예전에 피 한 방울로 모든 질병을 진단하겠다던 분이 있었는데 오늘도 그런 비슷한 내용입니다. 다만 그분과는 달리 진짜 피 한 방울(보다는 많은..)로 많은 것을 알 수 있도록 하는 기술에 대한 내용입니다. 우리 몸속에 있는 피 안에는 우리 몸의 상태를 알려주는 많은 것들이 담겨져 있습니다. "간이 좀 피곤한거 같은데?", "저기에 염증이 생겼어!" 라고 끊임없이 알려주기 위해 신호들을 주고 받고 있습니다. 이 신호를 잡아내는 기술들이 진짜 맞는지 한번 비교를 해봤다고 합니다. Current landscape of plasma proteomics from technical innovations to biological insights and biomarker discovery라는 제목으로 혈장 속에 있는 단백질들을 분석하는 단백질 분석 플랫폼 경진대회를 한것입니다.
DOI: 10.1038/s42004-025-01665-1
※ 최근에 나온 연구 결과로는 여기서 언급된 단백질 분석 플랫폼 중 하나인 SomaScan이 성능이 가장 좋다는 결과가 있었는데 기회되면 그 논문도 한번 올려보도록 하겠습니다. :)
gemini
안녕하세요! 요청하신 대로 업로드해주신 **"Current landscape of plasma proteomics: from technical innovations to biological insights and biomarker discovery"** 논문의 핵심 내용을 일반 성인 독자들이 이해하기 쉽게 요약해 드립니다.
---
# 🩸 내 몸의 건강 신호등, 혈장 단백질 분석의 미래를 엿보다
우리 몸속을 흐르는 혈액, 그 중에서도 노란빛을 띠는 액체 성분인 '혈장(Plasma)'은 우리 건강 상태를 알려주는 보물창고와 같습니다. 여기에는 수만 가지의 단백질이 들어있는데, 이 단백질들의 종류나 양이 변하는 것을 관찰하면 암이나 치매 같은 질병을 조기에 발견할 수 있습니다. 이를 '혈장 단백질체학(Plasma Proteomics)'이라고 합니다.
하지만 혈장 속 단백질을 분석하는 기술은 매우 다양하고 복잡합니다. 최근 Nature Portfolio 저널인 *Communications Chemistry*에 발표된 이 논문은 현재 사용되는 **8가지 주요 단백질 분석 플랫폼을 직접 비교**하여 어떤 기술이 가장 정확하고 효율적인지를 밝혀냈습니다.
### 1. 연구 배경: 왜 혈장 단백질이 중요한가요?
단백질은 우리 몸의 모든 생명 현상에 직접 관여합니다. 혈액은 온몸을 돌기 때문에, 특정 장기에 병이 생기면 관련 단백질이 혈액으로 흘러나옵니다. 따라서 혈액 한 방울로 건강을 체크하는 '바이오마커(Biomarker)'를 찾는 것이 과학계의 큰 숙제입니다. 하지만 혈장에는 너무 많은 양의 단백질(예: 알부민)과 아주 극소량만 존재하는 단백질이 섞여 있어, 이를 모두 정확히 찾아내는 것은 기술적으로 매우 어려운 도전이었습니다.
### 2. 연구 목적: 8가지 기술의 '진검승부'
지금까지 단백질을 분석하는 여러 기술이 나왔지만, 동일한 혈액 샘플을 가지고 이 기술들을 한꺼번에 비교한 연구는 거의 없었습니다. 연구팀은 **젊은 층(18~22세)과 노년층(55~65세) 총 78명의 혈액**을 사용해, 현재 가장 앞서가는 8가지 분석 기술의 성능을 낱낱이 파헤쳤습니다. 어떤 기술이 더 많은 단백질을 찾아내는지, 그리고 얼마나 정확한지를 확인하는 것이 이번 연구의 목표입니다.
### 3. 연구 방법: 어떻게 비교했나?
연구팀은 크게 두 가지 방식의 기술들을 비교했습니다.
* **친화성 기반 방식(Affinity-based):** 낚시찌처럼 특정 단백질에만 달라붙는 '압타머'나 '항체'를 이용해 단백질을 잡아내는 방식입니다. (예: SomaScan, Olink, NULISA)
* **질량 분석 기반 방식(Mass Spectrometry):** 단백질을 잘게 쪼갠 뒤 그 무게를 정밀하게 측정해 종류를 알아내는 방식입니다. (예: Seer Proteograph, Biognosys 등)
### 4. 연구 결과: 누가 가장 뛰어났을까?
*
**발견의 제왕, SomaScan:** 'SomaScan 11K'라는 기술은 무려 **10,000개 이상의 단백질**을 감지해내며 가장 넓은 분석 범위를 보여주었습니다. 또한, 여러 번 반복 측정했을 때 결과가 가장 일정하게 나오는 '정밀도' 면에서도 우수했습니다.
*
**정확도의 표준, MS-IS Targeted:** 질량 분석 방식 중에서도 특정 표준 물질을 사용하는 방식은 단백질의 정확한 수치를 측정하는 '골드 표준'의 역할을 톡톡히 했습니다.
*
**기술마다 결과가 다르다?:** 흥미롭게도 동일한 단백질을 측정하더라도 기술에 따라 수치가 다르게 나타나는 경우가 많았습니다. 이는 각 기술이 단백질의 서로 다른 부위를 인식하거나, 분석 과정에서의 특성이 다르기 때문임이 밝혀졌습니다.
### 5. 고찰 및 시사점: 연구가 우리에게 주는 메시지
이번 연구를 통해 **"모든 상황에 완벽한 단 하나의 기술은 없다"**는 사실이 확인되었습니다.
* 새로운 질병 마커를 폭넓게 탐색하고 싶다면 **SomaScan**이나 **Olink** 같은 대규모 분석 플랫폼이 유리합니다.
* 이미 알고 있는 특정 단백질의 양을 아주 정확하게 재고 싶다면 **질량 분석(MS)** 방식이 더 적합할 수 있습니다. 또한, 연구팀은 이 기술들을 활용해 **나이(Aging)와 관련된 단백질 마커**들을 성공적으로 찾아냈으며, 이는 기존의 대규모 공공 데이터(UK 바이오뱅크)와도 일치함을 확인했습니다.
### 6. 이 연구가 왜 중요한가요? (결론)
이 연구는 단순한 기술 비교를 넘어, 미래의 **'맞춤형 정밀 의료'를 위한 가이드북**을 제시했다는 점에 큰 의미가 있습니다.
1.
**질병 진단의 정확도 향상:** 어떤 기술이 특정 질병(예: 노화 관련 질환)을 더 잘 찾아내는지 알려줌으로써, 더 정확한 진단 키트 개발을 가능하게 합니다.
2.
**신약 개발 가속화:** 약물을 투여했을 때 단백질 수치가 어떻게 변하는지 가장 잘 관찰할 수 있는 도구를 선택할 수 있게 도와줍니다.
3.
**데이터의 신뢰성 확보:** 연구자들이 자신의 연구 목적에 맞는 최적의 플랫폼을 선택할 수 있는 객관적인 근거를 제공하여, 전 세계 단백질 연구의 수준을 한 단계 끌어올렸습니다.
결국, 이 연구는 우리가 병원에 가서 피 한 방울만 뽑아도 내 몸의 구석구석을 정확히 진단받을 수 있는 세상을 한발 더 앞당기는 중요한 밑거름이 될 것입니다.
chatGPT
아래 내용은 Nature Portfolio의 학술지 Communications Chemistry에 2025년 게재된
**“Current landscape of plasma proteomics: from technical innovations to biological insights and biomarker discovery”** 논문을 바탕으로, 일반 성인 독자를 대상으로 쉽게 풀어 쓴 요약입니다.
