레이블이 Olink인 게시물을 표시합니다. 모든 게시물 표시
레이블이 Olink인 게시물을 표시합니다. 모든 게시물 표시

화요일, 12월 16, 2025

혈액 속 단백질로 암 위험을 예측하다: 새로운 가능성 발견

간단 요약은 역시 UK Biobank가 UK Biobank했다? 

UK Biobank에 수집된 데이터 중 혈중 단백질과 엑솜 데이터를 바탕으로 암을 예측할 만한 몇가지(4개) 단백질을 찾아냈다고 합니다. 제목은 Identifying proteomic risk factors for cancer using prospective and exome analyses of 1463 circulating proteins and risk of 19 cancers in the UK Biobank 으로 UK Biobank에서 수집한 샘플 중 혈장 샘플이 있는데 이 혈장 샘플에서 1400여개의 단백질을 한번에 확인 할 수 있는 방법(Olink)을 사용해서 데이터화 한 자료와 엑솜 데이터 간의 관계를 파고들어서 단백질 변화가 암에 후행적인 결과가 아닌 선행적인 지표로 활용 될 수 있는지 확인했다고 합니다.

Olink칩이 한번에 1463개의 단백질만 볼 수 있어서 1400여개의 단백질만 대상으로 하였지 한번에 더 많은 단백질들을 관찰 할 수 있는 방법이 나온다면 조금 더 다양하고 흥미로운 바이오마커를 발굴 할 수 있지 않을까 합니다. :)

DOI: 10.1038/s41467-024-48017-6


clova-x

이 연구는 UK Biobank 참가자들을 대상으로 혈장 단백질과 암 발생 위험 간의 관계를 조사하였으며, 여러 암 종류와 하위 부위에 대한 단백질-암 연관성을 발견하였습니다.

1. **연구 배경 및 목적**

   - UK Biobank의 혈장 단백질 측정값과 유전체 데이터를 활용하여 관찰적 및 유전적 단백질-암 위험 관계를 조사하였습니다.

   - 1463개의 혈장 단백질과 19가지 암, 9가지 암 하위 부위와의 연관성을 분석하였습니다.

2. **연구 방법론**

   - 두 가지 유전적 접근법인 cis-pQTL과 exGS를 사용하여 단백질-암 연관성을 추가로 조사하였습니다.

   - 멀티오믹스 접근법을 통해 전향 코호트와 엑솜 변이 연구 설계를 통합하여 암 원인 단백질을 식별하였습니다.

3. **주요 발견 결과**

   - 618개의 단백질-암 연관성을 발견하였으며, 이 중 107개는 혈액 채취 후 7년 이상 지나서 진단된 사례에서도 지속되었습니다.

   - 일부 단백질은 여러 암 종류와 관련이 있었으며, 특히 혈액암과 관련된 단백질들이 많이 발견되었습니다.

4. **유전적 영향과 생물학적 의미**

   - 많은 혈장 단백질 수준은 유전적 변이에 의해 부분적으로 설명될 수 있으며, 이러한 유전적 예측자는 단백질-암 연관성에 대한 보완적 증거를 제공합니다.

   - 단백질은 대부분의 생물학적 과정에 필수적이며, 암 발생과 관련된 조직 성장 및 분열과 같은 과정에도 관여합니다.

5. **임상적 시사점**

   - 발견된 단백질들은 암 조기 발견, 진행, 재발 및 예후에 대한 바이오마커로서의 잠재력을 가지고 있습니다.

   - 일부 단백질은 현재 승인된 약물의 표적으로 알려져 있으며, 이는 암 위험 감소에 기여할 수 있는 가능성을 제시합니다.


gemini

## 업로드하신 논문 요약: 혈액 단백질을 통한 암 예측 연구

### 연구 배경 및 목적

우리 몸의 혈액에는 수많은 단백질이 포함되어 있습니다. [cite_start]이전의 암 연구들은 몇몇 특정 단백질과 암의 연관성을 주로 살펴보았지만, 이 연구에서는 새로운 기술을 활용하여 한 번에 수천 개의 단백질을 측정하고 분석했습니다[cite: 975]. [cite_start]이 연구의 목표는 방대한 영국 바이오뱅크(UK Biobank)의 데이터를 활용하여 혈액 내 단백질과 다양한 암 발생 위험 사이의 새로운 연관성을 찾아내고, 이 단백질들이 실제로 암 발생에 원인적인 역할을 하는지 유전적 증거로 뒷받침하는 것입니다[cite: 967, 969].

---

### 연구 방법

[cite_start]이 연구는 **영국 바이오뱅크**에 참여한 44,645명의 데이터를 기반으로 진행된 대규모 **전향적(prospective) 연구**입니다[cite: 989]. [cite_start]연구팀은 참가자들의 혈액에서 1,463개의 단백질을 측정하고, 평균 12년간의 추적 관찰을 통해 총 19가지 암과 9가지 세부 암종의 발생 여부를 조사했습니다[cite: 968, 989, 993].

특히 이 연구의 중요한 점은 단순히 단백질 수치와 암 발생의 연관성을 보는 것을 넘어, 두 가지 유전적 분석 방법을 추가로 사용했다는 것입니다.

1.  [cite_start]**cis-pQTL 분석**: 단백질 농도에 영향을 미치는 유전 변이(유전자 근처에 위치한 변이)를 조사했습니다[cite: 979, 980].

2.  [cite_start]**엑솜 유전 점수(exGS) 분석**: 여러 유전 변이의 효과를 합산하여 단백질 수치를 예측하는 유전 점수를 만들고, 이것이 암 위험과 관련이 있는지 분석했습니다[cite: 990, 1234].

[cite_start]이처럼 **관찰 연구와 유전적 분석**을 통합하여 결과의 신뢰도를 높였습니다[cite: 988, 989, 1244].

---

### 연구 결과

[cite_start]연구팀은 총 **618가지의 단백질-암 연관성**을 발견했습니다[cite: 1000]. 이 중 특히 주목할 만한 결과는 다음과 같습니다.

* [cite_start]**조기 발견 가능성**: 107개의 단백질 연관성은 혈액 채취 시점으로부터 7년 이상 후에 진단된 암에서도 유효했습니다[cite: 970, 1050, 1248]. 이는 이 단백질들이 암이 실제로 나타나기 훨씬 전부터 변화를 보인다는 것을 의미하며, 조기 진단 표지자로서의 가능성을 시사합니다.

* [cite_start]**강력한 유전적 증거**: 모든 분석(장기 추적 관찰, cis-pQTL, exGS)에서 일관된 증거를 보인 4개의 단백질을 찾아냈습니다[cite: 970, 1244].

    * [cite_start]**CD74, TNFRSF1B**는 비호지킨 림프종(NHL)과 연관[cite: 970, 1244].

    * [cite_start]**ADAM8**은 백혈병과 연관[cite: 970, 1244].

    * [cite_start]**SFTPA2**는 폐암과 연관[cite: 970, 1244].

* [cite_start]**약물 표적**: 이 연구에서 발견된 38개의 단백질은 현재 이미 사용 가능한 약물들의 표적이기도 합니다[cite: 1073, 1169]. [cite_start]이는 기존 약물이 암 위험을 낮추는 데도 효과가 있을 수 있음을 보여줍니다[cite: 1171].

---

### 고찰, 의의 및 시사점

[cite_start]이 연구는 혈액 내 단백질이 암의 **발병 원인(aetiological)**과 관련이 있을 수 있다는 강력한 증거를 제시합니다[cite: 971, 989, 1244]. [cite_start]특히, 단순 관찰이 아닌 유전적 분석까지 통합함으로써 단백질이 암의 "결과"가 아니라 "원인"일 가능성에 무게를 실어주었습니다[cite: 979, 1244, 1249].

이 연구가 중요한 이유는 다음과 같습니다.

* **암 조기 진단 및 예측의 새로운 지평**: 암이 진단되기 수년 전부터 혈액 단백질의 변화를 감지할 수 있다는 점은 암 조기 진단 기술 개발의 토대가 될 수 있습니다.

* [cite_start]**맞춤형 정밀 의학 발전**: 고위험군을 미리 식별하고, 특정 단백질을 표적으로 하는 맞춤형 예방 및 치료 전략을 수립하는 데 기여할 수 있습니다[cite: 772, 757, 771].

* [cite_start]**효율적인 약물 개발**: 이미 약물 표적으로 알려진 단백질을 재조명함으로써, 기존 약물을 암 예방이나 치료에 활용하는 새로운 길을 열어줄 수 있습니다[cite: 1169].

