최근 생물정보학 커뮤니티에서는 여성 생식 기관의 노화 과정을 다룬 새로운 연구 결과가 뜨거운 감자로 떠올랐다. 단순히 나이가 들면서 신체 기능이 떨어진다는 통념을 넘어, 각 기관이 서로 다른 속도와 방식으로 노화한다는 사실이 딥러닝(컴퓨터가 데이터를 스스로 학습해 패턴을 찾는 기술) 분석을 통해 구체적으로 드러났기 때문이다. 개발자들 사이에서는 생물학적 데이터를 다루는 멀티모달(텍스트, 이미지, 유전자 정보 등 여러 형태의 데이터를 동시에 처리하는 방식) 분석 파이프라인의 정교함에 주목하는 분위기다.

1,112개의 조직 이미지와 659개의 RNA 샘플 분석

연구팀은 20세에서 70세 사이 기증자로부터 얻은 7개 여성 생식 기관의 조직학적 이미지 1,112개와 RNA 시퀀싱(세포 내 유전자 발현을 측정하는 기술) 데이터 659개를 통합 분석했다. 이번 연구의 핵심은 폐경을 여성 노화의 결정적인 변곡점으로 정의했다는 점이다. 분석 결과, 난소는 생애 전반에 걸쳐 점진적인 노화 궤적을 보이지만, 자궁은 폐경기를 전후로 분자적·형태학적 변화가 급격하게 일어나는 비동기적 특성을 보였다. 특히 자궁 근층(자궁벽을 구성하는 근육층)에서의 세포외 기질 재구성 및 면역 활성화가 두드러졌으며, 질 상피 조직 또한 폐경기에 맞춰 급격한 변화를 겪는 것으로 확인됐다. 이러한 연구 데이터는 GTEx Portal과 dbGaP 데이터베이스를 기반으로 구축되었다.

기존의 단일 조직 분석에서 다중 오믹스 통합 분석으로

예전에는 특정 조직 하나만을 떼어내 노화 지표를 관찰하는 방식이 주를 이루었다. 하지만 이제는 딥러닝을 활용해 조직학적 이미지와 유전자 발현 데이터를 결합한 다중 오믹스(유전체, 전사체 등 생체 정보를 통합적으로 분석하는 기술) 분석이 표준으로 자리 잡고 있다. 이번 연구는 단순히 조직의 변화를 관찰하는 데 그치지 않고, 혈장 단백질체 데이터와 대조하여 이러한 노화 신호가 혈액 순환을 통해 감지될 수 있음을 입증했다. 이는 특정 기관의 노화가 전신 건강에 미치는 영향을 추적할 수 있는 새로운 프레임워크를 제시한 셈이다. 연구팀이 사용한 분석 스크립트와 파이프라인은 GitHub 저장소를 통해 누구나 확인할 수 있다.

bash

연구팀이 공개한 분석 파이프라인 접근 방법

git clone https://github.com/Mele-Lab/2025_GTEx_Menopause

개발자가 바로 체감하는 변화는 생물학적 데이터 분석의 문턱이 낮아지고 있다는 점이다. 연구팀은 나팔관 단일 세포 데이터(Cellxgene 활용)와 자궁 근층의 공간 전사체 데이터(GEO 활용)를 결합하여 골반 장기 탈출증이나 초경 연령과 같은 생식 관련 형질과의 상관관계를 비선형적으로 도출해냈다. 이는 복잡한 생물학적 현상을 데이터 과학의 영역으로 끌어들여, 노화라는 거대한 퍼즐을 조직 단위에서 정밀하게 해체하고 있음을 의미한다.

생물학적 노화의 지도는 이제 추상적인 개념을 넘어 딥러닝 알고리즘이 그려내는 정량적 데이터의 영역으로 완전히 진입했다.