---
# 혈액 속 단백질을 얼마나 잘 볼 수 있을까?
## — 8가지 최첨단 혈장 단백질 분석 기술을 한 번에 비교한 연구
---
## 1. 연구 배경
우리 몸의 혈액 속 ‘혈장(plasma)’에는 수천 종의 단백질이 들어 있습니다. 이 단백질들은 염증, 노화, 비만, 심혈관 질환, 신경질환 등 다양한 생리·병리 상태를 반영합니다.
혈장은 채혈만으로 비교적 쉽게 얻을 수 있기 때문에, 질병을 조기에 발견하거나 치료 효과를 예측하는 **바이오마커(질병 지표)**를 찾는 데 매우 유망한 자원입니다.
하지만 문제가 있습니다.
* 혈장 단백질 농도는 **10억 배 이상 차이 나는 넓은 범위**를 가짐
* 개인 간 차이가 크고
* 측정 기술에 따라 결과가 달라질 수 있음
* 일부 기술은 특정 단백질만 측정 가능
* 어떤 기술은 정량 정확도는 높지만 범위가 좁음
그런데 지금까지는 **여러 플랫폼을 동일한 사람들의 샘플로 직접 비교한 연구가 거의 없었습니다.**
이 연구는 바로 그 공백을 메우기 위해 수행되었습니다.
---
## 2. 연구 목적
이 연구의 핵심 목적은 다음과 같습니다.
> 서로 다른 8가지 혈장 단백질 분석 기술을 동일한 샘플에 적용하여
> 기술적 성능, 재현성, 단백질 검출 범위, 생물학적 해석력,
> 바이오마커 발견 가능성을 체계적으로 비교하는 것
특히,
* 어떤 플랫폼이 더 많은 단백질을 보는가?
* 어떤 플랫폼이 더 정확한가?
* 플랫폼 간 결과는 얼마나 일치하는가?
* 실제 생물학적 신호(나이, 성별, BMI 등)는 얼마나 잘 반영하는가?
를 분석했습니다.
---
## 3. 연구 방법
### ① 대상자 구성
* 총 78명 건강인
* 젊은 그룹 (18–22세) 38명
* 고령 그룹 (55–65세) 40명
* 남녀 1:1 비율
* 모두 건강한 혈장 공여자
즉, **질병 환자가 아니라 건강한 사람을 기준으로 비교**한 연구입니다.
---
### ② 비교한 8가지 플랫폼
연구에서는 다음 8개 기술을 비교했습니다.
#### (1) 친화성 기반(항체/압타머 기반) 플랫폼
* SomaLogic의 **SomaScan 11K / 7K**
* Olink Proteomics의 **Olink 3K / Olink 5K**
* Alamar Biosciences의 **NULISA**
이 방식은 “미리 정해진 단백질”을 고감도로 측정합니다.
---
#### (2) 질량분석(MS) 기반 플랫폼
* Seer Inc.의 nanoparticle 기반 MS
* Biognosys의 고농도 단백질 제거 기반 MS
* Thermo SureQuant 기반 표적 MS (내부표준 사용)
MS는 단백질을 직접 분해해 펩타이드 단위로 분석합니다.
더 ‘비편향적’이지만 저농도 단백질에는 약할 수 있습니다.
---
## 4. 주요 결과
### ① 총 13,011개 단백질 확인
8개 플랫폼을 모두 합치면
**13,011개의 고유 단백질**이 검출되었습니다.
하지만 놀라운 사실은:
> 8개 플랫폼 모두에서 공통으로 측정된 단백질은 단 36개뿐이었습니다.
즉, 각 기술이 “다른 세상”을 보고 있다는 의미입니다.
---
### ② 단백질 검출 범위
* SomaScan 11K: 약 9,600개 단백질 (가장 많음)
* MS-Nanoparticle: 약 5,900개
* Olink 5K: 약 5,400개
* 표적 MS: 551개 (적지만 정량 정확도 높음)
**결론:**
많이 보는 기술과 정확하게 보는 기술은 다르다.
---
### ③ 재현성(정밀도)
기술 반복 측정 시 오차(CV)를 비교했을 때:
* SomaScan: 가장 낮은 오차 (≈5%)
* Olink 3K: 중간 수준
* Olink 5K: 상대적으로 높은 오차
* 탐색형 MS: 오차가 더 큼
* 표적 MS: 매우 우수한 정밀도 (≈8%)
즉,
> 표적 MS는 적게 보지만 가장 정확하다.
---
### ④ 플랫폼 간 상관성
같은 단백질이라도 플랫폼 간 상관계수는 낮은 편이었습니다.
하지만 중요한 점은:
> **생물학적으로 의미 있는 단백질(예: 나이 관련 단백질)은 플랫폼 간 상관성이 높았다.**
즉, 진짜 생물학적 신호는 기술이 달라도 비교적 일관되게 나타났습니다.
---
### ⑤ 나이 관련 단백질 분석
노화와 관련된 단백질을 분석한 결과:
* IGFBP2, IGFBP3
* Chromogranin A
* MMP3
* CHI3L1
등이 여러 플랫폼에서 공통으로 검출됨
또한,
* Olink 3K
* SomaScan 11K
이 가장 많은 노화 관련 마커를 발견했습니다.
그리고 영국 대규모 코호트(UK Biobank) 데이터와도 상당 부분 일치했습니다.
---
### ⑥ 플랫폼별 특성 차이
* SomaScan: 가장 넓은 범위
* Olink: 비교적 높은 특이성
* MS-Nanoparticle: 더 많은 저농도 단백질 탐지 가능하지만 혈소판 오염 증가
* 표적 MS: 절대정량 가능 (gold standard 역할)
---
## 5. 고찰
이 연구가 보여준 가장 중요한 메시지는:
> “어떤 기술이 가장 좋다”는 답은 없다.
각 플랫폼은 다음과 같은 트레이드오프가 있습니다.
| 많이 측정 | 정확하게 측정 |
| --------- | ------- |
| 넓은 범위 | 낮은 오차 |
| 낮은 정밀도 가능 | 적은 단백질 |
또한 단백질의 ‘형태(아이소폼)’에 따라
측정 결과가 달라질 수 있음도 보여주었습니다.
예: ApoE4 아이소폼 분석 사례
이는 단순히 단백질 “양”만이 아니라
**어떤 형태를 측정하느냐가 중요함**을 시사합니다.
---
## 6. 의의와 시사점
이 연구의 의의는 다음과 같습니다.
1. **동일 샘플에서 8개 기술을 직접 비교한 최초의 대규모 분석**
2. 13,000개 이상 단백질을 포괄한 광범위 비교
3. 플랫폼 간 기술적·생물학적 차이를 정량적으로 제시
4. 바이오마커 연구자들에게 실질적 선택 가이드 제공
특히 중요한 점은:
* 플랫폼을 하나만 쓰는 것보다
* 서로 보완적으로 사용하는 것이
더 깊은 생물학적 통찰을 줄 수 있다는 점입니다.
---
## 7. 이 연구가 왜 중요한가?
현재 전 세계적으로:
* 암 조기 진단
* 알츠하이머 예측
* 노화 시계 개발
* 맞춤형 의학
이 모두 혈장 단백질 분석에 기반하고 있습니다.
하지만 만약 기술마다 보는 단백질이 다르다면?
