AgingLab · Research

RESEARCH

특허와 논문, 공인 인증으로
연구 역량을 증명해 왔습니다.

Publications

논문

Publications

세계 최초 게놈을
해독해 온 연구

Science, Nature Genetics, Nature Communications를 포함해 에이징랩 연구진이 참여한 SCI(E) 논문 83편. 그중 44편은 책임저자로 참여했습니다.

Genome Biology

Korea10K integrates 10,239 whole genomes with multiomic and clinical health information as a Korean reference dataset

책임저자
저널
Genome Biology
연도
2026
IF
9.4
링크
doi.org/10.1186/s13059-026-04321-6
쉽게 읽는 논문 요약

한국인 10,239명의 전체 유전체로 만든 한국인 기준 자료, 그리고 그 자료가 드러낸 DNA 메틸화 검사의 숨은 오차

한 줄 요약

한국인 10,239명의 유전체 전체를 읽어, 한국인에게만 드물게 있는 유전 차이까지 담은 기준 자료를 만들었습니다. 이 자료로 살펴보니, 흔히 쓰는 DNA 메틸화 검사가 일부 사람에게서는 유전 차이 때문에 값을 잘못 읽는다는 점도 드러났습니다.

9,880,066처음 보고된 유전 변이 수 (전체의 16.1%)
8,955명아주 드문 변이 발견이 거의 멈춘 사람 수 (평균)
76.6%한국 남성 Y염색체 중 O 계열 비율
25.0%GrimAge 후성유전 시계 표지 중 한국인 누군가에게서 사라진 비율
왜 중요한가요?

유전자 검사 결과를 해석하려면, 보통의 한국인은 어떤지 보여주는 기준 자료가 필요합니다. 그동안의 한국인 자료는 사람 수가 적거나, 유전체를 얕게 읽었거나, 건강 정보와 연결되지 않았습니다. 이번 자료는 드문 유전 차이까지 담았습니다. 저자들은 이 자료가 한국인 대상 유전 연구와 맞춤 의료의 바탕이 될 것이라고 말합니다.

또 하나의 발견은 검사 방법에 관한 것입니다. 혈액으로 몸의 생물학적 나이를 추정하는 후성유전 시계 같은 검사는 DNA 메틸화라는 표시를 읽습니다. 그런데 유전 차이 때문에 측정할 자리 자체가 없는 사람이 있었습니다. 어느 자리가 사라지는지는 집단마다 달랐습니다. 분자 검사 결과를 해석할 때 그 사람의 유전 배경을 함께 봐야 한다는 뜻입니다.

이 연구를 한눈에
배경
한 사람의 유전 정보를 해석하려면, 같은 집단 사람들의 유전 정보를 모은 기준 자료와 비교해야 합니다. 그동안 한국인 기준 자료는 규모나 깊이, 건강 정보와의 연결이 부족했습니다.
궁금했던 것
만 명이 넘는 한국인의 유전체를 깊게 읽으면, 한국인의 유전적 특징을 얼마나 자세히 볼 수 있을까요? 그리고 이 자료는 다른 검사를 해석하는 데 어떤 도움을 줄까요?
연구 방법
여러 병원과 기관에서 모은 한국인 10,239명의 유전체 전체를 읽었습니다. 친척 관계와 품질을 따져 9,000명을 골라 집중 분석했습니다. 일부 참여자의 유전자 발현, DNA 메틸화, 건강검진, 생활습관 자료도 함께 모았습니다.
결론
유전 변이 61,223,704개를 찾았고, 그중 9,880,066개는 처음 보고된 것이었습니다. 한국인은 유전적으로 고른 집단이었고, 이 자료 덕분에 빈칸 채우기 추정이 더 정확해졌습니다. 또 DNA 메틸화 검사의 측정 자리를 없애는 유전 변이가 드물지 않다는 것을 보여주었습니다.
무엇을 알아냈나요?
01
만 명이 넘는 한국인의 유전체와 건강 정보를 한데 모았습니다

Korea10K는 이전 한국인 유전체 사업(Korea1K, Korea4K)을 이어 키운 자료입니다. 참여자 10,239명 가운데 55.1%는 질병을 진단받은 사람입니다. 질병 중에는 심장·혈관 질환이 3,194명으로 가장 많았습니다. 정신·기분 장애가 1,657명으로 뒤를 이었습니다.

일부 참여자는 유전체 말고도 혈액의 분자 정보, 건강검진 기록, 생활습관 설문이 함께 있습니다. 그래서 유전과 건강을 한 사람 안에서 연결해 볼 수 있습니다.

