혈액 속 단백질 ‘모양’이 말해주는 알츠하이머의 초기 신호

단백질 양이 아니라 구조를 읽어내는 새로운 혈액검사 전략이 알츠하이머 조기진단의 방향을 바꾸고 있습니다

알츠하이머병 진단은 그동안 아밀로이드 베타(Aβ), 인산화 타우(p-tau) 같은 바이오마커의 농도를 측정하는 방식이 중심이었습니다. 하지만 이번 연구는 한 걸음 더 나아가, 혈액 속 단백질이 얼마나 있는지가 아니라 어떤 형태로 접혀 있는지, 즉 단백질 구조 변화 자체가 질병의 더 이른 단서를 줄 수 있다는 점을 보여주었습니다. 연구진은 520명의 혈장 샘플을 바탕으로 알츠하이머병(AD), 경도인지장애(MCI), 정상군을 비교했고, C1QA, CLUS, ApoB 세 단백질의 구조적 변화만으로도 세 군을 상당한 정확도로 구분했습니다.  

---

🔬 왜 이번 연구가 중요한가: ‘양’보다 ‘접힘의 이상’을 본다

알츠하이머병은 흔히 아밀로이드 플라크와 타우 엉킴의 질환으로 알려져 있지만, 그 더 밑바탕에는 프로테오스타시스(proteostasis), 즉 단백질이 올바르게 접히고 손상 단백질이 제거되는 시스템의 붕괴가 있습니다. 연구팀은 이 관점에서, 뇌에서 일어나는 단백질 접힘 이상이 혈액 속 단백질 구조에도 반영될 수 있다고 보았습니다. 실제로 이 논문은 질병이 진행될수록 혈액 단백질의 특정 라이신 부위가 덜 노출되는 방향으로 변하며, 이런 구조적 닫힘이 단백질 발현량 변화보다 질병 상태를 더 잘 반영할 수 있음을 제시했습니다.

혈액 단백질 구조 분석 워크플로와 정상군-경도인지장애-알츠하이머군의 구조 접근성 변화. 설명: 연구진은 혈액 샘플에서 단백질 표면의 노출된 라이신을 표지한 뒤 질량분석으로 구조적 접근성을 정량화했습니다. 그 결과 정상군에서 MCI, AD로 갈수록 평균 접근성이 유의하게 감소했고, 초기 변화가 전체 질병 진행과 더 강하게 연결되는 양상이 나타났습니다. 출처: Son, A., Kim, H., Diedrich, J. K., Bamberger, C., Wilkins, H. M., Burns, J. M., Morris, J. K., Rissman, R. A., Swerdlow, R. H., & Yates, J. R. III. (2026). Distribution of the accessibility of 879 peptides [Figure 1]. Nature Aging.

---

🩸 연구는 어떻게 진행됐나: 혈액 520명, 질량분석, 머신러닝

이번 연구의 강점은 단순한 아이디어 제시에 그치지 않았다는 점입니다. 연구진은 520명 혈장 샘플을 대상으로 covalent protein profiling(CPP) 기반 질량분석을 수행했고, 총 3,655개의 라이신 함유 펩타이드, 373개 단백질을 정량한 뒤, 임상 적용성을 고려해 비교적 안정적으로 검출되는 표적들에 집중했습니다. 그리고 18개의 머신러닝 알고리즘을 비교한 끝에, 딥러닝 기반 3-마커 패널이 가장 우수한 성능을 보였습니다. 이 패널은 정상군-MCI-AD를 동시에 구분하는 3분류에서 83.44% 정확도, 정상군 대 MCI에서 AUROC 0.9343, MCI 대 AD에서 AUROC 0.9325를 기록했습니다. 단백질 발현량(intensity) 만으로 만든 모델의 정확도가 약 64.3~65.0% 수준이었던 것과 비교하면, 구조 정보가 분명한 추가 가치를 제공한 셈입니다.