→ 질병 바이오마커 연구 결과도 기술 의존적일 수 있습니다.
이 연구는 말합니다.
> “바이오마커 발견은 기술 선택에 따라 달라진다.”
따라서 이 논문은:
* 임상 진단 개발자
* 제약회사
* 노화 연구자
* 정밀의학 연구자
모두에게 매우 중요한 기준점이 됩니다.
---
## 최종 정리
이 연구는 혈장 단백질 분석 기술의 현재 위치를 보여주는 **지도(map)**와 같습니다.
* 어떤 기술은 넓게 본다.
* 어떤 기술은 깊게 본다.
* 어떤 기술은 정확하다.
* 어떤 기술은 저농도 단백질에 강하다.
그리고 이 모든 기술이 함께할 때
우리는 인간의 생물학을 더 정확하게 이해할 수 있습니다.
grok
**혈액 한 방울로 몸의 비밀을 읽는다? 최신 혈장 단백질체 분석 기술 8종을 한자리에 비교한 연구 요약**
혈액의 액체 부분인 **혈장(플라스마)**에는 수만 가지 단백질이 들어 있습니다. 이 단백질들은 우리 몸의 건강 상태, 질병 초기 신호, 노화 과정 등을 그대로 반영하기 때문에 ‘액체 생검(liquid biopsy)’이라고 불릴 만큼 중요합니다. 하지만 혈장 단백질의 농도가 10조 배 이상 차이 나서(극저농도 단백질은 검출이 매우 어렵습니다) 정확히 측정하기가 쉽지 않았죠.
2025년 9월에 출판된 이 논문은 바로 그 문제를 해결하기 위해 **세계 최초로 동일한 78명의 혈장 샘플을 8가지 최신 단백질체 분석 플랫폼에 동시에 적용**해 직접 비교한 연구입니다. 전문 용어 없이 쉽게 풀어 설명드릴게요.
### 연구 목적
“혈장 단백질을 측정하는 다양한 최신 기술들이 실제로 얼마나 다르고, 각각 어떤 장점이 있을까?”
→ 연구자들이 “내 연구 목적에 어떤 기술을 써야 할까?”를 쉽게 선택할 수 있게 도와주고, 미래 바이오마커(질병 조기 발견 물질) 개발의 길을 열기 위함입니다.
### 연구 방법 – 누구를, 어떻게?
- 참가자: 건강한 성인 78명 (남녀 동일 비율)
- 젊은 그룹 38명 (18~22세)
- 고령 그룹 40명 (55~65세)
- 사용한 8가지 플랫폼 (한 번에 모두 측정!)
1. SomaScan 11K & 7K (압타머 기반, 가장 많은 단백질 측정)
2. Olink Explore HT(5K) & 3072(3K) (항체 기반)
3. NULISA (초고감도, 염증·뇌 질환 특화)
4. MS-Nanoparticle (나노입자 농축 + 질량분석)
5. MS-HAP Depletion (고농도 단백질 제거 + 질량분석)
6. MS-IS Targeted (정밀 타겟 질량분석, ‘황금 표준’)
총 **13,011개**의 서로 다른 단백질이 한 번에 발견됐습니다.
### 주요 결과 – 한눈에 보는 승자표
1. **얼마나 많은 단백질을 잡아내나? (커버리지)**
- 1위: SomaScan 11K → 9,645개 (FDA 승인 바이오마커 88% 검출!)
- 2위: SomaScan 7K → 6,401개
- 3위: 나노입자 질량분석 → 5,943개
- 나머지는 300~5,000개 수준
2. **측정 정확도 (재현성, CV 값 낮을수록 좋음)**
- SomaScan: 최고 수준 (오차 5% 내외)
- NULISA & Targeted MS: 6~8%
- Olink 5K와 일반 질량분석: 25~30% (상대적으로 불안정)
3. **데이터 완전성 (얼마나 자주 검출되나?)**
- SomaScan: 95~96% (거의 항상 검출)
- Olink 3K: 60%, Olink 5K: 36% (최신 버전이 오히려 검출률 떨어짐)
4. **나이·성별·BMI와 관련된 단백질은?**
- SomaScan 11K가 가장 많은 생물학적 신호를 포착 (나이 관련 628개, BMI 관련 4,040개 등)
- 하지만 **플랫폼마다 잡아내는 단백질이 크게 달라** 서로 보완적임
- 나이와 관련된 유명 단백질(IGFBP2, IGFBP3, Chromogranin-A 등)은 거의 모든 플랫폼에서 공통으로 발견
5. **특이한 발견**
- ApoE4 (알츠하이머 위험 유전자 관련): NULISA와 질량분석은 ‘특정 형태’를 정확히 구분했지만, SomaScan은 총량만 측정해 오차 가능성 있음
- 나노입자 기술은 저농도 단백질을 잘 잡지만, 혈소판 오염이 많아 주의 필요
### 고찰 – 그래서 어떤 기술을 써야 할까?
- **발견 중심 연구(새로운 바이오마커 찾기)** → SomaScan 11K 또는 나노입자 질량분석 추천 (많이 보고, 넓게 보기)
- **정밀하고 믿을 수 있는 측정** → SomaScan 또는 NULISA, Targeted MS (오차 적고 재현성 높음)
- **극저농도 염증·뇌 단백질** → NULISA 최고
- **비용·처리 속도**를 고려하면 플랫폼마다 장단점이 뚜렷
결론적으로 “하나의 기술이 만능은 아니다. 목적에 따라 조합해서 쓰는 시대”가 왔다는 점을 명확히 보여줍니다.
### 이 연구가 왜 중요한가?
지금까지 혈장 단백질체 연구들은 서로 다른 기술, 다른 사람 샘플로 진행돼 비교가 거의 불가능했습니다.
이 논문은 **동일한 혈장으로 8개 기술을 한 번에 비교**한 최초의 대규모 연구로, 앞으로 수많은 연구자들이 “내가 어떤 기술을 선택해야 할지” 과학적으로 판단할 수 있는 **지도**를 제공합니다.
특히 노화, 치매, 심혈관질환, 암 등 나이 들면서 생기는 질병의 조기 발견 바이오마커 개발에 직접적인 도움을 줄 것입니다.
혈액 한 방울로 “내 몸이 지금 몇 살인지, 어떤 질병 위험이 있는지”를 정확히 아는 시대가 가까워지고 있다는 증거입니다.
**한 줄 요약**
“혈장 단백질 분석 기술 8종을 한자리에 모아 직접 겨뤄보니, 각자 다른 강점이 뚜렷했다. 이제 연구 목적에 맞는 ‘최적의 도구’를 과학적으로 고를 수 있게 됐다!”
이 연구는 혈액 한 방울로 미래 의학을 바꾸는 중요한 이정표입니다. 건강에 관심 있는 모든 분들이 알아두시면 좋은 내용이에요!
NotebookLM
제시해주신 논문 **"Current landscape of plasma proteomics from technical innovations to biological insights and biomarker discovery" (2025)**를 바탕으로, 일반 성인 독자들이 이해하기 쉽게 정리한 블로그 형식의 요약본입니다.
---
## [블로그 포스팅] 혈액 한 방울로 질병을 찾아내는 기술, 어디까지 왔을까? : 8가지 최첨단 단백질 분석 플랫폼 전격 비교
우리 몸의 '혈액'은 건강 상태를 비추는 거울과 같습니다. 혈액 속 액체 성분인 **혈장(Plasma)**에는 우리 몸의 생물학적 변화를 실시간으로 반영하는 수만 개의 **단백질**들이 떠다니고 있기 때문입니다.