의미건강한 사람과 환자를 함께 모아, 질병 중심의 연구에도 쓸 수 있는 자료입니다.

Korea10K 모집 단계, 건강인과 환자 비율 원그래프, 질병별 참여자 수 막대그래프
Fig. 1건강한 사람 4,596명과 환자 5,643명, 단계적으로 커진 한국인 유전체 자료
그림 읽는 법

Korea10K가 어떻게 모였고, 참여자가 어떤 사람들인지 보여주는 그림입니다.

왼쪽 위(A)는 사업이 커져 온 단계를 위에서 아래로 보여줍니다. 오른쪽 위(B)의 원그래프는 건강한 사람(회색)과 질병을 진단받은 사람(빨강)의 비율입니다. 아래(C)의 가로 막대는 질병별 사람 수이고, 막대가 길수록 사람이 많습니다.

  • A작은 시범 사업(KPGP)에서 시작해 Korea1K, Korea4K를 거쳐 Korea10K로 커졌습니다. 맨 아래 빨간 테두리 칸이 이번 자료입니다.
  • B원의 절반이 조금 넘는 빨간 부분이 환자입니다(55.1%).
  • C가장 긴 막대는 심근경색(심장마비)입니다. 오른쪽 작은 그래프는 질병을 큰 묶음으로 나눈 것입니다. 심장·혈관 질환이 3,194명으로 가장 많고, 정신·기분 장애가 1,657명으로 뒤를 잇습니다.
핵심

이 그림은 연구 결과라기보다 자료의 구성을 보여줍니다. 참여자의 절반 넘게가 환자이고, 그중 심장·혈관 질환이 가장 많습니다. 이 점을 기억해 두면 다른 결과를 읽을 때 도움이 됩니다.

02
한국인 유전 차이 지도를 만들었고, 빈칸 채우기가 더 정확해졌습니다

9,000명에게서 찾은 유전 변이는 61,223,704개입니다. 이 가운데 9,880,066개(16.1%)는 처음 보고된 것이었습니다.

사람 수를 늘려 가며 세어 보니, 흔한 변이는 수백 명만 봐도 거의 다 나왔습니다. 반면 아주 드문 변이는 평균 8,955명이 되어서야 새로 나오는 수가 거의 멈췄습니다.

유전 연구에서는 유전체의 일부 자리만 읽고, 나머지는 기준 자료를 참고해 추정으로 채우는 경우가 많습니다. Korea10K를 기준으로 채우면 이전 한국인 자료(Korea1K, Korea4K)보다 정확했습니다. 드문 변이일수록 차이가 컸고, 가장 드문 구간에서는 Korea1K보다 86.4% 나아졌습니다. 채울 수 있는 변이 수도 606,935개로, Korea1K보다 26% 많았습니다.

의미사람을 많이 모아야만 보이는 한국인의 드문 유전 차이를 담았고, 그 덕분에 다른 연구의 유전 정보도 더 정확히 채울 수 있습니다.

빈도 범주별 변이 수 막대그래프, 누적 변이 발견 곡선, 참조 자료별 빈칸 채우기 정확도와 개선율 선그래프
Fig. 2많이 모을수록 드러나는 드문 유전 차이, 그리고 더 정확해진 빈칸 채우기
그림 읽는 법

한국인 9,000명에게서 찾은 유전 변이를 얼마나 흔한지에 따라 나누어 셌습니다. 그리고 이 자료로 빈칸 채우기를 얼마나 정확히 하는지 이전 자료와 비교했습니다.

네 그래프 모두 변이를 얼마나 흔한가로 나눕니다. 위의 A와 B에서는 왼쪽일수록 드문 변이이고, 맨 왼쪽은 한 사람에게만 있는 변이입니다. 아래 C와 D의 가로축도 변이가 얼마나 흔한지이며, 왼쪽이 드문 쪽입니다.