결론적으로, 이 연구는 단순히 암과 관련된 단백질을 나열하는 데 그치지 않고, 그 관계의 인과성을 뒷받침하는 다각적인 증거를 제시했다는 점에서 매우 중요한 의미를 가집니다. 이를 통해 미래에는 혈액 검사만으로도 개인의 암 위험도를 예측하고, 적절한 예방 조치를 취하거나 개인 맞춤형 치료를 설계하는 것이 가능해질 것입니다.


chatGPT

# 혈액 속 단백질로 암 발생 위험을 예측할 수 있을까?

영국 바이오뱅크 연구에서 찾은 단서들

## 1. 연구 배경

암은 여전히 전 세계 사망 원인 1위 중 하나입니다. 우리가 흔히 알고 있는 암 검진(예: 위내시경, 대장내시경, 유방촬영 등)은 이미 암이 어느 정도 자라난 뒤에 발견하는 경우가 많습니다. 만약 피 한 방울로 미래 암 발생 가능성을 미리 예측할 수 있다면 얼마나 좋을까요?

최근에는 “단백질체학(proteomics)” 기술이 발전하면서 혈액 속 수천 개의 단백질을 동시에 분석할 수 있게 되었습니다. 단백질은 우리 몸의 거의 모든 생명 활동을 조절하기 때문에 암 발생과도 깊은 관련이 있습니다. 하지만 지금까지는 몇몇 단백질만 암 위험과 연결 지어 연구되어 왔습니다.

## 2. 연구 목적

영국 옥스퍼드대 연구진은 **“혈액 속 단백질이 미래의 암 발생 위험을 얼마나 잘 알려줄 수 있는가?”** 라는 질문을 던졌습니다.

특히, 단순한 상관관계가 아니라 **유전적 요인까지 함께 고려**하여 정말로 암의 원인이 될 수 있는 단백질을 찾고자 했습니다.

## 3. 연구 방법

* 연구 대상: **영국 바이오뱅크(UK Biobank) 참가자 44,645명**

* 분석 대상: **혈액 속 단백질 1,463종**

* 추적 기간: 평균 12년

* 관찰 대상 암: **19종 암과 9개 세부 아형**

* 분석 방식:

  1. 단백질 수치와 암 발생을 장기간 추적

  2. 같은 단백질의 양에 영향을 주는 유전자 변이를 함께 분석(유전적 검증)

즉, 단순히 “혈액에 단백질이 많다 → 암 위험 증가”로 결론 내리지 않고, **유전자 차원에서도 같은 단서가 확인되는지 교차 검증**한 것입니다.

## 4. 연구 결과

* 총 **618개의 단백질-암 연관성**이 발견되었습니다.

* 이 중 **107개 단백질은 혈액 채취 후 7년 이상 지나 암이 발생한 경우에도 연관성**이 유지되었습니다. → 즉, 상당히 오래 전에 위험 신호가 나타날 수 있음을 의미합니다.

* 유전적 분석까지 통과한 “신뢰도 높은 단백질”은 4개였습니다.

  * **CD74, TNFRSF1B → 비호지킨 림프종 위험 증가**

  * **ADAM8 → 백혈병 위험 증가**

  * **SFTPA2 → 폐암 위험 증가**

* 일부 단백질은 이미 암 치료제 표적(target)으로 활용되고 있었으며, 이는 약물 개발과 예방 연구에도 큰 의미를 가집니다.

## 5. 연구 고찰

* 혈액 속 단백질은 **암이 발생하기 오래 전부터 신호를 줄 수 있는 “예고등”** 같은 역할을 할 수 있습니다.

* 특히 혈액과 직접 관련 있는 **혈액암, 간암, 신장암, 폐암** 등에서 단백질 신호가 더 뚜렷했습니다.

* 하지만 유방암, 전립선암 같은 경우에는 혈액 단백질만으로는 신호가 약했는데, 이는 해당 장기 특이적인 요인일 수 있음을 시사합니다.

* 단백질 신호가 암의 “원인”인지, 아니면 단순히 “동반 현상”인지는 더 많은 연구가 필요합니다.

## 6. 연구 의의와 시사점

* 피 한 방울로 암 위험을 조기 예측할 가능성을 제시했습니다.

* 일부 단백질은 이미 약물 표적이므로, **암 예방 약물 개발**로 이어질 수 있습니다.

* 암 발생 위험이 높은 집단을 선별해 **맞춤형 검진이나 생활습관 관리**를 하는 데 활용될 수 있습니다.

* 하지만 연구 대상이 주로 백인 위주의 영국인들이므로, 다른 인종이나 지역에서도 동일한 결과가 나오는지 확인이 필요합니다.

## 7. 이 연구가 왜 중요한가?

이 연구는 단순히 “암 환자의 혈액 단백질”을 본 것이 아니라, **건강한 사람을 장기간 추적하며 미래에 암이 생길 가능성을 단백질로 예측**했다는 점에서 의미가 큽니다.

암은 조기 발견이 생존율을 크게 바꾸는 병이므로, 혈액 속 단백질이 미래 암의 ‘경고 신호’가 될 수 있다면 암 예방과 조기 진단의 패러다임을 바꿀 수 있습니다.

---

👉 쉽게 말해, 이 연구는 “혈액 속 단백질 지도를 그려서 암 발생 위험을 미리 알 수 있는가?”라는 질문에 중요한 단서를 제시했습니다. 앞으로 더 많은 연구가 이어진다면, **건강검진에서 혈액 단백질 검사로 암 위험을 미리 알려주는 시대**가 올지도 모릅니다.


grok3

### 혈중 단백질이 암 위험을 어떻게 알려줄까? UK Biobank 연구 요약

#### 연구 배경

암은 세포가 비정상적으로 성장하는 질병으로, 단백질이 이 과정에서 핵심 역할을 합니다. 예를 들어, 인슐린 유사 성장 인자-I 같은 단백질이 유방암이나 대장암 위험을 높인다는 사실이 알려져 있지만, 과거 연구는 소수의 단백질만 다뤘습니다. 최근 기술 발전으로 수천 개의 단백질을 한 번에 측정할 수 있게 됐고, 이를 활용해 암 발생 전에 혈액에서 위험 신호를 찾는 연구가 주목받고 있습니다. 이 연구는 영국 대규모 코호트(UK Biobank) 데이터를 바탕으로, 혈중 순환 단백질과 여러 암의 연관성을 탐구합니다.

#### 연구 목적

이 연구의 목표는 1463개의 혈중 단백질이 19종 암(두경부암, 식도암, 위암, 대장암, 간암, 췌장암, 폐암, 유방암, 자궁암, 난소암, 전립선암, 신장암, 방광암, 뇌암, 갑상선암 등)과 9개 아형(예: 폐암의 선암, 편평세포암 등)의 발생 위험과 어떤 관련이 있는지 밝히는 것입니다. 단순 관찰뿐 아니라 유전 분석을 더해, 단백질이 암 원인으로 작용할 가능성을 검증합니다. 특히, 혈액 채취 후 7년 이상 지난 후 암 진단된 경우를 분석해 조기 위험 마커를 찾고자 했습니다.

#### 연구 방법

영국 UK Biobank의 44,645명(남녀 균형, 평균 연령 57세)을 대상으로 했습니다. 참가자들은 2006~2010년에 혈액을 채취하고, 평균 12년 동안 추적 관찰됐습니다. Olink 기술로 1463개 단백질 농도를 측정했습니다. 통계적으로 Cox 회귀 분석을 써서 단백질 농도와 암 발생 위험의 연관성을 계산했습니다. 추가로, 유전 변이( cis-pQTL: 단백질 유전자 근처 변이, exGS: 전체 엑솜 유전 점수)를 분석해 관찰 결과가 우연이 아닌지 확인했습니다. 암 진단 시점(혈액 채취 후 3년 이내 vs. 7년 이후)으로 나누어 역인과성(암 때문에 단백질이 변하는지)을 검토했습니다.

#### 연구 결과

1463개 단백질 중 371개가 최소 하나의 암과 연관됐으며, 총 618개의 단백질-암 쌍이 발견됐습니다. 혈액 관련 암(비호지킨 림프종 124개, 백혈병 87개, 다발성 골수종 59개)과 간암(131개), 신장암(51개), 폐암(28개)에서 연관성이 많았습니다. 예를 들어, TNFRSF13B 단백질은 다발성 골수종 위험을 2배 이상 높였습니다. 107개 연관성은 진단 7년 이상 전에 나타났고, 398개는 3년 이내(조기 발견 가능성 시사). 유전 분석에서 29개가 지지됐으며, 4개(CD74와 TNFRSF1B: 비호지킨 림프종, ADAM8: 백혈병, SFTPA2: 폐암)는 모든 분석에서 일관되게 위험 요인으로 확인됐습니다. 38개 단백질은 기존 약물 표적입니다.

