CHA Love Letter AI차러브레터AI
생명과학 · Nature Aging

라만·유전체 통합으로 세포 노쇠 지도화

마우스 폐·피부에서 p21 표지 세포의 지방 신호와 조직별 전사 프로그램 확인

글 편집팀 기자스튜디오 점검 · 2026.09.22조회 10
91AI 심사
기사 내용을 표현한 삽화
AI로 만든 삽화예요. 논문 속 실제 자료가 아니에요.

미국 매사추세츠 제너럴병원, 하버드대와 MIT 등 국제 공동연구진이 Nature Aging 2026년 9월 21일자에 라만 이미징과 공간 전사체, 단핵 핵 RNA 시퀀싱을 통합한 플랫폼 'RamanOmics'를 발표했다. 연구진은 2개월(젊은)과 26개월(노화) 마우스의 폐와 피부를 대상으로 각각 그룹당 3마리씩(조직별 snRNA-seq과 공간 전사체 및 라만 이미징을 병행) 분석을 수행했다.

핵심 결과는 세 가지다. 첫째, 폐와 피부가 서로 다른 세포·전사적 노화 패턴을 보였고, 둘째, p21( Cdkn1a )으로 정의한 세포 노쇠 집단에서 공통적으로 나타나는 지방-연결 라만 신호(파수 1,131–1,135 cm)를 확인했으며, 셋째, 라만 신호와 전사체 정보를 기계학습으로 결합한 '멀티모달 바코드'로 조직을 파괴하지 않고도 노쇠 세포를 공간적으로 식별할 수 있음을 보였다.

연구진은 먼저 단핵 핵 RNA 시퀀싱으로 폐에서 35,474개 세포, 피부에서 12,128개 세포의 전사체 지도를 만들고, 동일 조직의 절편에서 라벨 없는 고분해능(600–1,800 cm 범위) 라만 이미징과 STARmap 기반의 공간 전사체(표적 890유전자)를 수행해 두 모달리티를 정합했다. 이를 통해 폐에서는 면역 활성화와 ECM(세포외기질) 재편성 관련 유전자가 노화에 따라 증가했고, 피부에서는 표피 분화 관련 유전자가 노화와 연관되었다. 연구진은 세포 유형별로 p21 양성 세포의 분포와 전사적 특징을 세밀히 정리했다.

라만 분석 결과 p21 세포는 조직 전체에서 공통적으로 1,131–1,135 cm 영역의 지방 관련 라만 피크를 보였고, 이 신호는 기계학습 모델과 결합되어 비파괴적으로 공간에서 노쇠 세포를 식별하는 데 활용됐다. 또한 상처 치유 모델에서는 표피 분화 유전자(Krt10, Lor, Sbsn)의 재활성화와 함께 지방 관련 라만 신호의 증가가 관찰되어, 재생 과정에서 노쇠 세포의 전사 및 화학 상태가 동적으로 변한다는 사실을 제시했다.

논문이 밝힌 한계는 명확하다. 분석은 마우스의 폐와 피부에 국한되며, 각 조건의 마우스 표본은 그룹당 3마리로 수행되었다. 또한 라만·전사체 정합과 멀티모달 바코드 개발은 고해상도 조직 절편과 정교한 등록 절차에 의존하므로 인간 조직이나 다양한 장기·환경에서 동일한 바코드가 그대로 적용된다고 단정할 수 없다. 연구진은 라만과 전사체의 상관관계가 유용함을 보였지만, 전사체 변화와 화학적(지질·단백질) 변화의 인과관계는 본 연구만으로는 규명되지 않는다고 설명했다.

배경적으로 세포 노쇠는 세포가 분열을 멈추고 특정 염증성 신호와 분비물질을 내보내는 상태로, 노화와 조직 손상·치유 과정에서 중요한 역할을 한다. 기존 연구는 주로 유전자 발현 위주였으나, 라만 분광법은 표지 없이 분자 결합의 진동 신호를 읽어 지방·단백질·핵산 등 화학적 구성을 보여준다. RamanOmics는 이 둘을 한 공간에서 결합해 노화와 수선 과정에서 전사·화학 상태가 어떻게 함께 재구성되는지 제시했다.

