인간 사후 뇌 조직을 기반으로 한 중추신경계(CNS) 질환 연구의 필요성과 기존 연구 접근법의 한계, 그리고 글로벌 유전체 데이터의 인종 편향 문제 및 이를 보완하기 위한 아시아 중심 협력 필요성이 강조됐다.

지난 3일 서울대학교병원 뇌은행(SNUH Brain Bank)이 주최하고 질병관리청 국립보건연구원(KDCA KNIH)이 후원한 ‘2026 아시아 뇌·신경과학 혁신 포럼’에서 신주현 박사는 ‘Postmortem Human Brain Research Enabling CNS Drug Discovery: Insights from LIBD and AANRI’를 주제로 발표를 진행했다.

신주현 박사는 CNS 질환 연구의 구조적 특성에 대한 설명했다. 조현병, 양극성 장애, 주요우울장애 등 정신질환은 단일 유전자 이상으로 설명되는 질환이 아니라, 다수의 유전자와 환경 요인이 복합적으로 작용하는 다인성 질환으로 분류된다. 이러한 특성으로 인해 특정 유전자 하나를 중심으로 병태생리를 설명하거나 치료 타깃을 도출하는 접근에는 한계가 존재한다. 실제로 현재까지 활용되어 온 유전체 연관 연구(GWAS)는 환자군과 대조군 간 유전자 변이의 빈도를 비교해 질환과 연관된 위치를 찾는 방식이지만, 이 과정에서 확인되는 신호는 대부분 유전자 자체가 아닌 비암호화 영역에 위치하는 경우가 많아 직접적인 약물 표적으로 연결되기 어려운 특성이 있다.

또한 샘플 수가 증가할수록 통계적으로 유의한 변이 위치는 지속적으로 증가하는 경향을 보이며, 이는 질환이 다수의 공통 변이에 의해 영향을 받는 고도로 복잡한 구조를 형성한다. 이와 같은 구조에서는 단순한 유전적 연관성만으로 질병의 기전을 규명하거나 치료 전략을 도출하는 데 한계가 존재한다는 점이 강조됐다.

이와 함께 기존 연구에서 활용되어 온 동물모델과 세포모델의 한계도 함께 제시됐다. 정신질환의 경우 인간에서 관찰되는 임상적 표현형을 동물에서 동일하게 재현하기 어렵고, 세포 기반 모델 역시 다양한 분화 프로토콜과 실험 조건에 따라 결과가 달라질 수 있어 재현성과 해석의 일관성이 확보되지 않는 문제가 있다. 특히 정신질환은 명확한 생물학적 표현형을 정의하기 어려운 특성을 가지기 때문에, 단일 모델 시스템만으로 질환의 본질을 설명하기 어렵다는 점이 지적됐다.

이러한 배경에서 신 박사는 인간 사후 뇌 조직을 활용한 연구의 필요성을 강조했다. 실제 질환이 발생한 인간 뇌 조직에서 유전자 발현과 분자 수준의 변화를 직접 분석함으로써, 질환의 기전을 보다 정밀하게 이해할 수 있으며, 이를 기반으로 새로운 치료 타깃을 발굴할 수 있다는 설명이다.

특히 단순한 유전자 수준의 분석을 넘어, 기능적 데이터와 실제 조직 기반의 생물학적 정보를 통합하는 접근이 중요하다고 언급됐다.

기술 중심 접근에 대한 한계도 함께 지적됐다. 최근 생명과학 분야에서 인공지능(AI) 활용이 확대되고 있으나, 데이터의 품질과 표준화가 확보되지 않은 상태에서는 AI 분석 결과 역시 신뢰성을 확보하기 어렵다는 설명이다. 다양한 연구 기관에서 생성된 데이터는 분석 방법, 실험 조건, 기술적 변수 등에 따라 결과가 달라질 수 있으며, 이러한 요인이 통제되지 않을 경우 관찰된 결과가 생물학적 신호인지 기술적 오류인지 구분하기 어려운 문제가 발생할 수 있다.

이어 글로벌 유전체 연구의 구조적 편향 문제가 주요 이슈로 제기됐다. 현재 전 세계적으로 축적된 유전체 데이터의 대부분은 유럽계 인구를 중심으로 구성되어 있으며, 전체 데이터의 약 80% 이상이 유럽계에 해당하는 것으로 알려져 있다. 반면 실제 전 세계 인구에서 유럽계가 차지하는 비중은 약 16% 수준으로, 데이터 구성과 실제 인구 구조 간에 큰 차이가 존재한다.

