증상 10년 전, 혈장 단백질로 ALS를 가려낸다

🔎 한눈에 보기

• 대규모 혈장 프로테옴(2,886개 단백질)에서 ALS 연관 단백질 33개를 규명했고, 독립 코호트에서 재현했습니다. 혈장은 Olink Explore 3072로 측정했고, 일부는 SomaScan 및 ELISA로 검증했습니다.
• 17개 단백질+연령·성별·채혈 튜브를 넣은 랜덤포레스트 분류기는 테스트 AUC 0.962, 외부검증 0.986/0.991(UK Biobank)를 달성했습니다. NEFL(NfL)을 빼도 성능 저하는 2.4–13.2%로, 한 단백질에 의존하지 않는 패널임을 보였습니다.
• UK Biobank 전기신경·근육 질환(신경병증/근병증) 355명 대상 추가 분석에서 ALS와의 감별 93.8%를 보여 임상 유사 질환과의 구분도 가능했습니다.
• 무증상 채혈 110건을 분석하니, ALS 위험점수가 증상 발현 10년 전부터 점진 상승했습니다(기울기 4.48, R²=0.74). 단백질 중 NEFL이 가장 강한 단일 예측자였고 CSRP3도 기여했습니다.

---

💡 왜 중요한가: 임상·연구적 함의

혈액 기반 다중 바이오마커와 머신러닝 위험점수가 결합되면, 무증상 단계에서 질병 신호를 포착하고 ALS·유사질환 감별 및 발현 시점 예측까지 가능해집니다. 이는 유전 고위험군(예: C9orf72 보인자)의 선별·모니터링, 예방/초기개입 임상시험 설계, 진단 지연 단축에 직접적인 도움을 줄 수 있습니다. 또한 혈장 선별–CSF 확인과 같은 단계적 접근이 현실적인 임상 워크플로로 제시됩니다.

---

🧪 연구 개요(Study Design)

• 코호트 구성: 발견(=훈련) ALS 183 / 대조 309, 재현(=테스트) ALS 48 / 대조 75. 외부검증은 NIH 46샘플과 UK Biobank 23,614명(ALS 13)을 활용했습니다.
• 분석 파이프라인: 차등발현 분석 → 특징선정 → 랜덤포레스트 학습/검증 → 위험점수(SHAP 합산) → 전임상 분석.

연구 흐름도  — 표본 분할과 외부검증을 포함한 전체 분석 흐름

---

📈 핵심 결과 1: ALS 연관 단백질 33개

• 발견 코호트에서 33개 단백질이 ALS와 유의한 증가/감소를 보였고, 재현 코호트에서 방향성과 효과가 높은 일치를 보였습니다. 일부는 CSF에서도 일관된 변화를 보였습니다.
• NEFL(NfL)은 가장 영향력 높은 특징이었지만, 패널 전체가 성능을 좌우했다는 점이 중요합니다.

ALS 환자에서의 혈장 단백질 차등 발현

---

🤖 핵심 결과 2: 머신러닝 진단 모델의 정밀도

• 특징 20개(단백질 17+연령·성별·튜브)로 학습한 랜덤포레스트가 테스트 AUC 0.962, 외부검증 0.986/0.991을 달성했습니다.
• NEFL 제외 시에도 AUC 2.4–13.2% 감소에 그쳐, 단일 마커 의존이 아닌 다중 패널의 힘을 확인했습니다.
• ALS와 유사한 신경·근육 질환 355명 중 93.8%를 비-ALS로 올바르게 분류했습니다.

혈장 단백질 기반 머신러닝

---

⏳ 핵심 결과 3: 무증상 단계(최대 10년 전)에서의 예측

• 무증상 채혈 110건 분석에서 ALS 위험점수가 증상 발현 시점에 가까울수록 증가했습니다(기울기 4.48, R² 0.74).
• 단백질 단위로 보면 NEFL이 가장 강한 양의 기울기, CSRP3가 그 다음이었습니다.
• 이 전임상 신호는 증상 10년 전까지도 관찰되어 조기 스크리닝과 전향적 개입 설계 가능성을 보여줍니다.

위험점수–발현시점 회귀 분석  — 무증상/진단 전후 표본에서 위험점수의 시간적 변화

---

🧬 생물학적 통찰: 근골격·신경·에너지 대사 경로

• 경로(패스웨이) 풍부도 분석에서 근육 발달·퇴행, 에너지 대사, NMDA 수용체 매개 흥분독성 등 근·신경 관련 경로가 두드러졌습니다.

경로 분석  — GO/KEGG/Reactome 기반 기능·경로 풍부도

---

🩺 어떻게 쓸 수 있나: 실전 적용 시나리오

1. 1차 선별: 혈장 패널 기반 위험점수로 고위험군을 추려내고,
2. 확인 검사: 필요 시 CSF 등 정밀검사로 확진을 보완하며,
3. 모니터링: 전임상 단계의 위험점수 상승을 추적해 개입 시점을 정교화합니다. (혈장 선별–CSF 확인의 단계적 접근 가능성)

---

⚠️ 한계와 다음 단계

• 플랫폼 커버리지: Olink는 약 3,000개 단백질만 정량하므로, 측정 밖 표적이나 새로 생성되는 단백질(암호 스플라이싱)은 포착이 어렵습니다.
• CSF 표본 수 제한과 유럽 중심 대규모 외부검증으로, 다양한 조상·인종의 대규모 검증이 필요합니다.

---

🏁 한줄평

혈장 다중 바이오마커+머신러닝 조합은 ALS를 ‘증상 10년 전’부터 비침습적으로 추적·예측할 수 있는 실용적 진단 패러다임의 서막입니다.

 

참고문헌 : DOI: 10.1038/s41591-025-03890-6