#### 고찰

많은 연관성이 혈액 조성 관련 장기(간, 신장, 폐)나 면역 관련 단백질에서 나왔습니다. 일부는 흡연 등 생활 습관 영향으로 약화됐지만, 대부분 안정적이었습니다. 유전 분석이 관찰 결과를 뒷받침해 인과성을 강화했으나, 일부 단백질은 암 때문에 변할 수 있음(역인과성)을 고려해야 합니다. UK Biobank 참가자가 주로 백인이라 다른 인종에 적용하기 어렵고, 더 많은 추적 연구가 필요합니다. 경로 분석에서 면역 반응이 혈액암에서 두드러졌습니다.

#### 의의와 시사점

이 연구는 혈중 단백질이 암 위험을 예측할 수 있음을 보여줍니다. 7년 이상 앞선 마커는 예방 전략(예: 고위험군 스크리닝)에 유용하고, 3년 이내 마커는 조기 진단 도구로 활용 가능합니다. 일부 단백질이 약물 표적이라 신약 개발에 힌트가 됩니다. 기존 암 위험 유전자와 연계된 단백질(예: FLT3LG: 전립선암)은 유전자 검사와 결합한 개인화 의학을 촉진할 수 있습니다. 추가 연구로 검증되면, 혈액 검사로 암을 미리 막는 시대가 올 수 있습니다.

이 연구가 중요한 이유는 암이 세계 사망 원인 1위인 가운데, 혈액 한 방울로 위험을 예측해 조기 개입하면 생명을 구할 수 있기 때문입니다. 기존 연구를 넘어 대규모 데이터로 구체적 증거를 제시해, 암 예방의 새 장을 열었습니다! (약 850자)


NotebookLM

다음은 업로드하신 논문의 내용을 일반 성인 독자들이 이해하기 쉽도록 블로그 형식으로 요약한 것입니다.

---

## 혈액 속 단백질로 암 위험을 예측하다: 새로운 가능성 발견!

우리의 몸 속에는 수많은 단백질들이 각자의 역할을 수행하며 생명 활동을 유지하고 있습니다. 이 단백질들은 세포 성장, 증식 등 암 발생과 관련된 여러 생물학적 과정에도 깊이 관여하죠. 그렇다면 이 단백질들이 암 발생 위험을 미리 알려줄 수 있을까요?

### 연구 배경: 혈액 속 숨겨진 암 신호를 찾아서

지금까지는 인슐린 유사 성장 인자-I (유방암, 대장암, 전립선암 위험 요인)이나 미세정액단백질-베타 (전립선암 위험 감소와 관련)와 같이 **몇몇 혈액 단백질이 암과 관련이 있다는 사실이 밝혀져 왔습니다**. 또한 CA-125, PSA와 같은 특정 단백질들은 이미 암 진단이나 진행, 재발, 예후를 예측하는 데 사용되고 있죠.

하지만 최근에는 **한 번에 수천 개의 단백질을 동시에 측정할 수 있는 새로운 기술**이 개발되면서, 기존에는 연구되지 않았던 수많은 단백질들과 암 위험 간의 연관성을 대규모로 탐색할 수 있게 되었습니다.

단순히 관찰 연구만으로는 암 위험 인자를 정확히 파악하기 어려울 때가 많습니다. 교란 변수나 다른 역학적 편향 때문이죠. 하지만 우리 몸의 혈액 단백질 농도는 유전적 변이에 의해 부분적으로 설명될 수 있습니다. 연구진은 이러한 **유전적 정보를 활용하여 단백질과 암의 연관성에 대한 보완적인 증거를 얻고자 했습니다.** 유전적 분석은 관찰 연구와는 다른 편향을 가지기 때문에, 두 가지 접근법을 함께 사용하면 암 발병에 직접적인 역할을 할 가능성이 높은 단백질을 더 정확하게 식별할 수 있습니다.

### 연구 목적: 통합적인 접근으로 암 위험 단백질 발굴

이 연구는 **영국 바이오뱅크(UK Biobank)에 참여한 4만 4천 명 이상의 사람들의 혈액 단백질 데이터와 유전체 데이터를 통합하여 암 발생에 영향을 미치는 단백질을 식별하는 것을 목표로 했습니다**. 특히 연구진은 1,463개의 혈액 단백질이 19가지 일반적인 암 및 9가지 암 하위 유형의 위험과 어떻게 연관되어 있는지, 그리고 이 연관성이 혈액 채취 시점부터 암 진단까지의 시간에 따라 어떻게 달라지는지를 조사했습니다.

### 연구 방법: 대규모 데이터와 다각적인 분석

연구진은 영국 바이오뱅크 참여자 44,645명의 혈액 샘플을 분석하여 **1,463개의 혈액 단백질 농도를 측정했습니다.** 이들은 평균 12년간 참여자들을 추적 관찰하며 암 발생 여부를 확인했습니다.

분석은 크게 세 가지 방식으로 진행되었습니다:

1.  **관찰 분석:** 혈액 단백질 농도와 암 발생 위험 간의 직접적인 연관성을 조사했습니다. 이 연관성이 암 진단 시점으로부터 **7년 이상 장기간 유지되는지**도 함께 평가했습니다. 이는 역인과성(reverse causality, 암이 이미 진행되어 단백질 수치가 변한 것)의 가능성을 줄이는 데 중요합니다.

2.  **유전적 분석 (cis-pQTL):** 특정 단백질의 농도에 영향을 미치는 **유전적 변이(cis-pQTL)**를 사용하여 해당 단백질이 암 위험에 미치는 영향을 확인했습니다.

3.  **유전적 분석 (exome-wide genetic scores, exGS):** 여러 유전적 변이를 종합하여 **단백질 유전 점수(exGS)**를 만들고, 이 점수가 암 위험과 어떻게 연관되는지 분석했습니다.

이러한 **다각적인 '통합 오믹스 접근법'**을 통해 관찰 결과의 신뢰도를 높이고, 단백질이 암 발생에 인과적인 역할을 하는지 더욱 확실하게 밝히고자 했습니다.

### 연구 결과: 암 위험을 예측하는 수많은 단백질들

이 대규모 연구를 통해 다음과 같은 중요한 결과들이 도출되었습니다:

*   **총 618개의 단백질-암 연관성 발견:** 분석에 포함된 1,463개 단백질 중 371개의 단백질이 최소한 한 종류의 암 위험과 유의미하게 연관되어 있었습니다.

*   **장기적인 예측 가능성:** 이 중 **107개의 단백질-암 연관성은 혈액 채취 후 7년 이상 지나서 진단된 암에서도 유의하게 나타났습니다.** 이는 이 단백질들이 암 발생 훨씬 이전부터 위험을 나타내는 지표일 수 있음을 시사합니다.

*   **관찰 및 유전 분석에서 모두 지지된 핵심 단백질 4가지:**

    *   **CD74**와 **TNFRSF1B**는 **비호지킨 림프종(NHL)** 위험과 연관.

    *   **ADAM8**은 **백혈병** 위험과 연관.

    *   **SFTPA2**는 **폐암** 위험과 연관.

    이 네 가지 단백질은 **7년 이상의 장기적인 관찰 분석, cis-pQTL 분석, exGS 분석 세 가지 모두에서 암 위험과 일관된 연관성을 보여주었습니다.** 이는 이 단백질들이 암 발병에 인과적인 역할을 할 가능성이 매우 높음을 의미합니다.

*   **다른 중요한 단백질 연관성:**

    *   **SRP14**는 백혈병 위험과 연관되었으며, 특정 유전적 변이(JAK2 유전자 변이)와 관련이 있을 수 있습니다.

    *   **FLT3LG**는 전립선암 위험 감소와 연관되었으며, DNA 복구 경로 유전자 변이(CHEK2, ATM, TERT)와 관련하여 암 위험이 높은 사람들에게서 조기 암 과정을 나타내는 바이오마커가 될 가능성이 있습니다.

*   **혈액암 및 혈액 관련 조직 암에서 연관성 높음:** 발견된 단백질-암 연관성 중 절반 이상(320개)이 혈액암(비호지킨 림프종, 백혈병, 다발성 골수종 등)과 관련이 있었습니다. 또한 간, 신장, 폐와 같이 혈액 조성 유지나 혈액 순환량이 많은 조직의 암에서도 많은 연관성이 관찰되었습니다.