  • A막대 하나가 한 빈도 묶음의 변이 수입니다. 아래쪽 진한 빨강은 처음 보고된 변이, 위쪽 회색은 이미 알려진 변이입니다. 진한 빨강은 왼쪽의 드문 묶음에 몰려 있습니다.
  • B가로축은 분석한 사람 수, 세로축은 찾은 변이 수입니다. 선이 평평해지면 사람을 더 모아도 새 변이가 거의 안 나온다는 뜻입니다. 흔한 변이 선은 일찍 평평해집니다. 한두 사람에게만 있는 변이(검정, 보라) 선은 끝까지 올라갑니다.
  • C·DC의 세로축은 빈칸 채우기의 정확도로, 위로 갈수록 정확합니다. 빨간 선(Korea10K)이 왼쪽 드문 구간에서 다른 두 선보다 위에 있습니다. D는 Korea10K가 이전 자료보다 몇 % 나아졌는지를 보여주며, 왼쪽 끝에서 가장 크게 나아졌습니다.
핵심

변이는 드물수록 많은 사람을 모아야 보입니다. B에서 아주 드문 변이(주황 굵은 선)는 평균 8,955명에서 거의 다 찾아져 평평해집니다. 이렇게 모은 드문 변이 덕분에, C와 D에서 Korea10K는 드문 변이의 빈칸을 특히 더 정확히 채웁니다.

03
한국인은 유전적으로 고르고, 부계는 좁고 모계는 깊었습니다

세계 여러 집단과 함께 놓고 보면, 한국인은 동아시아 안에서 하나의 뚜렷한 무리를 이룹니다. 중국인, 일본인과도 구분됩니다. 한국인 표준 유전체(KOREF1, KOREF2)도 이 무리 안에 들어, 한국인 기준으로 쓰기에 알맞았습니다.

아버지에게서 아들로 이어지는 Y염색체를 보면, 남성 5,290명의 76.6%가 O 계열이었습니다. 계보를 그려 보아도 갈래가 잘 갈리지 않았습니다. 저자들은 이를 아마도 청동기 시대 이후 비교적 최근의 인구 팽창 흔적으로 봅니다.

어머니에게서 이어지는 미토콘드리아 DNA는 달랐습니다. D 계열(33.2%)을 비롯해 여러 갈래가 깊게 나뉘었습니다. 저자들은 이웃 동아시아 집단의 여성이 여러 차례 한반도로 들어온 흔적으로 해석합니다.

면역에 관여하는 HLA-A 유전자는 흔한 4가지 유형이 전체의 거의 3분의 2를 차지했습니다. 일본인은 A*24:02, 중국인은 A*11:01이 한국인보다 많아 비율이 달랐습니다.

의미한국인은 이웃 동아시아 집단과도 구분되는 유전적 특징을 지녀, 한국인 자료로 따로 비교할 이유가 있습니다.

주성분 분석 산점도, 조상 성분 막대, Y염색체·미토콘드리아·HLA-A 유형 비율 가로 막대그래프
Fig. 3동아시아 안에서 따로 모이는 한국인, 좁은 부계와 다양한 모계
그림 읽는 법

한국인을 세계 여러 집단과 비교했습니다. 유전적 위치, 조상 성분, 부계·모계 계통, 면역 유전자 유형의 비율을 차례로 보여줍니다.

A와 B는 점 하나가 한 사람인 지도입니다. 유전적으로 비슷한 사람일수록 가까이 모입니다. C는 세로 줄 하나가 한 사람이고, 색깔별 길이가 조상 성분의 비율입니다. D, E, F는 가로 막대 하나가 한 집단이고, 색 칸의 길이가 각 유형의 비율입니다. KOR은 한국인, JPT는 일본인, CHB는 중국 북부 한족입니다.

  • A·B세계 지도(A)에서 한국인(KOR, 진한 빨강)은 동아시아(EAS) 옆에 붙어 있습니다. 동아시아만 확대한 B에서는 한국인이 중국인(CHB, CHS), 일본인(JPT)과 떨어진 무리를 이룹니다. 마름모 표시는 한국인 표준 유전체로, 한국인 무리 안에 있습니다.
  • D·ED는 부계(Y염색체)입니다. 한국인 막대는 초록(O1)과 노랑(O2)이 대부분이고, 다음이 C(16.0%)입니다. E는 모계(미토콘드리아)입니다. 한국인 막대는 D 계열(33.2%)이 가장 크지만, 오른쪽에 작은 갈래가 많이 이어집니다.
  • F면역 유전자 HLA-A입니다. 한국인 막대는 왼쪽 네 칸이 거의 3분의 2를 차지합니다. 유럽인(EUR)과 아프리카인(AFR) 막대는 작은 칸이 훨씬 많아 유형이 다양합니다.
핵심

A와 B는 한국인이 하나의 뚜렷한 유전 집단임을 보여줍니다. D와 E를 나란히 보면, 아버지 쪽 계통은 몇 가지 유형에 몰려 있습니다. 어머니 쪽 계통은 더 여러 갈래로 퍼져 있습니다. F에서는 한국인의 면역 유전자 유형도 몇 가지에 몰려 있다는 점이 보입니다.

