나이에 따라 완전히 달라지는 유방암 생태계: TNBC와 ER+를 다시 읽다

🧭 1. 왜 ‘나이별 유방암’인가? 

이 연구는 단순히 “나이가 들수록 유방암이 늘어난다”는 통계를 넘어, 같은 유방암이라도 환자의 나이에 따라 전혀 다른 질병이라는 점을 정밀하게 지도화합니다.
특히, 임상에서 잘 알려진 두 사실에 대한 세포 수준의 해답을 제시합니다.

• 45세 미만의 젊은 환자와 65세 초과 고령 환자에서 모두 예후가 나쁜 이유
• TNBC(triple-negative breast cancer)와 ER+ (estrogen receptor-positive) 유방암에서 연령 효과가 다르게 나타나는 이유

핵심 메시지는 명확합니다.
세포 구성(cell type abundance)은 거의 변하지 않지만, 각 세포의 상태(cell state), 상호작용, 대사·면역·섬유화 프로그램이 ‘연령과 아형에 특이적으로’ 재조정됩니다. 이 차이가 재발, 전이, 면역반응, 치료 반응성의 연령별 패턴을 설명하는 분자 언어입니다.

TNBC/ER+ 코호트에서 연령군(<45 vs >65)의 유전자 발현 차이. 출처): Parsons, A., et al. (2025). Cell populations in human breast cancers are molecularly and biologically distinct with age. Nature Aging. Figure 1.

---

🧮 2. ASPEN: 연령-특이 프로그램을 읽어내는 분석 엔진 

연구팀은 기존 bulk METABRIC, TCGA 데이터와 단일세포·공간 전사체 데이터를 통합하기 위해 ASPEN (Age-Specific Program ENrichment)이라는 파이프라인을 개발했습니다.

ASPEN의 전략:

1. 각 세포 유형에서 유전자 발현과 나이의 상관관계를 계산.
2. 이 상관 순위를 바탕으로 Hallmark 및 MSigDB 기반 GSEA 수행.
3. 동시에 각 세포 유형에 대해 signature score를 부여하고, 그 점수와 나이의 상관을 계산.
4. 두 축(상관 기반 GSEA + signature correlation)이 일치하는 경우만 신뢰 가능한 연령-연관 프로그램(ARPs)으로 인정.

이 이중 검증 구조는 단순 차등발현(DEG)을 넘어, “어느 세포에서, 어떤 기능 경로가, 어느 연령대에서 체계적으로 켜지거나 꺼지는가”를 reviewer-level 기준으로 정량화합니다.

ASPEN: 나이를 연속 변인으로 통합한 단일세포 기반 연령-특이 프로그램 탐색 파이프라인. 설명: 연령과 유전자 발현을 연속적으로 연결해, 각 세포 유형에서 기능 경로의 활성도가 나이에 따라 어떻게 이동하는지를 시각화한 분석 프레임워크. 출처: Parsons, A., et al. (2025). Cell populations in human breast cancers are molecularly and biologically distinct with age. Nature Aging. Figure 2.

---

🔥 3. 고령 TNBC: EMT와 염증, 그리고 면역억제 네트워크의 결탁 

TNBC에서 나이는 “더 적대적인 미세환경”으로의 전환을 의미합니다.

주요 관찰:

• 세포 비율은 연령에 따라 큰 차이가 없음에도,
  고령 TNBC에서 암세포의 EMT(epithelial–mesenchymal transition) 프로그램이 강하게 활성화됩니다.
• EMT 활성화와 함께:
  • KRAS signaling, apoptosis, angiogenesis 증가
  • OXPHOS 및 Myc/E2F 타깃 감소
• CAF(iCAF, myCAF)와 T세포에서 IFN 반응과 스트레스, 염증 경로 강화
• mIF 검증에서, 고령 TNBC에서 panCK+/vimentin+ 이중 양성 세포 비율 증가 → 실제 조직 수준 EMT 현상과 합치.