*   **약물 표적이 되는 단백질:** **38개의 단백질이 현재 승인되어 사용 가능한 약물의 표적**인 것으로 확인되었습니다. 이 중 9개는 이미 해당 암 치료에 사용되는 약물의 표적이었습니다. 이는 이러한 단백질들이 암 예방 또는 치료를 위한 새로운 약물 개발의 표적이 될 수 있음을 시사합니다.

### 고찰 및 시사점: 조기 발견과 예방의 새로운 길

이번 연구는 혈액 단백질이 암 발병 초기의 징후를 나타내는 "순환하는 지표"가 될 수 있음을 강력하게 시사합니다.

*   **인과적 역할 가능성:** 장기간의 관찰 결과와 유전적 분석 결과가 일치하는 단백질들(CD74, TNFRSF1B, ADAM8, SFTPA2)은 암 발병에 직접적인 영향을 미칠 가능성이 큽니다. 이 단백질들은 면역 시스템이나 폐 기능 유지에 중요한 역할을 하는 것으로 알려져 있어 생물학적 타당성도 높습니다.

*   **조기 발견 바이오마커:** 진단 3년 이내에 강하게 연관된 182개의 단백질들은 암의 조기 발견을 위한 바이오마커로서의 잠재력을 가집니다.

*   **약물 개발 가능성:** 약물 표적이 되는 단백질들을 추가로 발굴한 것은 암 예방 및 치료 전략 개발에 중요한 단서를 제공합니다.

*   **제한점:** 이 연구는 대부분 백인 참가자를 대상으로 했으며, 단백질 농도가 한 번만 측정되었다는 한계가 있습니다. 따라서 다양한 인종과 더 많은 추적 관찰 데이터를 포함하는 추가 연구가 필요합니다.

### 이 연구가 중요한 이유

이 연구는 단순히 혈액 단백질과 암 위험 사이의 수많은 연관성을 밝혀낸 것을 넘어섭니다.

첫째, **대규모의 통합적인 연구 설계**를 통해 관찰 데이터와 유전적 데이터를 결합하여 단백질이 암 발생에 미치는 **인과적인 역할에 대한 강력한 증거**를 제시했습니다. 이는 암 연구 분야에서 기존의 역학적 편향을 극복하고, 더욱 신뢰할 수 있는 바이오마커를 찾는 데 중요한 전환점이 됩니다.

둘째, **암 진단 수년 전에 혈액에서 감지될 수 있는 단백질 바이오마커를 식별**함으로써, 암의 조기 진단 및 고위험군 선별을 위한 새로운 전략 개발의 토대를 마련했습니다. 이는 궁극적으로 암 생존율을 높이고 치료 부담을 줄이는 데 기여할 수 있습니다.

셋째, **기존 약물의 표적이 되는 단백질**을 암 위험과 연관시킴으로써, 현재 사용되는 약물을 암 예방이나 새로운 암 치료제로 활용할 수 있는 **재활용 가능성(drug repurposing)**을 제시했습니다. 이는 신약 개발에 드는 시간과 비용을 절감하면서도 효과적인 예방 및 치료법을 찾을 수 있는 중요한 기회가 될 수 있습니다.

이처럼 혈액 단백질 연구는 암과의 싸움에서 **더욱 정확하고 개인화된 조기 진단, 위험 예측, 그리고 나아가 예방 및 치료법 개발**이라는 희망적인 미래를 열어주고 있습니다. 앞으로 이 연구를 바탕으로 한 후속 연구들이 우리의 암 예방과 관리에 어떤 혁신을 가져올지 기대됩니다.


perplexity.ai

이 논문은 영국 UK Biobank의 혈액 단백질과 유전체 정보를 활용해 암 발생 위험과 관련된 **특정 단백질**을 찾아낸 대규모 연구입니다. 일반인에게도 이해될 수 있도록, 논문의 배경부터 결과, 의의까지 쉽게 요약합니다.[1]

## 연구 배경

암은 오랜 시간 동안 우리 몸에서 서서히 발생하지만, 조기 발견이 어려워서 치명적인 경우가 많습니다. 일부 단백질(예: PSA, CA-125)은 암 진단에 이미 사용되고 있지만, 최근 기술의 발전으로 혈액 속 수많은 단백질을 한 번에 측정할 수 있게 되었고, 어디에 어떤 암이 발생할 위험이 있는지 더 다양한 단백질을 조사할 수 있게 되었습니다.[1]

## 연구 목적

이 논문의 목표는 혈액 속 1463개의 단백질 수치와 **19종류 암 발생 위험** 사이의 연관성을 대규모로 분석하여, 암 조기 진단 및 원인 규명에 도움이 되는 새로운 **혈액 단백질 지표**를 발굴하는 것에 있습니다.[1]

## 연구 방법

- 연구는 영국 UK Biobank에 등록된 44,645명 성인을 대상으로 12년 동안 추적하여 혈액 단백질 데이터와 유전체 정보를 분석했습니다.[1]

- 암 발생자와 미발생자의 단백질 수치를 비교했고, 유전적으로도 해당 단백질의 변화가 실제 암 위험과 연관되는지 ‘유전적 점수’ 분석법(예: exome 분석, cis-pQTL)을 활용해 이중으로 검증했습니다.[1]

- 여러 암과 단백질 간의 관련성은 3가지 방법(관찰, 시간 경과, 유전자 변이 검증)으로 분석했으며, 약물 치료 대상이 되는 단백질도 확인했습니다.[1]

## 주요 결과

- **371개의 단백질**이 하나 이상의 암 발생과 통계적으로 유의하게 연관됨을 확인했습니다.[1]

- 이 중 **107개의 단백질**은 암 진단 7년 이상 전에 이미 변화를 보이기 시작했으며, 이는 암 발생 위험 신호가 매우 이른 시점부터 드러날 수 있음을 시사합니다.[1]

- 혈액암(비호지킨림프종, 백혈병, 다발성골수종), 간암, 신장암, 폐암에서 단백질 변화가 특히 뚜렷했고, 일부는 고유 조직(예: 간, 폐, 신장)에서 주로 발현됩니다.[1]

- **4가지 단백질(CD74, TNFRSF1B, ADAM8, SFTPA2)**은 관찰, 유전자, 시간 경과 모두에서 일관되게 암 발생과 연관되어 가장 강력한 위험 지표로 제시됩니다(CD74와 TNFRSF1B: 비호지킨림프종, ADAM8: 백혈병, SFTPA2: 폐암).[1]

- 38개 단백질은 실제 승인된 치료약(항체, 저분자화합물 등)의 표적임이 확인되어, 암 예방 또는 치료로 연결 가능한 바이오마커 잠재력도 있습니다.[1]

## 연구 고찰

- 단백질 변화가 암 발생 훨씬 이전부터 드러나므로, 조기 진단 및 위험도 평가, 맞춤형 예방에 활용될 수 있습니다.[1]

- 유전적 검증을 통해 단순한 연관성(후향적 영향)보다 원인적 역할을 하는 단백질을 구분할 수 있어, 암 병리 메커니즘 규명에도 의미가 큽니다.[1]

- 조직별‧암별 특징적인 단백질을 밝힘으로써 더욱 정확한 표적 진단‧치료도 기대할 수 있습니다.[1]

- 지금까지 알려지지 않았던 암-단백질 연결고리, 그리고 조기 경고 신호로서 활용 가능성이 크게 확장됩니다.[1]

## 연구 의의 및 시사점

이 연구는 **혈액 단백질이 암 위험을 조기에 경고해줄 수 있다**는 사실을 대규모 데이터와 유전적 검증을 통해 입증했습니다. 여러 암에 대한 맞춤형 조기 진단, 예방, 치료 표적 발굴에 실질적인 토대를 마련해, 미래 암 관리 방식에 획기적인 변화를 가져올 수 있다는 점에서 매우 중요한 의미를 갖습니다.[1]

아직 모든 인종이나 암에 대한 세부 정보와 메커니즘이 완전히 밝혀진 것은 아니지만, 앞으로 더 많은 연구를 통해 발견된 단백질이 일반인 건강검진, 암 특이 예방, 개인 맞춤 치료에도 실제로 쓰일 수 있을 것으로 예상됩니다.[1]





출처: @ye._.vely618


월요일, 4월 21, 2025

단백질, 유전, 그리고 건강의 연결고리 찾기: 대규모 혈장 단백질체 비교 연구

오늘도 UK가 UK가 한 것 되겠습니다. 혈장에서 단백질 연구를 해봄으로써 질병과의 관계를 한번 엮어보고자 한 논문 되겠습니다. 제목은 Large-scale plasma proteomics comparisons through genetics and disease associations 입니다.