주의

조상에 관한 이야기는 오늘날 사람의 유전체로 거꾸로 추정한 해석입니다. 옛사람의 유전체로 직접 확인한 것은 아닙니다.

04
일부 유전 변이 때문에 DNA 메틸화 검사가 값을 잘못 읽습니다

DNA 메틸화는 DNA의 CG라는 글자 쌍에 붙는 작은 표시입니다. 유전자가 켜지고 꺼지는 데 관여해, 질병과 생물학적 나이 연구에 많이 쓰입니다. 그런데 유전 변이가 C나 G 한 글자를 바꾸면, 표시가 붙을 CG 자체가 없어집니다.

한국인 9,000명에게서 CG 자리를 바꾸는 변이는 16,388,405개였습니다. 전체 변이의 26.8%입니다. 실제 메틸화 자료에서도 효과가 보였습니다. 이런 변이가 없는 사람의 평균 측정값은 0.72였습니다. 한쪽 염색체에만 있으면 0.39, 양쪽에 다 있으면 0.02로 거의 절반씩 떨어졌습니다.

모의실험에서는 변이를 가진 사람이 섞이자 결과가 크게 흔들렸습니다. 변이가 비교적 흔한 자리에서, 실제로 있는 작은 차이를 찾아낼 가능성이 93%에서 13%로 떨어졌습니다.

널리 쓰이는 메틸화 검사 칩 4종 모두에서 측정 자리의 일부가 누군가에게서 사라져 있었습니다. 대부분은 아주 드문 변이 때문이어서, 사람마다 사라지는 자리가 달랐습니다. 사라지는 자리는 집단마다도 달랐습니다. 혈액으로 생물학적 나이를 추정하는 후성유전 시계 6종도 모두 이런 자리를 포함했습니다.

의미같은 검사 결과라도, 유전 변이 때문에 메틸화가 없는 것으로 잘못 읽혔을 수 있습니다. 결과를 해석할 때 그 사람의 유전 정보를 함께 봐야 합니다.

유전형별 메틸화 측정값 바이올린 그림, 메틸화 칩 4종의 사라진 측정 자리 막대와 누적 곡선, 후성유전 시계 6종의 사라진 표지 비율 막대그래프
Fig. 4CG를 없애는 변이 때문에 메틸화가 낮게 읽히고, 검사 칩과 후성유전 시계의 측정 자리가 사라집니다
그림 읽는 법

CG 자리를 없애는 유전 변이가 실제 메틸화 측정값, 메틸화 검사 칩 4종, 후성유전 시계 6종에 어떤 영향을 주는지 보여주는 그림입니다.

A의 세로축은 메틸화 측정값(0은 없음, 1은 가득)이고, 가로축은 그 변이를 몇 개 가졌는지(0, 1, 2개)입니다. 볼록한 모양 하나는 측정 자리 15,442곳의 값이 어떻게 퍼져 있는지 보여주며, 넓은 곳에 값이 많습니다. B부터 E까지 왼쪽 막대는 집단별로 사라진 칩 측정 자리의 수입니다. 색은 그 자리를 없앤 변이가 얼마나 드문지입니다. F의 가로 막대는 후성유전 시계마다 사라진 표지의 비율이며, 길수록 많이 사라졌습니다.

  • A변이가 없는 사람(0)은 값이 대부분 위쪽에 몰려 있습니다. 한 개 가진 사람(1)은 가운데쯤, 두 개 가진 사람(2)은 바닥에 붙어 있습니다. 평균값은 0.721, 0.386, 0.021로 거의 절반씩 줄어듭니다.
  • D널리 쓰이는 칩(EPIC v2.0)의 예입니다. 맨 오른쪽 한국인(Korea10K) 막대가 다른 집단보다 훨씬 높고, 대부분 주황과 초록입니다. 주황과 초록은 드문 변이입니다. 한국인은 9,000명을 봐서 드문 변이까지 잡혔기 때문입니다.
  • F후성유전 시계 6종 모두에서 표지 일부가 사라졌습니다. 한국인 막대는 GrimAge에서 가장 길어(25.0%), 표지 4개 중 1개가 누군가에게서 사라졌습니다. 파란 부분(흔한 변이)이 뚜렷한 시계는 GrimAge입니다.
핵심

A는 변이를 하나 가지면 측정값이 절반쯤, 둘 가지면 거의 0으로 떨어진다는 것을 보여줍니다. 그 자리에 실제로 메틸화가 줄었다기보다, 측정할 CG가 없어진 것입니다. B부터 E까지는 이런 일이 칩의 수많은 측정 자리에서 일어난다는 것을 보여줍니다. 사람을 많이 볼수록 더 많이 드러납니다. F는 생물학적 나이를 재는 표지도 예외가 아니라는 점을 보여줍니다.