C1QA, CLUS, ApoB 구조 신호를 이용한 알츠하이머 분류 모델의 생성과 성능. 설명: 18개 머신러닝 방법 가운데 딥러닝 모델이 테스트셋에서 가장 높은 정확도를 보였으며, 핵심 표지는 C1QA의 GFCDTTNKGLF, CLUS의 SVDCSTNNPSQAKL, ApoB의 AVLCEFISQSIKSF였습니다. 두 군 비교에서는 정상군 대 MCI, MCI 대 AD 모두 AUROC가 0.93대를 기록해 초기 단계 구분력도 높았습니다. 출처: Son, A., Kim, H., Diedrich, J. K., Bamberger, C., Wilkins, H. M., Burns, J. M., Morris, J. K., Rissman, R. A., Swerdlow, R. H., & Yates, J. R. III. (2026). Generation of the multistructural marker model using the deep learning algorithm [Figure 4]. Nature Aging.

---

🧬 핵심은 세 단백질이었다: C1QA, CLUS, ApoB

수백 개 후보 중 가장 정보량이 컸던 단백질은 C1QA, CLUS(Clusterin), ApoB였습니다. 이 셋은 각각 면역 보체 반응, 단백질 접힘 및 아밀로이드 제거, 지질 운반과 혈관 건강과 연결됩니다. 즉 이번 결과는 알츠하이머가 단지 뇌 안의 플라크 문제만이 아니라, 면역계, 단백질 품질관리, 대사 및 혈관 생물학이 함께 얽힌 전신적 질환일 수 있음을 다시 보여줍니다. 특히 CLUS는 신경정신증상(NPS) 악화와도 선형적으로 연결되었고, 구조 접근성 감소가 질병 단계와 함께 일관되게 진행되었습니다. 

 

이 부분에서 주목할 점은, 논문이 단순히 “어떤 단백질이 많아진다/적어진다”가 아니라 같은 단백질도 구조 상태가 달라질 수 있고, 그 구조 상태가 임상 단계와 더 밀접하게 맞물릴 수 있다고 보여준 점입니다. 이는 향후 혈액 기반 알츠하이머 검사 개발에서 정량 중심 바이오마커에서 구조 중심 바이오마커로 축이 이동할 가능성을 시사합니다.

신경정신증상 악화와 연동되는 혈장 단백질 구조 변화. 설명: 연구진은 불안, 무감동, 환각, 우울, 수면행동 이상 등 12개 신경정신증상 점수와 단백질 구조 접근성을 비교했습니다. 그 결과 다수의 펩타이드에서 증상이 심할수록 접근성이 감소했으며, 특히 CLUS는 남녀 모두에서 질병 단계 판별과 증상 심각도 반영에 의미 있는 신호를 보였습니다. 출처: Son, A., Kim, H., Diedrich, J. K., Bamberger, C., Wilkins, H. M., Burns, J. M., Morris, J. K., Rissman, R. A., Swerdlow, R. H., & Yates, J. R. III. (2026). Sex-dependent associations of protein structure with neuropsychiatric symptoms [Figure 3]. Nature Aging.

---

🧪 기존 바이오마커와 무엇이 달랐나

이 연구의 설득력은 단순 정확도 숫자만이 아니라 기존 임상 지표와의 연결성에서도 나옵니다. 3-마커 패널의 신뢰도 점수는 MMSE와 강한 음의 상관, CDRSUM과 강한 양의 상관을 보였고, MRI에서 관찰되는 뇌실 확장과도 관련됐습니다. 또한 CSF의 Aβ42, Aβ42/Aβ40, p-tau181, total tau와도 유의한 상관을 보였습니다. 말하자면 이 혈액 구조 패널은 기존 인지검사, 뇌영상, 뇌척수액 바이오마커와 완전히 동떨어진 신호가 아니라, 알츠하이머의 병리 진행을 반영하는 또 하나의 독립적 축으로 작동한 것입니다. 

 

더 흥미로운 부분은, 논문이 구조 기반 패널이 기존 아밀로이드 비율 지표보다 독립 테스트셋 ROC 비교에서 더 우수한 성능을 보였다고 제시했다는 점입니다. 이것은 앞으로 혈액검사가 단일 바이오마커 경쟁이 아니라, 농도 정보와 구조 정보를 어떻게 조합하느냐의 경쟁으로 바뀔 수 있음을 뜻합니다.