고령 TNBC에서의 EMT 강화와 염증형 CAF–T세포 축. 설명: 단일세포·공간 분석과 mIF를 통해, 고령 TNBC에서 EMT-positive 암세포와 염증성 CAF, T세포 스트레스 반응이 네트워크를 이루며 종양 진행을 촉진함을 보여줌. 출처: Parsons, A., et al. (2025). Cell populations in human breast cancers are molecularly and biologically distinct with age. Nature Aging. Figures 3.

---

🧊 4. ER+ 유방암: 젊을수록 ‘활성’, 나이 들수록 ‘저대사·면역 소진’ 

ER+ (또는 luminal A) 유방암에서는 TNBC와 정반대의 패턴이 관찰됩니다.

• ESR1 발현은 고령군에서 증가하지만,
  • 단일세포 수준에서는 뚜렷한 estrogen response ARP는 암세포에서 관찰되지 않음.
  • 즉, 높은 ESR1 ≠ 기능적 ER 활성일 수 있으며, 저에스트로겐 환경에서의 피드백 과활성이 의심됩니다.
• 젊은 ER+ 환자:
  • 혈관(endothelium), T세포, plasmablast 등에서 대사 활성(OXPHOS, glycolysis 등)과 IFN 반응이 높은 상태.
• 고령 ER+ 환자:
  • 광범위한 세포에서 대사 프로그램 감소, vascular OXPHOS 저하
  • myeloid compartment에서 TNF-driven, tumor-promoting inflammation 증가
  • T세포에서 IL-2/TNF 일부 증가와 동시에 IFNα 반응, Myc 타깃, 대사 경로 감소 → quiescence / exhaustion signature와 합치

---

🔗 5. 나이가 바꾸는 세포 간 네트워크: Interactome & Spatial 코드 

CellChat 기반 상호작용 분석과 공간 mIF는, 단일세포 전사체 결과가 실제 조직 구조에서 성립하는지를 검증합니다.

TNBC

• 고령군에서:
  • 총 상호작용 수 및 강도 증가 (특히 myeloid–T cell–cancer basal 축)
  • macrophage–T cell, macrophage–cancer basal, CAF–immune 축이 풍부
  • CD8+ T세포와 암세포 간 근접성, CAF–T세포 상호작용 패턴이 고령에서 면역조절적으로 재배치

ER+

• 고령군:
  • 전체 상호작용 수는 증가하지만 interaction strength는 소폭 감소
  • luminal A 암세포–면역세포/CAF 간 상호작용이 강화되지만,
    이는 주로 ECM·adhesion·MIF 기반 면역억제 네트워크와 연동
• 젊은 군:
  • ACKR1+ endothelial cell과 PVL이 중심 노드로 작동하며,
    chemokine trafficking과 metabolic activity가 높은, 보다 역동적인 혈관–면역 플랫폼 형성

이 결과는:

1. 연령별로 전혀 다른 “신호 허브 세포(population hub)”가 존재
2. 단순 TIL 수치보다, 누가 누구와 어떤 리간드–리셉터를 통해 통신하는지가 예후와 치료 타깃 설정에 중요함을 보여줍니다.

연령에 따라 재배선되는 유방암 세포 간 통신 네트워크. 설명: 연령군 간 상호작용 강도와 방향성을 비교하여, TNBC와 ER+ 각각에서 면역·혈관·CAF 네트워크의 중심이 어떻게 이동하는지 보여줌. 출처: Parsons, A., et al. (2025). Cell populations in human breast cancers are molecularly and biologically distinct with age. Nature Aging. Figure 5.

---

🎯 6. 나이-특이 신호 네트워크: EMT, ECM, MIF, GALECTIN의 표적 가능성 

세부 리간드–리셉터 분석은 연령과 아형에 따라 완전히 다른 치료 타깃 지형을 제시합니다.