DOI: 10.1038/s41586-023-06563-x


chatGPT

### 대규모 혈장 단백질 연구: 우리의 건강과 유전 정보는 어떻게 연결될까?

#### 1. 연구 배경  

우리 몸에는 수많은 단백질이 존재하며, 이 단백질들은 유전자의 영향을 받아 생성됩니다. 과학자들은 특정 유전 변이가 특정 단백질의 양과 기능에 어떤 영향을 미치는지 연구하고 있으며, 이를 통해 질병의 원인을 이해하고 예측할 수 있습니다. 이번 연구에서는 대규모 단백질 데이터와 유전체 정보를 결합하여 단백질과 유전적 변이, 그리고 질병 간의 관계를 밝히고자 했습니다.

#### 2. 연구 이유  

이 연구는 단백질 수준과 유전적 변이 간의 관계를 분석함으로써 질병의 원인을 더 깊이 이해하고, 새로운 바이오마커(질병을 조기에 진단하는 데 도움을 주는 생물학적 지표)를 찾기 위해 진행되었습니다. 특히, 서로 다른 연구 플랫폼(Olink와 SomaScan)의 결과를 비교하여, 어떤 방식이 더 신뢰할 수 있는지를 평가하고자 했습니다.

#### 3. 활용한 자료  

연구팀은 영국 바이오뱅크(UK Biobank)와 아이슬란드 유전자 연구소의 데이터를 활용했습니다.  

- **UK Biobank:** 50,000명 이상의 혈장 단백질 데이터를 수집하였으며, 연구 대상자들은 영국 및 아일랜드계, 남아시아계, 아프리카계로 분류되었습니다.  

- **아이슬란드 코호트:** 36,000명의 혈장 단백질 데이터를 포함하며, 이 중 일부는 UK Biobank와 중복되어 비교 연구가 가능했습니다.

#### 4. 분석 방법  

연구에서는 두 가지 주요 기술이 사용되었습니다.  

1. **Olink Explore 3072**: 면역학적 방법을 기반으로 단백질을 분석하는 기술로, 높은 특이성과 민감도를 제공합니다.  

2. **SomaScan v4**: 단일 DNA 기반의 아프타머(aptamer)를 사용하여 단백질을 정량하는 기술입니다.

연구진은 이 두 플랫폼이 같은 단백질을 측정할 때 얼마나 일치하는지 비교하고, 유전적 변이와 단백질 수준 사이의 연관성을 분석했습니다.

#### 5. 연구 결과  

- **Olink와 SomaScan 간의 차이:** 두 플랫폼이 측정한 단백질의 상관관계는 예상보다 낮았습니다. 즉, 같은 단백질을 분석했음에도 플랫폼에 따라 차이가 있었습니다.  

- **유전적 변이와 단백질 간의 관계:** Olink에서는 2,101개의 단백질에서 유전적 연관성이 확인된 반면, SomaScan에서는 2,120개의 단백질에서 확인되었습니다. 그러나 Olink의 데이터는 연관성을 더 명확하게 보여주었습니다(72% vs. 43%).  

- **새로운 질병 연관성 발견:** 다양한 인종 그룹을 포함한 덕분에 기존에 알지 못했던 단백질과 질병 간의 새로운 연관성을 발견할 수 있었습니다.

#### 6. 고찰  

이번 연구는 단백질과 유전적 변이의 관계를 이해하는 데 큰 기여를 했습니다. 하지만 연구 방법에 따라 결과가 다르게 나올 수 있으며, 플랫폼 선택이 연구 결론에 영향을 줄 수 있음을 시사합니다. 또한, 단백질 수준이 질병의 원인인지, 아니면 결과인지 명확히 구분하는 것이 중요하다는 점도 강조되었습니다.

#### 7. 결론  

이 연구를 통해 우리는 유전 정보가 혈액 속 단백질에 어떤 영향을 미치는지 이해할 수 있었습니다. 이는 향후 질병 진단 및 치료법 개발에 중요한 단서를 제공할 것으로 기대됩니다.



NotebookLM

## 🤔 단백질, 유전, 그리고 건강의 연결고리 찾기: 대규모 혈장 단백질체 비교 연구 🔍

### 🎯 연구 배경: 왜 단백질 연구가 중요할까요?

우리 몸은 수많은 **단백질**로 이루어져 있어요. 이 단백질들은 우리 몸의 **기능을 조절하고 건강을 유지하는 데 핵심적인 역할**을 하죠. 마치 컴퓨터의 프로그램 코드처럼, 단백질은 우리 몸의 다양한 생명 현상을 '작동'시키는 중요한 존재랍니다.

**유전**은 우리 몸의 설계도와 같아요. 유전 정보는 단백질이 어떻게 만들어질지 결정하죠. 만약 유전자에 문제가 생기면, 만들어지는 단백질에 이상이 생겨 질병이 발생할 수도 있어요.

최근 과학 기술의 발전으로, 우리는 **혈액 속의 단백질**을 분석하여 건강 상태를 파악하고 질병을 예측할 수 있게 되었어요. 이를 통해 개인 맞춤형 치료법을 개발하는 데 도움을 줄 수 있답니다.

### ❓ 연구 이유: "Olink" vs "SomaScan", 뭐가 다를까?

**Olink**와 **SomaScan**은 혈액 속 단백질을 측정하는 데 사용되는 대표적인 기술이에요. 마치 서로 다른 회사의 스마트폰처럼, 각 기술은 **단백질을 측정하는 방식**과 **장단점**이 다르답니다.

*   **Olink:** 두 개의 항체를 사용하여 단백질을 측정하는 면역 분석 기반 플랫폼.

*   **SomaScan:** 단일 압타머를 사용하여 단백질을 측정하는 플랫폼. 압타머는 단백질에 결합하는 짧은 DNA 또는 RNA 조각입니다.

어떤 기술이 특정 연구에 더 적합한지는 아직 명확하게 밝혀지지 않았어요. 그래서 과학자들은 **두 기술을 비교**하여 각각의 **특징과 장단점을 파악**하고자 했답니다.

### 📚 활용 자료: 거대한 데이터 더미 속에서 보물을 찾다!

이 연구에서는 다음과 같은 **대규모 데이터**를 활용했어요:

*   **영국 바이오뱅크 (UK Biobank):** 영국인 46,218명의 Olink Explore 3072 플랫폼 데이터. 영국인의 유전 및 건강 정보가 담겨 있어요.

*   **아이슬란드 인구 데이터:** 아이슬란드인 35,892명의 SomaScan v4 플랫폼 데이터. 아이슬란드인의 유전 및 건강 정보가 담겨 있어요.

*   **두 플랫폼으로 모두 측정된 데이터:** 아이슬란드인 1,514명의 Olink와 SomaScan 플랫폼 데이터. 두 기술을 직접 비교할 수 있는 소중한 자료죠.

마치 광활한 바다에서 진주를 찾는 것처럼, 과학자들은 이 방대한 데이터 속에서 **유용한 정보**를 찾아내기 위해 노력했답니다.

### 🔬 분석 방법: 통계 마법으로 숨겨진 패턴을 밝히다!

과학자들은 **다양한 통계 분석 방법**을 사용하여 두 플랫폼의 데이터를 비교했어요.

*   **정밀도 비교:** 각 플랫폼의 **반복 측정값**을 사용하여 **변동 계수 (CV)**를 계산했어요. CV는 측정값의 **정밀도**를 나타내는 지표로, CV가 낮을수록 정밀도가 높다는 것을 의미합니다.

*   **단백질-표현형 연관성 분석:** 각 플랫폼에서 측정된 **단백질 수치**와 **다양한 질병 및 건강 특성** 간의 연관성을 분석했어요. 이를 통해 특정 단백질이 특정 질병과 관련이 있는지 확인할 수 있답니다.

*   **유전적 연관성 분석 (pQTL):** 단백질 수치에 영향을 미치는 **유전 변이 (pQTL)**를 찾아냈어요. pQTL 분석을 통해 유전자가 단백질 발현을 어떻게 조절하는지 이해할 수 있습니다.

*   **플랫폼 간 pQTL 비교:** 두 플랫폼에서 **동일한 pQTL**이 발견되는지 확인하고, 그 효과가 **일치하는지** 비교했어요.