논문은 향후 과제로 이 플랫폼을 더 많은 조직과 조건으로 확장하고, 인간 표본에서 검증하며, 실시간·비침습적 검사로의 응용 가능성을 탐색해야 한다고 제시했다. 연구진은 RamanOmics가 조직 비파괴적 방식으로 세포 상태를 대규모로 지도화하는 기반을 마련한다고 결론지었다.

원문 논문

제목
RamanOmics decodes the spatial vibrational–molecular architecture of senescence in aging and repair
저널
Nature Aging (2026-09-21)
저자
Ke Zhang, Xingjian Chen, Francesco Monticolo, Salvatore Sorrentino 외 21명
DOI
10.1038/s43587-026-01219-7
라이선스
CC BY-NC-ND 4.0

우리 몸 속 세포들은 나이가 들면서 변화를 겪는데, 그 중에서도 ‘노쇠 세포’는 분열을 멈추고 주변에 특별한 신호를 보내곤 해요. 미국 매사추세츠 제너럴병원과 하버드대, MIT의 연구진이 이 노쇠 세포를 더 잘 이해하기 위해 ‘RamanOmics’라는 새로운 방법을 개발했어요. 이 방법은 세포 속 유전자 활동과 화학적 특징을 동시에 살펴보는 기술인데, 마치 세포의 지도를 만들면서 그 안에 숨겨진 비밀까지 찾아내는 탐험 같답니다.

연구진은 젊은 마우스와 나이 든 마우스의 폐와 피부를 샅샅이 조사했어요. 각 조직에서 3마리씩을 골라, 세포 하나하나가 어떤 유전자를 켜고 끄는지, 그리고 세포 속 지방이나 단백질 같은 화학 물질이 어떻게 변하는지 살펴봤지요. 그 결과, 폐와 피부는 나이가 들면서 서로 다르게 변하는 모습을 보였어요. 특히 ‘p21’이라는 표식을 가진 노쇠 세포들은 어디서나 지방과 관련된 특별한 라만 신호를 내는 걸 발견했답니다.

라만 신호는 빛을 이용해 물질의 화학적 성분을 알아내는 방법인데, 이 신호와 세포 유전자 정보를 컴퓨터가 배우고 분석하는 ‘기계학습’ 기술을 결합해 ‘멀티모달 바코드’라는 일종의 지도를 만들었어요. 이 지도 덕분에 조직을 망가뜨리지 않고도 노쇠 세포가 어디에 있는지 정확히 알 수 있었지요. 흥미롭게도 상처가 아물 때는 피부 세포가 다시 활발해지면서 지방 신호도 함께 변하는 모습을 보여, 노쇠 세포가 재생 과정에서도 중요한 역할을 한다는 사실을 알려줬어요.

하지만 이 연구는 마우스의 폐와 피부만을 대상으로 했고, 각 그룹별 샘플 수가 적은 점이 한계로 남았어요. 또 라만 신호와 유전자 변화 사이에 어떤 원인이 있는지까지는 아직 밝혀내지 못했답니다. 앞으로는 이 방법을 더 다양한 조직과 사람에게 적용해 보고, 실시간으로 몸 상태를 검사하는 데 활용할 수 있을지 연구가 이어질 예정이에요. RamanOmics 덕분에 우리 몸 속 노쇠 세포의 비밀이 한층 더 밝혀질 날이 멀지 않은 것 같아요!

이 기사가 만들어진 과정

초안: GPT-5 mini (기본) · AI 심사 1회 · 최종 확인·발행: 편집팀 기자

AI 심사위원판정점수
GPT-4o mini (OpenAI)REVISE86
gpt-oss-120b (Cerebras)PASS92
GLM-5.3-Flash (Zhipu)PASS94
Kimi-K2.6 (Moonshot)REVISE85
Qwen3.5-9B (Alibaba)PASS96

통과 기준: 3명 이상 응답, 응답자의 절반 이상 통과, 평균 80점 이상. 채점 항목은 사실정확성·소스충실도·논리성·균형·가독성이에요.

← 다른 기사 보기