TNBC (고령 중심)

• GALECTIN-9 (LGALS9)–CD44, P4HB 축 → EMT 촉진, T세포 사멸 및 Treg 유도
• PPIA(Cyclophilin A), PLAU, THBS1/2–SDC1/SDC4 → 섬유화, ECM remodeling, chemoresistance
• MHC I/II 발현 증가 + IFNγ 노출 시그니처 →
  동시에 항원제시와 면역회피(예: HLA-F–LILRB1)를 매개하는 양가적 면역환경

ER+ (연령 양측에서 상이)

• 젊은 ER+:
  • Notch, ECM–integrin, ACKR1+ EC를 중심으로 한 면역·혈관 조절 네트워크 활성
• 고령 ER+:
  • 암세포 유래 MIF–CD74/CD44/CXCR4 축, SPP1+ macrophage,
    THBS, laminin–integrin 신호 → 면역억제·Treg 확장·침윤성 증가와 연동

연구의 통합 모델은 다음을 제안합니다.

• 고령 TNBC: EMT-positive 암세포 + 염증성·섬유화 CAF + 면역억제 myeloid 네트워크
• 고령 ER+: 대사 저하, ECM 기반 장벽, MIF/CD47/TNF 축에 기반한 만성 면역억제
• 젊은 ER+: 높은 대사·혈관 활성과 일부 progenitor-like 신호 → 다른 종류의 취약성

이는 연령·아형별 맞춤형 표적 (예: GALECTIN, MIF, LPAR1, THBS, ECM–integrin axis, ACKR1 모듈레이션) 개발의 논리적 근거를 제공하며, 단일 “노령 환자용 전략”이 아닌, “Age × Subtype 매트릭스 기반 정밀치료”가 필요함을 강조합니다.

연령-분할 신호 네트워크: TNBC와 ER+에서 드러난 약물 표적 지도. 설명: 통계적으로 선별된 핵심 리간드–리셉터 쌍을 통해, 고령·젊은 각 코호트에서 우세한 면역조절·EMT·ECM 신호 축을 시각화. 출처: Parsons, A., et al. (2025). Cell populations in human breast cancers are molecularly and biologically distinct with age. Nature Aging. Figure 6.

---

✅ 7. 결론: 연령을 무시하는 유방암 치료는 이미 시대에 뒤처졌다 

초록과 전 결과를 통합하면, 이 논문이 주는 결론은 다음과 같습니다.

1. 연령은 TNBC와 ER+ 유방암의 종양 미세환경(TME)을 근본적으로 재구성하는 축이며,
2. 이 변화는 세포 비율이 아니라 세포 상태, 상호작용, 신호 네트워크의 재편으로 나타납니다.
3. 따라서,
   • 고령 TNBC: EMT, 섬유화 CAF, 면역억제 신호를 동시 타깃하는 전략 필요
   • 고령 ER+: 대사/혈관 리모델링, MIF·CD47 축, 만성 염증·면역 소진을 겨냥한 전략 필요
   • 젊은 ER+: 높은 대사·혈관· progenitor-like 특성을 고려한 차별적 접근 필요
4. 단일 연령군 데이터를 기반으로 한 임상시험 결과를 전 세대로 일반화하는 것은 과학적으로 부정확하며,
   향후 치료 설계·바이오마커 개발·임상시험 디자인에서 Age × Subtype 구분은 필수 변수로 편입되어야 합니다.

이 논문은 연령을 “공변량”이 아니라 “치료 설계의 1차 파라미터”로 끌어올리는 데이터·방법·개념을 모두 제공합니다.

---

💡 한줄평

유방암은 같은 종양이 아니라, ‘나이와 아형이 만든 전혀 다른 생태계’이며, 치료는 이제 이 세포 지도를 전제로 다시 설계되어야 합니다.

 

참고문헌 : DOI: 10.21203/rs.3.rs-5167339/v1