### 🎉 연구 결과: 플랫폼 선택이 결과에 미치는 영향

연구 결과, **플랫폼 선택**이 연구 결과와 결론에 **상당한 영향**을 미칠 수 있다는 것을 확인했어요.

*   **정밀도:** SomaScan 플랫폼이 Olink 플랫폼보다 **정밀도가 더 높은** 것으로 나타났어요. 즉, SomaScan이 단백질 수치를 더 정확하게 측정할 수 있다는 의미죠.

*   **플랫폼 간 상관관계:** 두 플랫폼에서 **동일한 단백질**을 측정했을 때, 그 수치 간의 **상관관계**는 **중간 정도**인 것으로 나타났어요. 이는 두 플랫폼이 **완전히 동일한 것을 측정하지 않는다**는 것을 의미할 수 있습니다.

*   **질병 연관성:** 특정 질병과 관련된 단백질을 분석했을 때, **두 플랫폼에서 결과가 다르게** 나타나는 경우도 있었어요. 예를 들어, 알츠하이머병과 관련된 NFL 단백질의 경우, Olink에서는 질병과 양의 상관관계를 보였지만, SomaScan에서는 음의 상관관계를 보였답니다.

*   **pQTL 발견:** Olink 플랫폼이 SomaScan 플랫폼보다 **더 많은 수의 cis-pQTL**을 발견했어요.

### 🤔 고찰: 불확실성 속에서 길을 찾다

이 연구는 **단백질체 연구**에서 플랫폼 선택이 얼마나 중요한지 보여주는 중요한 사례입니다. 두 플랫폼은 **각각의 장단점**을 가지고 있으며, 연구 목적에 따라 **적절한 플랫폼을 선택**해야 합니다.

*   **서로 다른 proteoform 측정:** Olink와 SomaScan은 **동일한 유전자**에서 유래되었지만, **서로 다른 형태의 단백질 (proteoform)**을 측정할 수 있어요. 이는 각 플랫폼의 **항체 또는 압타머**가 **특정 proteoform에 더 잘 결합**하기 때문일 수 있습니다.

*   **Epitope 효과:** 유전 변이가 단백질 수치 자체가 아니라 **항체 또는 압타머의 결합**에 직접적인 영향을 미치는 경우도 있어요. 이를 **Epitope 효과**라고 하며, pQTL 분석 결과를 해석할 때 주의해야 합니다.

*   **샘플 처리 및 보관:** 샘플 처리 및 보관 방식의 차이가 플랫폼 간 결과 차이를 유발할 수도 있어요.

### 🚀 앞으로의 연구 방향

과학자들은 앞으로 다음과 같은 연구를 통해 **단백질체 연구의 정확도와 신뢰도**를 높여나갈 계획입니다:

*   **각 플랫폼이 측정하는 proteoform 규명:** 각 플랫폼이 **어떤 proteoform**을 측정하는지 정확하게 파악해야 합니다.

*   **새로운 플랫폼 개발:** 특정 proteoform을 **정확하게 측정**할 수 있는 새로운 플랫폼을 개발해야 합니다.

*   **다양한 인종 및 민족 그룹 연구:** 다양한 인종 및 민족 그룹을 대상으로 연구를 확대하여 **결과의 일반화 가능성**을 높여야 합니다.

### 🌟 마무리

오늘은 **대규모 혈장 단백질체 비교 연구**를 통해 **단백질, 유전, 그리고 건강의 연결고리**를 살펴보았습니다. 이 연구는 **개인 맞춤형 의학** 시대에 한 걸음 더 다가가는 데 기여할 것으로 기대됩니다.


deepseek (DeepThink)

### 혈액 속 단백질 비교 연구: 유전자와 질병의 연결 고리

#### 연구 배경

우리 몸의 혈액에는 수천 가지 단백질이 흐르고 있습니다. 이 단백질들은 질병 발생과 깊은 연관이 있어요. 예를 들어, 심장병 환자의 혈액에는 특정 단백질이 더 많을 수 있습니다. 과학자들은 **Olink**와 **SomaScan**이라는 두 가지 기술을 사용해 혈액 속 단백질을 대규모로 분석합니다. 이 연구는 두 기술이 얼마나 정확하게 단백질을 측정하는지, 그리고 유전자 변이와 질병과 어떻게 연결되는지 비교했습니다.

---

#### 연구 이유: 왜 두 기술을 비교했나요?

- **기술 차이**: Olink는 항체를, SomaScan은 DNA 조각(앱타머)을 사용해 단백질을 측정합니다. 마치 다른 도구로 같은 물체를 재는 것처럼, 두 방법이 같은 단백질을 측정하더라도 결과가 다를 수 있어요.

- **질병 연구의 정확성**: 단백질 측정 방법에 따라 질병과의 연관성 결과가 달라질 수 있습니다. 예를 들어, 알츠하이머병과 연관된 단백질을 한 기술은 높게, 다른 기술은 낮게 측정할 수 있죠. 이런 차이는 연구 결과 해석에 큰 영향을 미칩니다.

- **다양한 인구 집단 분석**: 영국(주로 유럽인)과 아이슬란드 인구의 유전적 다양성을 활용해 더 정확한 유전자-단백질 연관성을 찾고자 했어요.

---

#### 활용한 자료

- **영국 바이오뱅크**: 54,265명의 혈장 샘플을 Olink로 분석.

- **아이슬란드 인구**: 35,892명의 혈장 샘플을 SomaScan으로 분석. 이 중 1,514명은 두 기술로 동시에 측정.

- **유전자 데이터**: 모든 참가자의 유전체 정보를 활용해 단백질 수준과 유전자 변이의 연관성(**pQTL**)을 분석.

---

#### 분석 방법

1. **정확도 비교**: 같은 샘플을 반복 측정해 두 기술의 오차 범위(CV*)를 계산했습니다.

   - *CV(변동 계수)*: 측정값의 퍼짐 정도. 숫자가 작을수록 정확함.

2. **유전자-단백질 연관성(pQTL) 탐색**: 유전자 변이가 특정 단백질 수준에 미치는 영향을 분석했습니다.

3. **질병 연관성 확인**: 알츠하이머, 심부전, 염증성 장염 등 질병 환자의 단백질 패턴을 비교했습니다.

---

#### 연구 결과

1. **정확도 차이**: SomaScan이 평균 9.9% 오차로 Olink(16.5%)보다 더 정확했습니다.

2. **유전자 영향**: 두 기술 모두 수천 개의 유전자 변이(pQTL)가 단백질 수준에 영향을 미치는 것을 발견했지만, **72%의 Olink 단백질** vs **43%의 SomaScan 단백질**에서만 유전자 영향이 확인되었습니다.

3. **질병 연관성 차이**:

   - **알츠하이머병**: Olink는 신경 손상 표지자(NFL) 수치가 높을수록 위험 증가, SomaScan은 반대 결과를 보였습니다.

   - **심부전**: 두 기술 모두 BNP 단백질이 높을수록 위험 증가를 확인했지만, 다른 단백질들은 결과가 달랐습니다.

4. **인종별 차이**: 아프리카 계통 참가자에서만 발견된 유전자 변이가 단백질 수준에 큰 영향을 미쳤습니다.

---

#### 고찰: 이 연구가 중요한 이유

- **기술 선택의 중요성**: 단백질 측정 방법에 따라 연구 결과가 달라질 수 있어, 기술의 한계를 이해하는 것이 필수적입니다.

- **다양한 인종 연구의 필요성**: 유럽인 중심 연구만으로는 놓칠 수 있는 유전적 영향을 다른 인종에서 확인할 수 있었습니다.

- **질병 진단 개선**: 단백질 패턴을 정확히 분석하면 조기 진단이나 치료제 개발에 도움이 될 것입니다.

---

### 마치며

이 연구는 혈액 속 단백질을 분석하는 두 기술의 차이를 밝히고, 유전자와 질병의 복잡한 연결 고리를 이해하는 데 큰 역할을 했습니다. 고등학생 여러분도 과학 기술이 어떻게 발전하고, 우리 건강에 어떤 영향을 미치는지 알아가는 재미를 느껴보세요! 🧬✨



Grok (DeepSearch)

### Key Points

- 연구는 Olink Explore 3072와 SomaScan v4라는 두 가지 단백질 측정 플랫폼을 비교하여, 이들이 혈장 단백질 수준, 유전자 변이, 질병 연관성을 어떻게 측정하는지 알아보았습니다.  

