- 면역계의 복합적 변화 양상을 데이터로 해독하고, AI로 면역 노화를 수치화하는 새로운 패러다임의 면역 진단 기술 확립

▲ 사진) 공동연구자 사진_(상단 왼쪽부터) 순천대 의생명과학과 심현보 박사과정생(공동제1저자),

약학과 정승현 교수(공동교신저자), (하단 왼쪽부터) 의생명과학과 김종진 교수(공동교신저자), 약학과 장동조 교수 (공동교신저자)

국립순천대학교(총장 이병운, 이하 순천대) 의생명과학과 김종진 교수, 약학과 정승현 교수, 장동조 교수 연구팀은 전남대 약학과 장지훈 교수팀과 면역세포 표현형 빅데이터에 기반한 면역노화 분석 기술을 개발하고, 이를 활용해 면역노화를 정밀하게 진단·예측할 수 있는 머신러닝 모델을 확립했다고 밝혔다.

연구팀은 질량세포분석(mass cytometry, CyTOF)을 이용해 노화 과정에서 나타나는 면역세포의 단백질 발현 변화를 고해상도로 분석하고, 이를 기반으로 대규모 면역세포 빅데이터를 구축하였다. 이 데이터를 학습시킨 머신러닝 모델을 통해 면역세포 패턴만으로 생물학적 면역 연령(immune age)을 예측하는 기술을 개발하는 데 성공했으며, Nature Communications (IF=15.7) 온라인판에 게재되었다.

* 논문명: Reading the Immune Clock: A Machine Learning Model Predicts Mouse Immune Age from Cellular Patterns, [저자: 순천대 심현보(공동 제1저자), 전남대 장지훈(공동 제1저자), 순천대 장동조·정승현·김종진(공동 교신저자)]

기존의 면역노화 연구가 주로 유전자 수준 변화에 머물렀던 반면, 본 연구는 단백질 기반 다차원 분석을 통해 면역계의 노화를 실제 기능적 변화 관점에서 입체적으로 규명했다는 점에서 큰 의의가 있다. 특히 연구팀이 개발한 ‘Immune Clock’은 면역세포의 복합적 패턴을 학습하여 높은 정확도로 면역 연령을 계산하는 혁신적 도구로 평가된다.

공동 교신저자들은 “본 연구는 면역학 연구의 새로운 방향성을 제시한 것으로, 개발한 Immune Clock 기술은 장기적으로 인간의 면역 연령을 예측하고 개인 맞춤형 면역건강 관리 전략을 제시하는 데 활용될 수 있는 새로운 패러다임을 제시한다”고 밝혔다.

▲ 그림) 면역 다차원 분석 기반 면역노화 예측 모델 Immune Clock 개발 모식도

김종진 교수는 “면역계는 노화와 질병을 연결하는 핵심 축으로, 이를 정량화할 수 있는 기술은 그 자체로 새로운 의학적 언어가 될 수 있다. 이번 연구는 면역 노화를 단순한 현상이 아닌 ‘측정 가능한 지표’로 전환한 첫 시도로, 향후 암, 대사질환, 백신 반응 예측 등 다양한 분야에서 새로운 해석과 예측을 가능하게 할 것이다.”라고 강조했다.

다차원 면역 분석과 머신러닝의 결합은 면역노화뿐 아니라 다양한 질환의 조기 진단, 면역반응 예측, 신약 표적 발굴 등에 적용할 수 있어 의생명과학 연구 전반의 패러다임 변화를 견인할 수 있는 확장성을 지닌다. 한편, 본 연구는 한국연구재단 기초연구사업(신진연구)의 지원으로 수행되었다. ※참고자료: https://doi.org/10.1038/s41467-025-67393-1

SCNU Research Team Develops AI-Based Technology to Predict Immune Aging

- A new diagnostic approach that quantifies immune aging by analyzing immune cell patterns with artificial intelligence

A research team at Sunchon National University (SCNU), led by professors from the Department of Biomedical Science and the College of Pharmacy, has developed an artificial intelligence?based technology that can predict immune aging by analyzing changes in immune cells.

The team closely examined how immune cells change as aging progresses, using advanced analytical techniques capable of measuring multiple protein signals at the same time. Based on this process, they built a large-scale immune cell dataset and trained a machine learning model to recognize aging-related immune patterns.

As a result, the researchers successfully developed a model that can estimate biological immune age using immune cell data alone. The team named this technology the “Immune Clock,” and the research findings were published online in the international journal Nature Communications.

Unlike previous studies that focused mainly on genetic changes, this research analyzed immune aging at the protein and functional level, providing a more practical and comprehensive understanding of how the immune system changes over time. By translating complex immune patterns into a numerical indicator, the Immune Clock allows immune aging to be understood more intuitively.

The research team expects this technology to be applicable to predicting individual immune health, disease vulnerability, and responses to vaccines, with potential applications in areas such as cancer, metabolic diseases, and infectious diseases.

Professor Kim Jong-jin of SCNU stated that the immune system plays a central role in connecting aging and disease, and emphasized that this study is meaningful in transforming immune aging into a measurable indicator. He added that the technology could serve as a new reference point for understanding and predicting a wide range of diseases in the future.

This research was supported by the Basic Research Program of the National Research Foundation of Korea.