주의

F는 표지가 사라졌다는 것까지만 보여줍니다. 후성유전 시계가 추정하는 나이가 실제로 몇 살 달라지는지는 이 그림으로 알 수 없습니다.

어떻게 연구했나요?

연구진은 2015년부터 여러 병원과 연구기관을 통해 참여자를 모았습니다. 참여자의 피나 침에서 DNA를 뽑아 유전체 전체를 읽었습니다. 그 뒤 품질과 친척 관계를 따져 고른 9,000명을 중심으로 유전 차이를 세고, 다른 나라 사람들과 비교했습니다.

  1. 참여자 모으기한국인 10,239명이 참여했습니다. 건강한 사람이 4,596명, 질병을 진단받은 사람이 5,643명입니다. 환자 중에는 심장·혈관 질환이 가장 많았습니다.
  2. 유전체 전체 읽기한 사람의 유전체 전체를 평균 30번 겹쳐 읽었습니다. 여러 번 겹쳐 읽을수록 드문 유전 차이를 놓치지 않고 정확하게 잡을 수 있습니다.
  3. 걸러내기데이터 품질이 낮은 사람을 뺐습니다. 가까운 친척끼리는 한 명만 남겼고, 한국인이 아닌 것으로 보이는 13명도 뺐습니다. 이렇게 남은 서로 남남인 9,000명을 주로 분석했습니다.
  4. 다른 측정 더하기일부 참여자는 혈액에서 유전자 발현(868명), DNA 메틸화(1,211명), 염색질 상태(102명)도 쟀습니다. 건강검진 기록(6,583명)과 생활습관 설문(4,923명)도 모았습니다.
  5. 비교하기세계 여러 대륙 사람의 유전체를 모은 국제 자료(1000 Genomes Project)의 2,541명과 비교했습니다. 널리 쓰이는 메틸화 검사 칩 4종의 측정 자리도 한국인의 유전 변이와 맞대어 보았습니다.
생각해 볼 점
의의논문이 말한 것
분자 검사는 유전 배경을 함께 보고 해석해야 합니다

저자들은 CG를 없애는 변이가 모든 집단에서 칩 측정 자리를 망가뜨린다고 말합니다. 다만 망가지는 자리는 집단마다 다릅니다. 그래서 집단을 고려한 검사 설계와 해석이 필요하다고 결론 내립니다. 또 이번에 센 것은 CG 자체를 없애는 변이뿐이어서, 실제 영향은 이보다 클 수 있다고 덧붙입니다.

원문“the figures reported above should therefore be read as a lower bound on total probe perturbation. ... highlights the need for ethnicity-aware probe design and interpretation of molecular data.”
일상과의 연결논문이 말한 것
한 사람 단위의 유전체 자료는 공개되지 않습니다

변이가 얼마나 흔한지 같은 집계 자료는 누구나 받을 수 있게 공개되었습니다. 하지만 한 사람 단위의 유전체 자료는 연구윤리 심의와 자료 접근 심사를 거친 연구자만 쓸 수 있습니다. 그것도 2차 활용에 동의한 참여자의 자료만 제공됩니다.

원문“Access to individual-level full datasets requires approval from the relevant Institutional Review Board (IRB) and Data Access Committee (DAC)”
한계논문이 말한 것
한 시점의 자료이고, 큰 구조 변화는 아직 담지 못했습니다

저자들은 이 자료가 대부분 한 번 채취한 자료라고 밝힙니다. 그래서 같은 사람이 나이 들며 어떻게 변하는지는 알 수 없습니다. 또 DNA를 짧은 조각으로 읽는 방식이라, 한 글자 변화와 짧은 삽입·삭제만 다루었습니다. 크기가 큰 유전체 구조 변화는 이번 자료에 들어 있지 않습니다.