이러한 불균형은 질병 연구 및 신약개발에 영향을 미칠 수 있는 요소로 제시됐다. 동일한 유전자 변이라 하더라도 인종에 따라 질병 위험도나 효과 크기가 다르게 나타날 수 있으며, 특정 인구집단에서 도출된 연구 결과를 다른 집단에 그대로 적용하는 데에는 제한이 존재한다. 특히 아프리카계 인구는 유전적 다양성이 높은 것으로 알려져 있으며, 이로 인해 질환 관련 유전자 구조 또한 유럽계와 다른 양상을 보일 수 있다.

신 박사는 문제를 해결하기 위한 사례로 아프리카계 인구를 대상으로 한 뇌 연구 프로젝트가 소개했다. 해당 연구에서는 아프리카계 사후 뇌 조직을 활용해 다중 오믹스 데이터와 단일세포 수준의 분석을 수행했으며, 유럽계 데이터와 비교했을 때 뇌 영역별 유전자 발현 패턴 및 질환 관련 신호에서 차이가 확인된 것으로 설명됐다. 이 과정에서 동일한 분석 조건과 표준화된 데이터 생성 방식의 중요성이 강조됐으며, 기술적 편차를 최소화한 상태에서 데이터를 생성해야 생물학적 의미를 정확하게 해석할 수 있다는 점이 언급됐다.

또한 사후 뇌 조직 연구 과정에서 발생하는 현실적 제약도 함께 공유됐다. 특정 뇌 영역에 대한 조직이 과거 연구에서 이미 사용된 경우, 후속 연구에서는 동일한 영역에 대한 분석이 어려울 수 있으며, 이는 연구 설계와 데이터 해석에 영향을 미칠 수 있는 요소로 제시됐다. 특히 해마와 같이 세부 영역 구조가 복잡한 경우, 영역별로 분리된 데이터가 확보되지 않으면 분석의 정확도가 낮아질 수 있다는 점이 사례로 제시했다.

신 박사는 아시아 지역 데이터의 부족에 대해 강조했다. 현재 확보된 뇌 조직 데이터에서 아시아 인구의 비중은 매우 낮은 수준이며, 일부 데이터셋에서는 전체의 2% 미만에 불과한 것으로 설명했다. 이러한 상황에서는 아시아 인구에 특화된 질병 메커니즘을 이해하거나, 해당 인구를 대상으로 한 정밀의학 전략을 수립하는 데 제한이 발생할 수 있다.

이에 따라 신 박사는 아시아 국가 간 협력을 통한 연구 네트워크 구축 필요성을 제시했다. 한국, 일본, 중국, 싱가포르 등 아시아 국가들이 표준화된 뇌은행 시스템과 데이터 생성 프로토콜을 공유하고, 공동 연구를 수행함으로써 글로벌 데이터의 균형을 확보할 수 있다는 설명이다. 또한 다양한 인구집단의 데이터를 통합함으로써 질환 이해도를 높이고, 보다 정밀한 치료 타깃 발굴이 가능해질 수 있다는 점을 강조했다.

신 박사는 CNS 신약개발 과정에서 인간 사후 뇌 조직 기반 데이터의 역할도 재차 언급했다. 동물모델이나 세포모델에서 도출된 결과를 실제 인간 조직 데이터와 비교·검증하는 과정이 필요하며, 이를 통해 후보 타깃의 신뢰도를 높일 수 있다는 설명이다. 특히 다양한 오믹스 데이터와 조직 기반 정보를 통합하는 접근이 향후 신약개발에서 중요한 역할을 할 것으로 제시했다.

아울러 데이터 통합과 분석 과정에서 국가 간 협력의 중요성도 강조했다. 서로 다른 국가에서 생성된 데이터를 효과적으로 결합하기 위해서는 표준화된 운영 프로토콜과 분석 체계가 필요하며, 이를 기반으로 데이터의 일관성과 재현성을 확보할 수 있다는 설명이다. 이러한 기반이 마련될 경우, 인공지능 기반 분석 역시 보다 높은 신뢰도로 활용될 수 있는 환경이 조성될 수 있다고 언급했다.

이번 발표는 CNS 질환 연구에서 인간 사후 뇌 조직 기반 접근의 중요성과 함께, 글로벌 데이터 편향 문제를 해결하기 위한 방향성을 제시했다. 특히 아시아 지역의 데이터 공백을 보완하기 위한 협력 필요성과, 표준화된 연구 인프라 구축의 중요성이 주요 메시지로 제시됐다.