구조 기반 알츠하이머 점수와 임상·영상·체액 지표의 연관성. 설명: 3-마커 모델의 AD confidence score는 MMSE와 음의 상관, CDRSUM과 양의 상관을 보였고, 뇌실 용적 증가 및 CSF 타우·아밀로이드 지표와도 유의하게 연결되었습니다. 이는 혈액 속 구조 변화가 실제 질병 부담과 무관한 잡음이 아니라는 점을 뒷받침합니다. 출처: Son, A., Kim, H., Diedrich, J. K., Bamberger, C., Wilkins, H. M., Burns, J. M., Morris, J. K., Rissman, R. A., Swerdlow, R. H., & Yates, J. R. III. (2026). Association of the multi-marker panel to the pathological changes [Figure 5]. Nature Aging.

---

⏳ 시간이 지나도 잡아냈다: 추적 샘플에서도 유지된 성능

새로운 진단 기술이 진짜 유망한지는 한 시점의 정확도보다 시간이 지나도 같은 방향을 읽어내는지가 중요합니다. 이 논문은 최대 255일까지 추적된 50개의 종단 샘플에서도 모델을 검증했고, 86.0% 정확도를 기록했습니다. 특히 건강 상태 유지군과 진단이 악화된 군을 비교했을 때, 3-마커 패널 점수는 병이 진행된 경우 더 분명하게 변했습니다. 이는 이 기술이 단순 선별을 넘어, 질병 진행 추적이나 치료 반응 모니터링에도 확장될 가능성을 보여줍니다.

종단 추적 혈액 샘플에서 확인된 구조 바이오마커의 재현성. 설명: 추적 관찰된 샘플에서 3-마커 패널은 정상 유지, 동일 진단 유지, 진단 악화의 세 경우를 비교했으며, 전체적으로 86.0% 정확도를 보였습니다. 특히 진단 상태가 악화된 개인에서는 confidence score가 유의하게 달라졌습니다. 출처: Son, A., Kim, H., Diedrich, J. K., Bamberger, C., Wilkins, H. M., Burns, J. M., Morris, J. K., Rissman, R. A., Swerdlow, R. H., & Yates, J. R. III. (2026). Follow-up longitudinal samples validating the multi-marker model [Figure 6]. Nature Aging.

---

⚠️  연구의 한계

이번 연구는 매우 흥미롭지만, 곧바로 임상 현장에서 표준검사로 쓰이기에는 아직 넘어야 할 단계가 있습니다. 첫째, 연구진은 혈장에서 상위 14개 고농도 단백질을 제거한 뒤 분석했는데, 이 과정 자체가 일부 결합 단백질을 함께 없애거나 단백질 상호작용 상태를 바꿨을 가능성이 있습니다. 둘째, 종단 추적 기간이 255일 이하로 짧고 샘플 수가 제한적이어서, 더 긴 기간에서의 예측력 검증이 필요합니다. 셋째, 이번 결과는 매우 고무적이지만, 실제 임상 도입을 위해서는 더 큰 다기관 코호트와 전향적 검증이 뒤따라야 합니다.

 

그럼에도 불구하고 이 연구의 핵심 가치는 분명합니다. 알츠하이머 혈액검사의 미래가 단순히 “무엇이 많고 적은가”를 보는 데 그치지 않고, “단백질이 어떤 구조 상태에 놓여 있는가”까지 해석하는 정밀 단계로 진입하고 있다는 점입니다. 

---

📌 핵심 정리

이번 Nature Aging 연구는 혈액 속 세 단백질의 구조 변화를 통해 정상, 경도인지장애, 알츠하이머를 구분할 수 있음을 보여주었습니다.
핵심은 단백질 농도보다 구조 변화가 더 이른 병리 신호일 수 있다는 점이며, 이는 향후 알츠하이머 조기진단 혈액검사, 질병 진행 모니터링, 치료 반응 평가의 새로운 기반이 될 가능성이 있습니다.  

---

💡 한줄평

혈액 속 단백질의 ‘모양 변화’를 통해 알츠하이머의 더 이른 생물학적 신호를 포착할 수 있음을 보여준 연구입니다.

 

참고문헌 : DOI: 10.1038/s43587-026-01078-2