원문“Korea10K is cross-sectional, except for two KOREF samples. ... Reliance on short-read sequencing and a linear reference genome further restricted this release to SNVs and short indels.”
해석 주의요약의 해석
숫자를 읽을 때 기억할 두 가지

첫째, 참여자의 55.1%가 환자이고, 그중 절반 넘게가 심장·혈관 질환입니다. 건강한 한국인 전체의 평균으로 그대로 옮겨 읽을 때는 조심해야 합니다.

둘째, 빈칸 채우기 정확도 비교는 위암 환자 19명의 자료로 했습니다. 드문 변이에서 정확도가 크게 올랐다는 결과는, 더 많은 사람으로 확인되면 더 믿을 만해집니다.

오해하기 쉬운 점요약의 해석
후성유전 시계가 몇 살 틀리는지를 잰 연구는 아닙니다

이 논문은 후성유전 시계의 표지 중 몇 %가 누군가에게서 사라지는지를 세었습니다. 하지만 그 때문에 추정 나이가 몇 살 달라지는지는 계산하지 않았습니다. 그러니 내 생체 나이 검사 결과가 틀렸다는 뜻으로 읽으면 지나친 해석입니다. 실제 영향이 얼마나 큰지는 따로 확인해야 할 문제입니다.

기억할 것
  • Korea10K는 한국인 10,239명의 유전체에 건강·분자 정보를 묶은 자료입니다. 저자들은 지금까지 가장 포괄적인 한국인 유전 변이 목록이라고 말합니다.
  • 한국인은 동아시아 안에서도 뚜렷이 구분되는 유전 집단이며, 드문 유전 차이를 보려면 이만큼 큰 자료가 필요했습니다.
  • DNA 메틸화 검사는 유전 변이 때문에 일부 사람에게서 값을 잘못 읽을 수 있습니다. 다만 후성유전 시계의 나이 추정이 얼마나 달라지는지는 아직 계산되지 않았습니다.
용어 풀이
전체 유전체 분석 (whole-genome sequencing)
한 사람의 DNA를 처음부터 끝까지 모두 읽는 방법입니다. 일부 자리만 골라 읽는 검사와 달리, 드문 유전 차이까지 찾을 수 있습니다.
유전 변이 (variant)
사람마다 DNA 글자가 다른 자리입니다. 대부분은 건강과 상관없는 개인차이고, 일부는 질병이나 체질과 관련됩니다.
아주 드문 변이 (ultra-rare variant)
이 논문에서는 9,000명 안에서 세 번 이상 나오지만, 전체 염색체의 0.05% 이하에만 있는 변이를 말합니다. 단 한 사람에게만 있는 변이는 따로 셉니다.
빈칸 채우기 추정 (유전형 대치, imputation)
일부 자리만 읽은 유전 정보에서, 읽지 않은 자리를 기준 자료와 비교해 추정으로 채우는 방법입니다. 기준 자료가 클수록 드문 변이도 잘 채웁니다.
HLA
면역세포가 내 몸과 바깥 침입자를 구분하는 데 쓰는 단백질을 만드는 유전자 무리입니다. 저자들은 백신 반응, 자가면역 질환, 약 부작용과의 관련을 언급합니다.
DNA 메틸화와 CG 자리 (CpG)
DNA에서 C 다음에 G가 오는 자리에 붙는 화학적 표시입니다. 유전자를 켜고 끄는 데 관여합니다. 이 연구에서 측정값은 0(표시 없음)에서 1(모두 표시됨) 사이입니다.
메틸화 검사 칩 (methylation array)
정해 둔 CG 자리 수만~90만 곳의 메틸화를 한 번에 재는 검사 도구입니다. 미리 정한 자리만 재기 때문에, 그 자리가 사람에 따라 없으면 값을 잘못 읽습니다.
후성유전 시계 (epigenetic clock)
수십에서 천여 개 CG 자리의 메틸화를 재어, 몸의 생물학적 나이를 추정하는 계산식입니다. 이 논문은 Horvath, GrimAge 등 6종을 살폈습니다.

이 요약은 일반 독자를 위해 논문 내용을 쉽게 풀어 쓴 것입니다. 정확한 내용은 원문을 확인해 주세요. 그림: An et al. (2026) Genome Biology, CC BY 4.0.

IF는 최신 JCR 기준 저널 영향력 지수입니다. 회사 설립 이전 연구진의 논문을 포함합니다.

Contact

당신의 후보 물질,
실험 전에 먼저 계산해 보세요.

연구 질문을 보내 주시면 분석 범위와 데이터 형태, 일정에 맞춰 가장 알맞은 방식을 제안해 드립니다.