최근 과학계에서는 이 혈장 속 단백질들을 낱낱이 분석하여 질병을 조기에 진단하거나 새로운 치료제를 개발하려는 **'혈장 단백체학(Plasma Proteomics)'** 연구가 뜨겁습니다. 하지만 단백질을 분석하는 기술이 너무 다양해서, 어떤 기술이 가장 정확하고 효율적인지 판단하기 어려웠습니다.
오늘은 세계적인 학술지 *Nature* 계열 저널에 발표된 최신 연구를 통해, 현재 전 세계에서 가장 앞서가는 **8가지 단백질 분석 기술**을 직접 비교한 결과를 소개해 드립니다.
---
### 1. 연구의 배경과 목적: "왜 이 연구가 시작되었을까?"
우리 혈액 속에는 단백질이 아주 많이 들어있는 것도 있지만, 암이나 치매의 징후를 알려주는 중요한 단백질들은 아주 미량으로 존재합니다. 이 미세한 차이를 잡아내기 위해 여러 기업이 각기 다른 분석 플랫폼을 내놓았습니다.
하지만 지금까지는 서로 다른 샘플을 사용해 각자의 기술이 좋다고만 홍보해 왔습니다. 본 연구는 **"똑같은 사람의 혈액을 8개의 서로 다른 최신 기술로 동시에 분석하면 어떤 결과가 나올까?"**라는 질문에서 시작되었습니다. 연구팀은 이를 통해 각 기술의 장단점을 명확히 밝히고, 미래의 질병 진단에 어떤 도구가 가장 적합한지 가이드를 제시하고자 했습니다.
### 2. 연구 방법: "어떻게 비교했나?"
연구팀은 건강한 **성인 78명**(20대 청년층과 60대 장년층으로 구성)의 혈액을 채취했습니다. 그리고 이 혈액 샘플 하나를 다음의 8가지 플랫폼에 똑같이 보냈습니다:
* **항체/압타머 기반 (낚시 방식):** 단백질에 딱 달라붙는 '낚시 바늘' 같은 물질을 사용하는 방식 (SomaScan 7K/11K, Olink 3K/5K, NULISA).
* **질량 분석 기반 (무게 측정 방식):** 단백질의 무게를 직접 재서 성분을 알아내는 방식 (MS-Nanoparticle, MS-HAP Depletion, MS-IS Targeted).
### 3. 주요 연구 결과: "어떤 기술이 가장 뛰어났나?"
실험 결과, 8개 플랫폼을 모두 합쳐 총 **13,011개의 고유한 단백질**이 검출되었습니다. 주요 발견은 다음과 같습니다.
* **가장 많은 단백질을 찾아낸 기술:** **SomaScan 11K** 플랫폼이 9,645개의 단백질을 검출하며 가장 넓은 범위를 자랑했습니다.
* **정밀도와 안정성:** **SomaScan**과 **NULISA** 기술이 반복 실험에서도 가장 일정한 결과를 보여주며 높은 정밀도를 기록했습니다. 반면, 일부 최신 질량 분석 기술이나 Olink 5K는 상대적으로 결과의 변동성이 컸습니다.
* **특정 변이 포착의 차이 (ApoE4 사례):** 알츠하이머병 위험 인자로 유명한 **ApoE4** 단백질을 분석했을 때, **NULISA**와 **질량 분석(MS)** 기술은 특정 변이만을 정확히 골라냈습니다. 하지만 SomaScan은 특정 변이뿐만 아니라 일반적인 ApoE 단백질까지 모두 잡아내는 한계를 보였습니다.
* **오염 물질 주의보:** 나노 입자를 이용해 단백질을 농축하는 방식(MS-Nanoparticle)은 많은 단백질을 찾아내지만, 혈소판 등에서 유래한 '노이즈(불순물)'까지 함께 검출될 확률이 높다는 사실이 밝혀졌습니다.
### 4. 고찰 및 시사점: "완벽한 기술은 없다"
연구 결과, 모든 면에서 완벽한 단일 기술은 없었습니다.
* **SomaScan**은 수천 개의 단백질을 한꺼번에 훑어보는 '탐색형 연구'에 유리합니다.
* **NULISA**는 아주 적은 양의 염증 지표를 정밀하게 추적하는 데 탁월합니다.
* **질량 분석(MS)** 방식은 미리 정해진 단백질만 보는 것이 아니라, 우리가 미처 몰랐던 새로운 단백질 변이를 발견하는 데 강력한 무기가 됩니다.
결국 연구의 목적(암 진단인지, 노화 연구인지 등)에 따라 적절한 도구를 선택하는 것이 중요하다는 것을 이 논문은 시사합니다.
---
### 💡 이 연구가 왜 중요할까요?
이 연구는 마치 **'단백질 분석 기술계의 컨슈머 리포트'**와 같습니다.
1. **진단의 정확성 향상:** 질병의 지표가 되는 단백질(바이오마커)을 찾을 때, 어떤 도구가 '가짜 신호'를 내보내고 어떤 도구가 '진짜 신호'를 잡는지 알려줌으로써 의학 연구의 시행착오를 줄여줍니다.
2. **맞춤형 의료의 기초:** 사람마다 단백질 분포가 어떻게 다른지, 나이가 들면서 어떤 단백질이 변하는지를 가장 잘 보여주는 기술이 무엇인지 확인했습니다.
3. **치료제 개발 가속화:** 제약 회사들이 약의 효과를 측정하기 위해 어떤 분석법을 믿고 사용해야 할지에 대한 과학적 근거를 제시했습니다.
결론적으로, 이 연구는 **혈액 한 방울로 우리의 미래 건강을 예측하는 '정밀 의료' 시대를 앞당기는 중요한 이정표**가 될 것입니다.
---
*본 포스팅은 Douglas Y. Kirsher 등의 논문(2025)을 바탕으로 작성되었습니다.*
Perplexity.ai
이 논문은 ‘혈장 단백질’(플라즈마 프로테옴)을 얼마나 잘, 얼마나 다르게 측정하느냐를 8가지 최신 기술로 정면 비교한 연구입니다.
***
## 1. 연구 배경: 피 한 번 뽑아서 온몸 상태를 본다
- 혈장은 혈액에서 세포를 뺀 액체 성분으로, 단백질·지질·DNA·대사산물 등 온갖 분자가 섞여 있어 몸 상태를 그대로 반영합니다.
- 특히 단백질은 질병과 밀접하게 연결되어 있어서 “질병 표지자(biomarker)”를 찾는 데 핵심입니다.
- 피는 채혈이 간편하고 반복 채혈도 가능하기 때문에, 평생에 걸쳐 건강 상태 변화를 추적하는 데 가장 매력적인 재료입니다.
- 하지만 혈장 안에는 농도가 극도로 높은 단백질부터 극미량 단백질까지 10자릿수 이상 농도 차이가 나서, 한 번에 넓고 정확하게 측정하는 것이 매우 어렵습니다.
이 때문에 다양한 회사·연구소에서 서로 다른 혈장 단백질 분석 플랫폼(기술)을 만들어 쓰고 있지만, “어느 기술이 얼마나 다르고, 무엇을 더 잘 측정하는지”를 한꺼번에 비교한 연구는 거의 없었습니다.
***
## 2. 연구 목적: 8개 플랫폼, 같은 사람 샘플로 ‘정면 승부’
연구진은 다음 질문에 답하고자 했습니다.
1. 주요 혈장 단백질 분석 플랫폼(친화도 기반, 질량분석 기반)이 같은 혈장 샘플을 어떻게 다르게 읽어내는가?
