라만 이미징과 공간 전사체학으로 규명한 세포 노화의 생화학적 기저

노화와 조직 복구는 전사, 생화학, 세포 수준에서의 복잡한 재편성을 수반하지만, 기존 정의는 특정 분자 마커에 의존하여 이러한 상태들이 어떻게 공진화하는지 명확히 하지 못했습니다. 단일 세포 전사체학은 노화 이해를 심화시켰지만, 지질 분포, 단백질 구조, 대사 상태 등의 생화학적·대사적 구성 요소를 완전히 포착하지는 못했습니다. 특히, 세포 노화 세포의 생화학적 상태와 유전자 발현 프로그램 간의 관계를 조직 내에서 공간적으로 규명하는 프레임워크가 부족했습니다.

본 연구에서는 마우스 폐와 피부를 이용하여 노화에 따른 조직 특이적 프로그램을 규명했습니다. 폐의 노화 세포는 세포외 기질의 리모델링과 TGF-β 신호가 우세한 반면, 피부의 노화는 각화 관련 유전자 (Krt10, Lor, Sbsn) 의 발현이 지배적이었습니다. 또한, 모든 조직에 공통적으로 p21 양성 세포 노화 세포를 특징짓는 지질 관련 라만 시그니처 (1,131–1,135 cm⁻¹) 를 확인했습니다. furthermore, 상처 치유 모델에서 노화 세포가 표피 분화 유전자를 재활성화하고 지질 관련 라만 시그니처가 증가함을 발견했습니다.

• 폐와 피부에서의 노화 조직 특이적 전사 프로그램 규명
• p21 양성 노화 세포에 공통적인 지질 관련 라만 시그니처 동정
• 기계 학습을 활용한 비침습적 노화 세포 공간 식별 바코드 개발

본 연구에서 개발된 'RamanOmics'는 라벨 프리 하이퍼스펙트럴 라만 이미징, 단일 핵 RNA 시퀀싱 (snRNA-seq), 그리고 공간 전사체학 (STARmap-ISS) 을 통합한 멀티모달 프레임워크입니다. 동일한 조직 절편에서 라만 이미지를 획득한 후, 같은 슬라이스에서 공간 유전자 발현 분석을 수행하여 단일 세포 수준에서 생화학적 상태와 전사 프로그램을 직접 대응시켰습니다.

• 라만 분광 (600–1,800 cm⁻¹) 을 통한 생화학적 지문 획득
• DNA 신호 (791 cm⁻¹) 와 DAPI 염색을 이용한 이미지의 정밀 위치 맞춤
• 기계 학습 알고리즘을 통한 노화 세포 비침습적 식별 바코드 생성

이 연구는 노화 관련 질환 및 재생 의학 연구에서 유전자 발현뿐만 아니라 생화학적 변화 (특히 지질 대사 및 단백질 구조) 를 동시에 평가하는 중요성을 시사합니다. 노화 세포의 지질 시그니처는 세포막 유동성과 신호 전달에 영향을 미치므로, 노화 관련 질환의 바이오마커 개발이나 노화 세포 제거 요법 (세노리티クス) 의 효능 평가에서 새로운 지표가 될 수 있습니다. 또한, 상처 치유 과정에서 노화 세포의 역할 재평가는 조직 재생을 촉진하는 치료 전략 수립에 기여합니다.

본 연구에 사용된 마우스 노화 모델 (2 개월령 및 26 개월령) 과 상처 치유 모델은 전임상 연구에서 널리 활용 가능한 모델입니다. 특히, RamanOmics 를 통해 확인된 생화학적 시그니처는 유전자 변형 마우스 모델이나 약물 투여 모델에서의 노화 상태 정량적 평가에 적용 가능합니다. Cyagen 이 제공하는 유전자 편집 마우스 모델이나 노화 관련 유전자 (p21, p16 등) 를 표적으로 한 모델을 활용하면, 본 연구에서 제시된 메커니즘 검증 및 항노화 약물 스크리닝을 더 정밀하게 수행할 수 있습니다.

RamanOmics 는 세포 노화의 공간적·생화학적·분자 구조를 규명하기 위한 획기적인 프레임워크를 제공합니다. 이 기술은 노화 메커니즘 이해를 심화시킬 뿐만 아니라, 비침습적 세포 상태 식별을 가능하게 하여 노화 관련 질환의 진단 및 치료 개발에 있어 전임상 연구의 정확도 향상에 크게 기여할 것으로 기대됩니다.