초파리 노화 예측 모델 ‘타임플라이즈’ 개발
연구진이 초파리 머리의 단일 세포 RNA 시퀀싱 데이터를 분석해 노화 과정을 예측하는 딥러닝 모델 타임플라이즈를 개발했습니다. 이 모델은 유전자 발현 프로필을 기반으로 생물학적 나이를 분류하며 노화의 핵심 바이오마커를 식별합니다.
주장연구진은 초파리 머리의 단일 세포 RNA 시퀀싱 데이터를 활용해 노화 과정을 예측하는 타임플라이즈(TimeFlies) 모델을 도입했습니다. 이 모델은 딥러닝 기술로 세포의 유전자 발현 프로필을 분석하여 기증자의 생물학적 나이를 분류합니다.
팩트타임플라이즈는 초파리 머리의 모든 세포 유형을 포괄하는 노화 시계입니다. 이 모델은 게놈 전체의 유전자 발현 데이터를 학습하여 노화와 관련된 새로운 바이오마커를 식별합니다.
팩트분석 결과, 긴 비암호화 RNA인 roX1과 roX2가 세포 유형 전반에 걸쳐 핵심 노화 지표 유전자로 확인되었습니다. 이 유전자들은 X 염색체 용량 보상 기전을 조절하는 역할을 수행합니다.
교차검증연구진은 초파리 생체 내에서 X 염색체 용량 보상 기전을 억제했을 때 생존율이 감소함을 확인했습니다. 이는 해당 기전이 노화 과정에서 중요한 생물학적 경로임을 증명합니다.
주장기존 노화 시계가 주로 후성유전학적 데이터에 의존했던 것과 달리, 타임플라이즈는 전사체 데이터를 직접 활용합니다. 이는 노화 관련 유전자를 직접 식별하는 강력한 도구로 작용합니다.
팩트연구진은 수컷과 암컷을 구분하여 각각 별도의 타임플라이즈 모델을 학습시켰습니다. 그 결과 모델의 예측값과 설명력에서 유의미한 차이가 나타났습니다.
주장성별에 따른 모델의 차이는 남성과 여성의 노화가 서로 다른 생물학적 경로에 의해 주도됨을 시사합니다. 이는 노화 연구에서 성별 차이를 반드시 고려해야 함을 의미합니다.
팩트노화 연구 데이터는 에이징 플라이 셀 아틀라스(Aging Fly Cell Atlas) 웹사이트를 통해 공개합니다. 알츠하이머 질환 초파리 세포 아틀라스 데이터 또한 h5ad 파일 형식으로 제공합니다.
팩트타임플라이즈 모델의 모든 소스 코드는 깃허브(GitHub) 저장소를 통해 공개했습니다. 연구자들은 이를 활용해 알고리즘을 확인하고 추가 연구를 진행할 수 있습니다.
출처본 연구는 네이처 머신 러닝(Nature Machine Learning)에 게재된 논문으로, 상세 내용은 https://www.nature.com/articles/s41598-026-48613-0을 통해 교차 검증했습니다. 데이터 및 코드는 각각 https://hongjielilab.shinyapps.io/AFCA/ 및 https://github.com/rsinghlab/TimeFlies를 통해 교차 검증했습니다.
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.