2. 어떤 플랫폼이 단백질 종류(커버리지), 정확도, 재현성, 데이터의 완전성 면에서 강점을 가지는가?
3. 나이·성별·BMI(체질량지수) 같은 실제 생물학적 차이를 얼마나 잘 포착하는가, 그리고 각 플랫폼이 포착하는 “노화 단백질”과 관련 경로는 어떻게 겹치고 무엇이 다른가?
궁극적으로는 “어떤 연구 목적에 어떤 플랫폼을 쓰는 게 좋은지”에 대한 실질적인 가이드를 주는 것이 목표입니다.
***
## 3. 방법: 78명 건강인 혈장을 8개 기술로 동시에 측정
### 3-1. 연구 대상
- 78명 건강한 헌혈형 기증자: 남녀 1:1, 젊은 층(18–22세) 38명, 중년·노년층(55–65세) 40명.
- 키·몸무게·BMI·혈압·흡연 여부·혈액 농도(헤마토크릿·총 단백질) 등 기본 건강 지표도 함께 수집했습니다.
### 3-2. 8개 혈장 단백질 플랫폼
1. **친화도(항체·압타머) 기반**
- SomaScan 7K, SomaScan 11K (압타머 기반, 각각 7천·1만1천개 단백질 타깃)
- Olink Explore 3K, Olink Explore 5K (항체+DNA 태그 기반, 약 3천·5천개 단백질 타깃)
- NULISA (초고감도 염증·뇌질환 패널, 300여 개 단백질)
2. **질량분석(MS) 기반**
- MS-Nanoparticle (나노입자로 단백질 농축 후 MS 분석, Seer Proteograph XT)
- MS-HAP Depletion (고농도 단백질을 제거한 뒤 깊게 보는 MS, Biognosys TrueDiscovery)
- MS-IS Targeted (내부 표준을 넣어 특정 단백질을 절대 정량하는 타깃 MS, SureQuant)
모든 플랫폼은 동일한 78개 혈장 샘플(플라스마페레시스 수집)을 사용해 분석하도록 설계했습니다.
***
## 4. 주요 결과
### 4-1. 얼마나 많은 단백질을 볼 수 있나: 커버리지
- 8개 플랫폼을 합쳐 **13,011개의 고유 단백질**을 검출했습니다.
- SomaScan 11K가 9,645개로 가장 많은 단백질을 검출했고, SomaScan 7K(6,401개), MS-Nanoparticle(5,943개), Olink 5K(5,416개), MS-HAP Depletion(3,575개) 순이었습니다.
- 플랫폼마다 “나만 보는 단백질”도 상당히 많아서, SomaScan 두 버전만 합쳐 3,600개, Olink 두 버전도 1,227개의 고유 단백질을 갖고 있었습니다.
- 8개 모두가 공통으로 검출한 단백질은 겨우 36개에 불과했습니다.
→ 즉, “어떤 플랫폼을 쓰느냐”에 따라 보이는 혈장 세계가 크게 달라집니다.
### 4-2. 재현성과 데이터 빠짐: 기술적인 완성도
- 같은 샘플을 반복 측정했을 때 변화 정도를 나타내는 지표(CV)를 비교했습니다.
- SomaScan 11K, 7K의 **중앙값 CV는 5%대**로, 8개 중 가장 안정적이었습니다.
- Olink 3K도 11.4%로 비교적 양호했지만, Olink 5K는 26.8%로 변동성이 커졌습니다.
- NULISA는 6.6%, 타깃 MS인 MS-IS Targeted는 8.3%로 “정밀 계측기” 수준의 안정성을 보였습니다.
- 반면, 발견형 MS(MS-Nanoparticle, MS-HAP Depletion)는 20% 후반대로 흔들림이 컸습니다.
- 데이터가 실제로 얼마나 채워져 있는지도 확인했습니다(검출되지 않거나 검출 한계 미만이면 ‘결측값’).
- SomaScan 11K/7K: 96% 수준의 높은 데이터 완전성.
- Olink 3K: 60.3%, MS-HAP Depletion: 53.6%.
- Olink 5K는 35.9%로, 최신 버전이지만 데이터 빠짐이 많았습니다.
→ 많은 단백질을 본다고 좋은 게 아니라, “얼마나 안정적으로 자주 검출되는가”가 연구·임상에서 매우 중요하다는 점을 보여줍니다.
### 4-3. 실제 농도 범위: 고농도부터 극저농도까지
- Human Protein Atlas에 등록된 혈장 단백질의 추정 농도와 비교해 보니, 대부분 플랫폼이 **약 10⁵–10⁻² ng/mL** 범위에 걸쳐 단백질을 검출했습니다.
- 나노입자 기반 MS(MS-Nanoparticle)는 MS-HAP Depletion보다 더 많은(거의 두 배) 단백질을 검출하면서도 농도 분포는 비슷했습니다.
- 다만 나노입자 농축 과정에서 혈소판 단백질이 많이 딸려와 “혈소판 오염 지수”가 크게 증가하는 부작용이 확인되었습니다.
### 4-4. FDA 승인 바이오마커를 얼마나 커버하나
- 미국 FDA가 승인한 혈중 단백질 바이오마커 리스트를 기준으로 각 플랫폼의 “임상적 커버리지”를 봤습니다.
- SomaScan 11K: 88% 커버, SomaScan 7K: 76%.
- 발견형 MS 두 플랫폼: 73%.
- Olink: 57%.
- MS-IS Targeted: 전체 타깃 수는 적지만, FDA 바이오마커의 43%를 정밀 정량.
→ 폭넓은 탐색에는 압타머/항체 플랫폼이 유리하고, 정밀한 수치가 중요한 소수 표지자에는 타깃 MS가 강점을 보입니다.
### 4-5. 플랫폼끼리 측정값은 얼마나 비슷한가?
- 공통으로 측정한 단백질들에 대해, 사람마다의 단백질 농도 패턴이 플랫폼 간에 얼마나 상관이 있는지(스피어만 상관계수) 비교했습니다.
- SomaScan 11K vs 7K: 0.79, Olink 5K vs 3K: 0.74로, 같은 회사 버전끼리는 높은 상관을 보였습니다.
- MS-IS Targeted는 다른 모든 플랫폼과 중간 수준(0.35~0.62)의 상관을 보였고, 특히 Olink 3K와는 0.62로 가장 높았습니다.
- 흥미로운 점은, 상관 분포가 자주 **두 개의 봉우리(이봉 분포)**를 보여 “잘 맞는 단백질 그룹”과 “서로 안 맞는 단백질 그룹”이 뚜렷이 갈린다는 것이었습니다.
- 그 이유를 보기 위해 공통 259개 단백질을 골라, 기술적 CV가 낮은 그룹(<20%)과 높은 그룹(≥20%)으로 나눴더니, CV가 낮은 단백질일수록 플랫폼 간 상관이 확실히 높았습니다.
→ 결국 “안정적으로 잘 재는 단백질”은 플랫폼이 달라도 비슷하게 나오고, 불안정하게 재는 단백질은 플랫폼마다 제각각이라는 뜻입니다.
### 4-6. 같은 단백질인데도 플랫폼마다 다르게 보이는 이유: ‘프로테오폼’의 함정
연구진은 아포지단백 E(ApoE)라는 단백질의 세 가지 유전자형(시형) E2, E3, E4를 예로 들어 “얼핏 같은 단백질처럼 보이지만, 실제로는 어느 시형을 재는지에 따라 결과가 완전히 달라질 수 있다”는 점을 보여줍니다.