- 연구는 UK Biobank와 아이슬란드 코호트의 대규모 데이터를 사용했으며, 다양한 인종 배경을 포함하여 더 정확한 결과를 얻었습니다.  

- Olink은 유전자 변이와 단백질 수준 간의 연관성을 더 잘 찾는 것으로 나타났고, SomaScan은 측정 정밀도가 더 높았습니다.  

- 플랫폼 간 차이로 인해 질병 연구 결과가 달라질 수 있으므로, 연구 방법 선택이 중요하다는 점이 강조되었습니다.  

---

### 연구 배경

이 연구는 우리 몸에서 중요한 역할을 하는 단백질을 연구하는 분야인 프로테오믹스에 초점을 맞췄습니다. 단백질은 효소, 호르몬, 구조적 구성 요소 등 다양한 기능을 수행하며, 혈장 내 단백질 수준을 측정하면 질병의 바이오마커를 찾고 유전자가 단백질 수준에 어떻게 영향을 미치는지 이해하는 데 도움을 줍니다.  

두 가지 주요 플랫폼, Olink Explore 3072와 SomaScan v4는 많은 단백질을 한 번에 측정할 수 있는 고속 프로테오믹스 도구입니다. 이 연구는 이 두 플랫폼이 얼마나 잘 작동하는지, 특히 유전자 변이와 질병 연관성을 찾는 데 있어 차이가 있는지 비교하려 했습니다.  

### 연구 이유

이 연구를 한 이유는 두 플랫폼이 혈장 단백질 수준을 측정하고, 이를 유전자 변이(pQTLs)와 연결하며, 다양한 질병과 어떻게 연관되는지 비교하기 위해서입니다.  

이렇게 함으로써 각 플랫폼의 장단점을 이해하고, 연구자들이 어떤 도구를 사용할지, 결과를 어떻게 해석할지 더 잘 결정할 수 있도록 돕고자 했습니다.  

### 활용한 자료

- **데이터 출처:**  

  - UK Biobank Pharma Proteomics Project (UKB-PPP): UK Biobank에서 50,000명 이상의 참가자 혈장 샘플을 사용했으며, 영국/아일랜드, 아프리카, 남아시아 등 다양한 인종 배경으로 나눴습니다.  

  - 아이슬란드 코호트: 약 36,000명의 아이슬란드 사람들의 혈장 샘플을 사용했습니다.  

- **플랫폼:**  

  - Olink Explore 3072: 항체를 사용하여 특정 단백질을 측정합니다.  

  - SomaScan v4: 합성 분자인 아프타머를 사용하여 특정 단백질을 측정합니다.  

- **유전자 및 질병 데이터:**  

  - 유전자 정보(유전자형)를 사용하여 유전자 변이를 연구했습니다.  

  - 건강 기록을 통해 질병 연관성을 연구했습니다.  

### 분석 방법

- **pQTL 분석:**  

  - 단백질 수준에 영향을 미치는 유전자 변이를 찾았습니다(pQTLs).  

  - 각 플랫폼이 얼마나 많은 pQTLs를 찾는지, 어떤 종류인지 비교했습니다.  

- **질병 연관성 분석:**  

  - 단백질 수준과 다양한 질병 간의 연관성을 살펴봤습니다.  

  - 두 플랫폼이 찾은 연관성을 비교했습니다.  

- **플랫폼 성능 평가:**  

  - 각 플랫폼의 정밀도(측정의 일관성)를 측정했습니다.  

  - 두 플랫폼 간 측정 결과가 얼마나 잘 맞는지 비교했습니다.  

  - 단백질이 세포 내 위치에 따라 측정에 어떤 영향을 미치는지 분석했습니다.  

### 얻은 결과

- **pQTL 탐지:**  

  - Olink은 단백질 수준에 영향을 미치는 근처 유전자 변이를 72%에서 찾았고, SomaScan은 43%에서 찾았습니다. 이는 Olink이 이런 유전자 연관성을 더 잘 탐지한다는 것을 보여줍니다.  

- **질병 연관성:**  

  - 두 플랫폼은 일부 질병 연관성에서 일치했지만, 일부는 달랐습니다. 이는 플랫폼 선택이 질병 연구 결과에 영향을 미칠 수 있음을 의미합니다.  

- **플랫폼 특성:**  

  - SomaScan은 측정 정밀도가 더 높았습니다(변동성이 적음).  

  - 두 플랫폼은 단백질 측정 방식이 달라, 유전자 및 질병 연관성 연구 결과가 다를 수 있습니다.  

- **인종 다양성:**  

  - 다양한 인종 배경을 포함함으로써 새로운 유전자 연관성을 찾고, 유전자 위치를 더 정밀하게 파악할 수 있었습니다.  

### 고찰 내용

이 연구는 프로테오믹스 연구에서 중요한 두 도구의 장단점을 비교하여 많은 통찰을 제공했습니다. 과학자들은 플랫폼 간 차이를 이해하고, 어떤 도구를 사용할지, 결과를 어떻게 해석할지 신중히 결정해야 합니다.  

또한, 대규모이고 다양한 데이터 세트를 사용하는 것이 유전자, 단백질, 질병 간의 관계를 포괄적으로 이해하는 데 중요하다는 점도 강조되었습니다.  

결론적으로, 이 연구는 프로테오믹스 지식을 발전시키고, 질병 진단 및 치료를 위한 더 정확하고 신뢰할 수 있는 방법을 개발하는 데 기여할 것입니다.  



고등학교를 입학하는 학생들이 이해 할 수 있도록 글을 작성해 달라고 했는데... 잘 모르겠습니다. 2025년도에 고등학교를 입학하는 친구들은 스마트 할 수 있으니..

아직 혈장에 대해서는 많은 연구가 필요한게 사실이고, 아직 많은 것을 모르고 있다고 봅니다. 그래서 SomaScan, Olink를 사용해서 연구를 좀 했다는데... 혈장 전체에 대해서 한거라고 하기에는 어렵고 SomaScan과 Olink에서 탐지 할 수 있는 것들에 대해서 살펴봤다 정도 될것 같습니다.

한 줄 요약은 UK Biobank로 수집된 혈장을 SomaScan과 Olink으로 한번 살펴봤습니다.!



출처: @ye._.vely618


목요일, 5월 30, 2024

고관절 골절 예측, 어디까지 해봤니?

오늘은 페이지를 뒤척이다가 얻어걸린 내용을 생성형 AI들에게 물어보았습니다.

이번 나뚜루 노화에 게시된 A plasma protein-based risk score to predict hip fractures 입니다.

DOI: 10.1038/s43587-024-00639-7

고관절 골절 위험 예측을 위해서 (유전체 정보가 아닌) 단백질 마커를 활용해서 예측하는 점수 체계를 개발했다고 합니다. 물론 아직 임상적인 유용성은 확보하지 못했지만, 관심있는 접근법이라서 가져와봤습니다.


gemini

## 골다공증 환자를 위한 새로운 희망: 혈액 단백질 기반 엉덩이 골절 위험 예측

골다공증은 나이가 들면서 발생하는 질환으로, 뼈가 약해져 골절 위험이 증가하는 질환입니다. 특히 엉덩이 골절은 장애와 사망 위험이 높은 심각한 합병증을 유발하기 때문에 많은 사람들에게 두려움의 대상이 되고 있습니다. 

현재 엉덩이 골절 위험을 예측하는 데는 FRAX와 같은 도구가 사용되고 있습니다. 하지만 FRAX는 골밀도(BMD) 정보만을 활용하기 때문에, 골밀도가 정상이더라도 엉덩이 골절 위험이 높은 환자들을 제대로 식별하지 못하는 경우가 있습니다.

최근 연구에 따르면, 혈액 단백질 정보를 활용하여 엉덩이 골절 위험을 더 정확하게 예측할 수 있다는 사실이 밝혀졌습니다. **단백질은 우리 몸에서 다양한 역할을 수행하는 중요한 분자이며, 혈액 단백질 수준은 개인의 건강 상태와 질병 위험을 반영할 수 있습니다.**

이 연구에서는 **SomaScan 압타머 기반 플랫폼과 Olink 이중 항체 근접 확장 플랫폼**이라는 두 가지 단백질 분석 기술을 사용하여 엉덩이 골절 위험을 예측하는 단백질 기반 위험 점수를 개발했습니다. 

**연구 결과, 단백질 기반 위험 점수는 FRAX보다 엉덩이 골절 예측의 정확성을 향상시켰습니다.** 또한, 단백질 기반 위험 점수는 엉덩이 골절 위험이 높은 환자를 식별하는 데 유용한 임상 도구가 될 수 있다는 것을 보여주었습니다.

