 속에 담긴 단백질의 언어를 해독하는 일이, 치매 정복을 향한 다음 걸음이 될 수 있다.