- 대부분 플랫폼은 “총 ApoE”만 측정하지만, SomaScan은 E2, E3, E4 각각을 겨냥한 압타머를, NULISA는 ApoE4 특이 항체를 추가로 가지고 있습니다.
- 실제 데이터를 보면, SomaScan의 E2/E3/E4 압타머들이 서로 매우 높게 상관되어 **실제로는 isoform 선택성이 떨어질 가능성**이 컸고, 회사 자료에서도 ApoE4 압타머가 E2·E3에도 비슷하게 결합한다고 명시돼 있습니다.
- 반대로, NULISA의 ApoE4 신호는 질량분석에서 ApoE4에만 존재하는 특이 펩타이드와는 강하게 상관되지만, 총 ApoE 신호와는 상관이 거의 없었습니다.
→ 표면적으로는 모두 “ApoE”를 측정하는 것 같지만, 실제로는 어떤 형태(프로테오폼)를 보는지에 따라 완전히 다른 생물학적 의미를 가질 수 있다는 점을 잘 보여주는 사례입니다.
***
## 5. 생물학적 분석: 나이·성별·BMI와 단백질의 관계
연구진은 단순 기술 비교를 넘어서, “이 플랫폼들이 실제 사람 특성(나이, 성별, BMI 등)을 얼마나 잘 설명하는가”를 모델링했습니다.
### 5-1. 어떤 단백질이 나이·성별·BMI와 연관되는가?
- 선형 회귀모델(나이, 성별, 인종, 헤마토크릿, 총 단백질, 흡연, BMI)을 돌려, 각 단백질이 어느 요인과 유의하게 관련되는지 확인했습니다.
- SomaScan 11K는 가장 많은 단백질과 단백질 클래스를 커버하기 때문에, 나이·성별·BMI 관련 “의미 있는 단백질”을 가장 많이 찾아냈습니다.
- 예: 나이 관련 단백질 628개(p-adj 기준), 성별 관련 단백질 1,074개, BMI 관련 단백질 4,040개 등.
- MS-Nanoparticle도 성별 관련 단백질을 많이 찾았고, Olink 3K/5K는 SomaScan 다음으로 생물학적 마커 탐지력이 좋았습니다.
하지만 전체 변동 중 모델이 설명할 수 있는 비율은 20% 안팎에 그쳤고, 나머지는 질병·유전 요인처럼 이번 데이터에는 포함되지 않은 요소들이 클 것으로 추정했습니다.
### 5-2. 대표적인 생물학적 마커 예시
여러 플랫폼에서 공통적으로 잘 잡힌 “교과서 같은” 단백질도 확인했습니다.
- **렙틴(Leptin)**: 식욕·지방 분포 조절 호르몬으로, 여성에서 더 높고 비만에서 증가하는 것이 잘 알려져 있습니다.
- 이 연구에서도 성별과 BMI가 이 단백질 변동의 40% 안팎을 설명했습니다.
- **Pregnancy Zone Protein(PZP)**: 여성에게 훨씬 높은 단백질로, 성별이 변동의 최대 46%를 설명했습니다.
- **Chromogranin A, IGFBP2**: 노화 관련 마커로, 나이·BMI와의 연관성이 여러 플랫폼에서 일관되게 나타났습니다.
→ 플랫폼이 달라도 “진짜 생물학적으로 의미 있는 신호”는 방향과 크기가 꽤 일치한다는 점이 강조됩니다.
***
## 6. 노화(aging) 단백질과 경로 분석
이 논문에서 가장 깊게 파고든 주제가 바로 “혈장 단백질을 이용해 노화를 읽는 것”입니다.
### 6-1. 나이와 유의하게 연관된 단백질
- Olink 3K가 669개로 가장 많은 나이 관련 단백질을, SomaScan 11K가 628개를 찾아냈습니다.
- SomaScan 11K는 282개, Olink 3K와 5K는 각각 176개, 99개의 “자기만의 노화 단백질”을 갖고 있었습니다.
- 8개 플랫폼 중 최소 7개에서 공통으로 “나이와 관련 있다”고 나온 단백질 9개가 특히 주목됩니다.
- IGFBP2, IGFBP3(인슐린 유사 성장인자 결합 단백질): 여러 코호트에서 반복적으로 노화 마커로 보고됨.
- Chromogranin A, COMP, CKTAC1 등, 장수 노인·극고령자 연구에서 발견된 단백질들.
- RNASE1, MMP3, CHI3L1 등도 피부 탄력, 염증성 노화 등과 연관된 단백질로 알려져 있습니다.
→ 서로 다른 기술, 서로 다른 회사의 플랫폼이지만, 공통된 “노화 시그니처 단백질”이 존재한다는 점을 보여줍니다.
### 6-2. 나이 관련 경로(패스웨이)
- 각 플랫폼에서 나온 노화 관련 단백질들로 GO, KEGG, Reactome 경로 분석을 했습니다.
- 플랫폼마다 찾아낸 경로 수와 종류는 많이 달랐지만, 모든 플랫폼에서 공통적으로 강화된 경로 10개가 있었고, 이들은
- 세포 신호 전달,
- 세포·조직 구조 유지,
- 기관 기능 유지
와 관련된 경로들이었습니다.
또한, 이 연구에서 찾은 노화 단백질들을, 5만 명 이상을 대상으로 한 UK Biobank–Olink 대규모 코호트의 노화 관련 단백질들과 비교했을 때도 상당한 중복이 있어, “작은 코호트지만 결과의 생물학적 신뢰성이 높다”는 점을 입증했습니다.
***
## 7. 이 연구의 의의와 시사점
### 7-1. 플랫폼 선택을 위한 ‘실전 가이드’
이 논문이 주는 가장 큰 메시지는 “플라즈마 프로테옴을 본다는 말이, 어떤 기술을 쓰느냐에 따라 완전히 다른 풍경을 본다는 뜻”이라는 점입니다.
- **폭넓은 탐색·바이오마커 발굴**
- SomaScan 11K/7K, Olink 3K/5K처럼 수천~1만개 단백질을 동시에 보는 플랫폼이 유리합니다.
- 특히 SomaScan 11K는 커버리지·재현성·데이터 완전성이 모두 좋아 대형 탐색 연구에 적합한 도구로 제시됩니다.
- **정밀한 수치, 임상 검증·진단용**
- MS-IS Targeted 같은 타깃 질량분석은 커버리지(단백질 종류)는 적지만, 농도를 ‘절대값’으로 정확하게 재기 때문에 임상 진단이나 표준값 설정에 강합니다.
- **저농도 사이토카인, 염증·뇌질환**
- NULISA는 매우 낮은 농도의 단백질까지 감지 가능한 초고감도 플랫폼으로, 염증·신경질환 바이오마커 연구에 특화된 도구로 활용될 수 있습니다.
→ 연구 목적이 “새 표지자를 많이 찾는 것인지”, “이미 알려진 표지자를 정확히 재는 것인지”, “초저농도 신호를 잡는 것인지”에 따라 선택해야 할 플랫폼이 달라진다는 구체적인 통찰을 제공합니다.
### 7-2. “플랫폼 하나로는 부족하다”는 현실적인 메시지
- 8개 플랫폼 모두가 공통으로 보는 단백질이 36개뿐이라는 사실은, 한 플랫폼에만 의존하면 많은 정보를 놓칠 수 있음을 보여줍니다.
- 반대로, 여러 플랫폼을 병행하면
- 서로 다른 단백질·프로테오폼을 보완적으로 커버하고,
- 공통으로 의미 있게 나오는 단백질은 “진짜 유망한 바이오마커”로 자신 있게 골라낼 수 있습니다.