**단백질 기반 위험 점수는 다음과 같은 장점을 가지고 있습니다.**

* **더 정확한 엉덩이 골절 위험 예측:** 단백질 기반 위험 점수는 FRAX보다 엉덩이 골절 예측의 정확성을 향상시켰습니다. 이는 엉덩이 골절 위험이 높은 환자를 더 정확하게 식별하고, 불필요한 골다공증 치료를 줄이는 데 도움이 될 수 있습니다.

* **저렴하고 비침습적:** 단백질 분석은 혈액 또는 기타 체액 샘플에서 수행할 수 있으며, 비용이 덜 들고 더 빠를 수 있습니다. 이는 더 많은 사람들이 엉덩이 골절 위험 검사를 받을 수 있도록 하는 데 도움이 될 수 있습니다.

* **개인의 환경 및 생활 방식 요인 반영:** 단백질 프로필은 개인의 환경 및 생활 방식 요인에 대한 정보를 통합할 수 있습니다. 이는 개인 맞춤형 위험 평가를 제공하고, 엉덩이 골절 위험을 줄이는 데 도움이 되는 생활 방식 변화를 권장하는 데 사용될 수 있습니다.

* **치료 표적 식별:** 혈액 단백질 수준은 엉덩이 골절의 발병 및 진행에 관여하는 생물학적 과정을 반영할 수 있습니다. 이 정보는 새로운 치료법 개발 및 기존 치료법의 효과를 개선하는 데 사용될 수 있습니다.

**단백질 기반 위험 점수는 아직 개발 초기 단계이지만, 엉덩이 골절 예측과 예방에 혁신을 가져올 수 있는 잠재력을 가지고 있습니다.** 앞으로 더 많은 연구를 통해 단백질 기반 위험 점수의 정확성과 유용성을 입증하고, 임상 실무에 도입할 수 있도록 노력해야 합니다.

**골다공증으로 고민하는 분들은 단백질 기반 위험 점수 검사를 통해 자신의 엉덩이 골절 위험을 정확하게 파악하고, 적절한 예방 조치를 취하는 것을 고려해 보는 것도 좋은 방법입니다.**


clova-x

 단백질 기반 위험 점수(proteomic risk score)를 이용하여 고관절 골절(hip fracture) 예측 모델을 개발했다는 내용을 확인할 수 있습니다. 이 연구는 단백질 프로파일링 기술을 이용하여 고관절 골절 위험과 관련된 단백질을 식별하고, 이를 기반으로 위험 점수를 개발하여 고관절 골절 예측 모델을 구축했습니다.

이 연구의 목적은 단백질 기반 위험 점수를 이용하여 고관절 골절 예측 모델을 개발하는 것입니다. 이 연구는 단백질 프로파일링 기술을 이용하여, 고관절 골절 위험과 관련된 단백질을 식별하고, 이를 기반으로 위험 점수를 개발하여 고관절 골절 예측 모델을 구축했습니다. 이를 통해 고관절 골절 예방을 위한 환자의 위험도를 파악하고, 치료 및 예방 전략을 개발하는 데 도움을 줄 수 있습니다.

이 연구에서는 유전체 정보가 아닌 단백질 정보를 활용하여 고관절 골절 예측 모델을 개발하였습니다. 이는 단백질 정보가 유전체 정보보다 고관절 골절 발생과 더 밀접한 관련이 있기 때문입니다.

단백질 기반 위험 점수는 고관절 골절 예측과 판별력 개선에 효과적입니다. 이 모델은 기존의 다유전자 위험 점수와는 달리 골절이나 골밀도 정보를 포함하지 않습니다. 단백질 기반 위험 점수는 고관절 골절 위험도에 따라 환자를 분류하는 새로운 도구로 활용될 수 있습니다.

이 모델은 고관절 골절 예방을 위한 환자의 위험도 파악에 유용합니다. 단백질 프로파일은 유전적 변이와 환경적 요인에 대한 정보를 통합합니다. 이 연구는 고관절 골절 예측과 판별력 개선을 위한 단백질 기반 위험 점수의 임상적 유용성을 확인했습니다.

이 연구는 생명공학 분야에서 중요한 연구 결과로 평가됩니다. 이 연구는 고관절 골절 예방을 위한 새로운 방법을 제시하고, 환자의 치료와 예방에 큰 도움을 줄 수 있습니다. 이 연구는 골다골증에 관심이 있는 사람들에게 중요한 정보를 제공할 수 있습니다.


chatGPT

### 고관절 골절 위험 예측, 유전체 정보 대신 단백질 정보를 활용한 이유

골다공증은 뼈가 약해져서 쉽게 골절되는 질병으로, 나이가 들수록 많은 사람이 겪게 됩니다. 특히 고관절 골절은 큰 문제인데, 이는 심각한 장애와 높은 사망률을 동반하기 때문입니다. 고관절 골절 후 1년 이내에 사망할 확률이 20%에 달하기 때문에, 예방이 매우 중요합니다. 그래서 고관절 골절 위험을 정확하게 예측하는 것이 필요합니다.

지금까지는 주로 유전체 정보를 기반으로 한 예측 도구를 사용해왔습니다. 유전체 정보는 우리의 DNA에 담긴 유전 정보를 말합니다. 하지만 최근 연구에서는 유전체 정보 대신 단백질 정보를 활용하는 새로운 접근법을 시도하고 있습니다. 그렇다면, 왜 단백질 정보를 사용하게 된 걸까요?

#### 단백질 정보의 장점

1. **직접적인 생물학적 역할**:

   단백질은 우리 몸에서 여러 가지 중요한 역할을 하는 분자입니다. 단백질은 유전자의 명령을 실행하여 우리 몸의 기능을 수행하는데, 이를 통해 현재의 건강 상태를 더 정확하게 반영할 수 있습니다.

2. **환경과 상호작용**:

   단백질 수준은 유전적인 요인뿐만 아니라, 식습관, 운동, 약물 복용 등의 환경적 요인에도 영향을 받습니다. 이는 단백질 정보가 우리의 현재 생활 습관과 건강 상태를 더 잘 반영할 수 있다는 뜻입니다.

3. **질병 상태의 반영**:

   유전체 정보는 평생 변하지 않지만, 단백질 수준은 시간에 따라 변화합니다. 따라서 단백질 정보는 현재의 질병 상태나 위험을 평가하는 데 매우 유용합니다.

4. **더 나은 예측력**:

   연구 결과, 단백질 기반의 위험 점수가 유전체 기반 점수보다 고관절 골절 위험을 더 정확하게 예측할 수 있었습니다. 이는 단백질이 실제 질병 발현과 밀접하게 관련되어 있음을 보여줍니다.

5. **프로테오믹스 기술의 발전**:

   최근에는 단백질을 대규모로 분석할 수 있는 기술이 발전하여, 많은 양의 단백질 정보를 쉽게 얻을 수 있게 되었습니다. 이를 통해 더 정교하고 정확한 예측 모델을 만들 수 있습니다.

#### 연구의 주요 내용

이 연구에서는 단백질 기반의 새로운 고관절 골절 위험 점수를 개발하고 이를 검증했습니다. 연구팀은 수천 명의 혈액 샘플을 분석하여 단백질 정보를 수집하고, 이를 바탕으로 고관절 골절 위험을 예측하는 모델을 만들었습니다. 그 결과, 단백질 기반 점수가 기존의 유전체 기반 점수보다 더 우수한 예측력을 보였습니다.

#### 결론

이번 연구는 단백질 정보를 활용하여 고관절 골절 위험을 더 정확하게 예측할 수 있는 가능성을 보여주었습니다. 이는 앞으로 더 많은 사람들이 고관절 골절을 예방하고 건강한 삶을 유지하는 데 큰 도움이 될 수 있을 것입니다.

골다공증과 고관절 골절에 관심이 있으신 분들께 이번 연구가 유익한 정보를 제공했기를 바랍니다. 앞으로도 건강한 뼈를 유지하기 위해 꾸준한 관심과 노력이 필요합니다.


gemini가 내용면에서는 가장 충실하게 작성해준 듯 합니다. 그리고 "블로그에 올릴 수 있는 글을 작성해줘" 하기 전에 이런 저런 것들을 물어보면서 사전 학습을 시키지만 모델마다 그 결과가 다르다는 것을 항상 느껴지네요.

그럼 다음에 또 유용한 정보를 가져오도록 하겠습니다.


출처: @ye._.vely618