또한, 플랫폼마다 전처리(혈장 처리, 농축, 고농도 단백질 제거 등)와 데이터 처리 방식이 달라 샘플 오염(예: 혈소판)과 기술적 변동성이 달라진다는 점도, 향후 대규모 혈장 프로테옴 프로젝트에서 반드시 고려해야 할 부분입니다.
***
## 8. 이 연구가 왜 중요한가?
1. **혈장 단백질 시대의 ‘지도’ 역할**
혈장 프로테옴은 앞으로 암, 심혈관질환, 치매, 노화 연구와 정밀의료에서 핵심 역할을 할 가능성이 큽니다. 이 논문은 그 핵심 도구들(8개 플랫폼)에 대해 “무엇을 얼마나, 얼마나 잘 보는지”를 직접 비교한 첫 종합 지도 중 하나입니다.
2. **바이오마커 개발의 시행착오를 줄이는 기준점**
표면적으로는 모두 “단백질을 측정한다”고 말하지만, 실제로는 커버리지, 정밀도, 데이터 빠짐, 프로테오폼 선택성이 크게 다릅니다. 이 차이를 이해하지 못하면, 특정 코호트에서 의미 있어 보인 바이오마커가 다른 연구나 다른 기술에서는 재현되지 않는 문제가 계속 생길 수 있습니다. 이 논문은 그 원인을 구체적인 수치와 사례로 보여주며, 어떤 조합과 전략이 재현성을 높일 수 있는지 방향을 제시합니다.
3. **노화·건강수명 연구의 기반 데이터 제공**
나이 관련 단백질과 경로를 여러 플랫폼에서 동시에 분석하고, UK Biobank 같은 초대형 코호트와도 비교해 일관된 노화 시그니처를 도출했다는 점에서, 향후 “혈액으로 보는 생체 나이” 연구의 중요한 참고 자료가 됩니다.
4. **기술 발전의 다음 과제를 명확히 제시**
- 나노입자 기반 MS의 혈소판 오염 문제,
- 특정 플랫폼의 데이터 결측과 CV 문제,
- 프로테오폼 선택성 부족,
- 전처리·분석 파이프라인 표준화 필요성 등
앞으로 해결해야 할 기술적·분석적 과제를 명확히 짚어줍니다.
결국 이 연구는 “피 한 번 뽑아 몸 전체 건강을 정밀하게 읽고, 질병을 조기에 발견하며, 노화 속도를 측정하는 시대”를 준비하기 위한 **기초 설계도**에 가깝습니다. 어떤 플랫폼을 어떻게 조합해야, 더 정확하고 재현성 높은 바이오마커와 진단법을 만들 수 있는지에 대한 실질적인 기준을 제공한다는 점에서, 학계와 산업계 모두에게 매우 중요한 의미를 갖는 연구입니다.
Kimi
# 혈장 단백질 분석 기술 비교 연구: 어떤 방법이 가장 정확할까?
## 연구 배경: 왜 혈장 단백질이 중요한가?
혈장은 우리 몸의 '건강 상태를 보여주는 거울'입니다. 혈액을 채취하면 쉽게 얻을 수 있는 혈장에는 수천 가지 단백질이 들어 있어, 질병의 조기 진단과 치료 표적 발굴에 귀중한 정보를 제공합니다. 하지만 혈장 단백질은 농도 차이가 100억 배(10¹⁰)에 달할 정도로 다양해 분석이 매우 어렵습니다. 저농도의 중요한 바이오마커를 찾아내기 위해서는 뛰어난 분석 기술이 필요합니다.
현재 혈장 단백질 분석에는 크게 두 가지 접근법이 있습니다. **친화성 기반 기술**(SomaScan, Olink, NULISA 등)은 DNA aptamer나 항체와 같은 결합 분자를 이용해 특정 단백질을 '낚아채는' 방식입니다. 반면 **질량분석(MS) 기반 기술**은 단백질을 작은 펩타이드로 쪼개어 질량을 측정하는 '바텀업' 방식입니다. 각 기술마다 장단점이 뚜렷하지만, 같은 혈장 샘플로 여러 기술을 직접 비교한 연구는 거의 없었습니다.
---
## 연구 목적: 8가지 최신 기술의 공정한 비교
본 연구는 **같은 건강한 성인 78명의 혈장 샘플**을 사용해 8가지 최신 단백질 분석 플랫폼을 직접 비교했습니다. 연령(청년 38명, 중년 40명)과 성비를 맞춘 코호트를 구성해, 기술적 성능뿐 아니라 생물학적 통찰도 함께 평가했습니다.
**비교 대상 플랫폼:**
- **친화성 기반**: SomaScan 11K/7K (aptamer), Olink Explore HT/3072 (항체), NULISA (항체)
- **질량분석 기반**: Seer Proteograph XT (나노입자 농축), Biognosys TrueDiscovery (고농도 단백질 제거), SureQuant (표적 분석)
---
## 연구 방법: 어떻게 비교했나?
모든 플랫폼에 동일한 혈장 샘플을 제공하고, 각 회사의 표준 분석 파이프라인으로 데이터를 생성했습니다. 핵심 평가 지표는 다음과 같습니다:
1. **단백질 커버리지**: 얼마나 많은 단백질을 검출하는가?
2. **정밀도**: 기술적 반복 측정 시 얼마나 일관적인가? (CV%, 변동계수)
3. **데이터 완전성**: 얼마나 많은 샘플에서 단백질이 검출되는가?
4. **선형성**: 단백질 농도가 실제로 비례해서 측정되는가?
5. **생물학적 관련성**: 나이, 성별, BMI 등 알려진 요인과 얼마나 잘 연관되는가?
---
## 핵심 결과: 각 기술의 강점과 약점
### 1. 단백질 검출 범위: SomaScan이 압도적
| 플랫폼 | 검출 단백질 수 | 특징 |
|--------|--------------|------|
| **SomaScan 11K** | 9,645개 | 가장 광범위한 커버리지 |
| **SomaScan 7K** | 6,401개 | 안정적인 커버리지 |
| **Seer 나노입자** | 5,943개 | MS 기술 중 최고 |
| **Olink 5K** | 5,416개 | 새 버전이지만 3K보다 완성도 낮음 |
| **Olink 3K** | 2,925개 | 안정적인 성능 |
| **Biognosys** | 3,575개 | 전통적 MS 방식 |
| **SureQuant** | 551개 | 소수 단백질 정밀 정량 |
| **NULISA** | 325개 | 초저농도 감지 특화 |
**놀라운 점**: 8개 플랫폼을 합쳐 총 13,011개의 고유 단백질을 찾았지만, **모든 플랫폼에서 공통으로 검출된 단백질은 단 36개**에 불과했습니다. 이는 각 기술이 상당히 다른 단백질 집합을 '보고' 있음을 의미합니다.
### 2. 정밀도: SomaScan과 SureQuant가 우수
기술적 변동계수(CV)를 비교한 결과, **SomaScan 11K와 7K가 각각 5.3%와 5.8%로 가장 정밀**했습니다. Olink 3K(11.4%)도 양호했지만, Olink 5K는 26.8%로 높은 변동성을 보였습니다. MS 기반 기술 중에서는 SureQuant(8.3%)만 친화성 기술과 비슷한 수준을 보였고, 나머지 MS 기술은 26-30% 수준의 CV를 보였습니다.
**중요 발견**: Olink 5K의 높은 CV는 검출 한계 아래 데이터를 제외하면 12.4%로 개선되지만, 이 경우 40%의 단백질이 사라집니다. 즉, 새 버전이 더 많은 단백질을 '보려고' 하지만 정확도는 떨어지는 trade-off가 있었습니다.
### 3. 데이터 완전성: SomaScan이 최고
SomaScan 11K와 7K는 각각 96.2%와 95.8%의 데이터 완전성을 보여 거의 모든 샘플에서 대부분의 단백질이 검출되었습니다. 반면 Olink 5K는 35.9%로, MS 기반 기술들도 53-55% 수준에 그쳤습니다. **데이터가 없는 경우가 많을수록 통계적 분석의 신뢰도가 떨어집니다.**
### 4. 생물학적 검증: 나이 관련 마커에서 플랫폼별 특성 드러나
나이와 관련된 단백질 마커를 분석한 결과, **Olink 3K가 669개로 가장 많은 마커를 찾았고, SomaScan 11K가 628개로 뒤를 이었습니다**. 하지만 SomaScan 11K는 282개의 '독점 마커'를 가지고 있어, 다른 플랫폼에서는 발견할 수 없는 나이 관련 단백질 변화를 포착했습니다.
흥미롭게도, 9개의 단백질(IGFBP2, IGFBP3, Chromogranin-A 등)은 7개 이상의 플랫폼에서 공통적으로 나이와 연관되었습니다. 이들은 이미 알려진 노화 바이오마커로, 여러 기술이 동시에 검출함으로써 신뢰성이 높아졌습니다.
### 5. 플랫폼 간 상관관계: 생물학적으로 중요한 단백질일수록 일치
모든 공통 단백질에 대한 플랫폼 간 상관계수는 낮았지만(0.34-0.75), **통계적으로 유의미한 나이 관련 마커로 좁히면 상관계수가 0.66-0.95로 크게 향상**되었습니다. 이는 '중요한' 단백질은 여러 기술에서 비슷하게 측정된다는 의미입니다.
특히 SureQuant(표적 MS)와 Olink 3K의 상관계수는 0.62로, 친화성 기술과 MS 기술 간 가장 높은 일치도를 보였습니다. 이는 Olink 3K의 측정 특이성이 높음을 시사합니다.
### 6. 단백질 형태(Proteoform) 선택성: 숨겨진 차이
ApoE(아포지단백질 E) 단백질을 예로 들면, SomaScan은 총 ApoE와 3가지 isoform(E2, E3, E4)을 모두 측정하지만, 실제로는 isoform 간 구분이 명확하지 않았습니다. 반면 NULISA의 ApoE4 특이적 검출은 MS 데이터와 강한 상관관계를 보여 **진정한 isoform 특이성**을 가졌음을 확인했습니다. 이는 '같은 단백질을 측정한다'고 해도 실제로는 다른 형태를 보고 있을 수 있음을 보여줍니다.
---
## 깊이 있는 고찰: 왜 결과가 다른가?
### 1. 기술적 원인: 뭐를 '보는가'가 다르다
- **친화성 기술**: 미리 정해진 단백질만 측정(targeted). 낮은 농도 단백질도 민감하게 감지하지만, 결합 분자의 특이성에 의존
- **MS 기술**:理論적으로는 모든 단백질을 발견 가능(discovery), 하지만 고농도 단백질에 압도되어 저농도 단백질을 놓칠 수 있음
### 2. 생물학적 해석의 복잡성
각 플랫폼이 설명하는 분산(Variance) 비율을 비교한 결과, **NULISA와 SureQuant는 적은 단백질 수에도 불구하고 Olink 5K나 MS-HAP Depletion보다 더 많은 생물학적 변동을 설명**했습니다. 이는 '많이 보는 것'보다 '정확하게 보는 것'이 중요할 수 있음을 시사합니다.
### 3. 전처리의 영향: 나노입자 농축의 함정
Seer 나노입자 기술은 단백질 커버리지를 크게 늘렸지만, **혈소판 오염이 4배 증가**하는 부작용이 있었습니다. 이는 나노입자가 특정 세포 잔해와 선택적으로 결합하기 때문으로, 바이오마커 연구에서 잘못된 해석으로 이어질 수 있습니다.
---
## 연구의 의의와 시사점
### 학술적 기여
이 연구는 **동일한 코호트를 사용한 최대 규모의 다중 플랫폼 비교**입니다. 기존 연구들이 다른 샘플 집단을 사용해 직접 비교가 어려웠던 한계를 극복했습니다.
### 실무적 지침: 어떤 기술을 선택할까?
| 연구 목적 | 추천 플랫폼 | 이유 |
|----------|-----------|------|
| **최대한 많은 단백질 발굴** | SomaScan 11K | 9,600+ 단백질, 높은 완전성 |
| **정밀한 정량이 필요한 소수 단백질** | SureQuant | 낮은 CV, 절대 정량 가능 |
| **초저농도 염증성/신경퇴행성 마커** | NULISA | 낮은 검출 한계 |
| **새로운 바이오마커 발굴 (발견 연구)** | Seer 나노입자 + SomaScan | 서로 보완적 커버리지 |
| **대규모 인구 코호트** | Olink 3K | 안정적인 성능, 상대적 저렴 |
### 미래 방향
연구진은 **여러 플랫폼을 병행 사용**할 것을 권장합니다. 각 기술의 독점적 마커를 합치면 더 완전한 생물학적 그림을 얻을 수 있습니다. 또한 UK Biobank 데이터와의 비교를 통해, 비록 작은 샘플 수(78명)라도 발굴한 마커가 대규모 코호트(5만+ 명)에서도 유효함을 확인했습니다.
---
## 왜 이 연구가 중요한가?
**첫째, '비싼 기술이 항상 좋은 것은 아니다'는 사실을 보여줍니다.** 최신 버전의 Olink 5K는 3K보다 더 많은 단백질을 약속했지만, 정밀도와 데이터 완전성에서는 오히려 퇴행했습니다. 연구자들은 버전 업그레이드가 항상 성능 향상을 의미하지 않는다는 점을 인지해야 합니다.
**둘째, '같은 단백질'이라도 실제로는 다른 것을 측정할 수 있다는 경고입니다.** 8개 플랫폼의 공통 단백질이 36개에 불과한 것은, 우리가 '혈장 단백질 프로파일링'이라고 할 때 실제로는 서로 다른 생물학적 실체를 보고 있을 수 있음을 의미합니다. 바이오마커 연구의 재현성 위기가 이와 무관하지 않습니다.
**셋째, 정밀도와 커버리지의 trade-off를 명확히 했습니다.** SomaScan은 커버리지와 정밀도 모두에서 우수했지만, MS 기술은 커버리지를 늘리면 정밀도가 떨어지는 경향이 있었습니다. 연구 목적에 따라 적절한 기술을 선택하는 것이 중요합니다.
**마지막으로, 이 연구는 혈장 단백질 분석의 '현재 위치'를 정확히 진단했습니다.** 13,000개 이상의 단백질을 검출할 수 있는 기술이 있음에도, 우리는 여전히 혈장 프로테옴의 전체 그림을 보지 못하고 있습니다. 각 기술이 서로 다른 '창'을 통해 혈장을 바라보고 있으며, 이 창들을 어떻게 조합하느냐가 차세대 바이오마커 발굴의 핵심이 될 것입니다.
이 연구는 혈장 단백질 연구자들에게 기술 선택의 과학적 근거를 제공하고, 임상 진단 개발자들에게는 검증 전략 수립의 로드맵을 제시하는 중요한 이정표입니다.
 |
| 출처: @ye._.vely618 |
