이 연구는 1,000명 이상의 참여자를 대상으로 동일한 식사에 대한 개인별 대사 반응을 분석하여, 사람마다 혈당 및 중성지방 수치가 크게 다르다는 것을 입증했습니다. 놀랍게도 이러한 차이는 유전적 요인보다 장내 미생물이나 수면, 식사 시간 같은 환경적 요인에 의해 더 많이 결정된다는 사실이 밝혀졌습니다. 연구진은 이를 바탕으로 개인별 식후 반응을 예측하는 머신러닝 모델을 개발하여 개인 맞춤형 정밀 영양(Precision Nutrition)의 가능성을 열었습니다.
1. 연구 배경과 PREDICT 1 프로젝트의 시작
전 세계적으로 영양 관련 질환이 큰 문제가 되고 있지만, 기존의 영양 가이드라인은 대부분 인구 평균에 기초하고 있어 개인차를 반영하지 못한다는 한계가 있었어. 사람마다 똑같은 음식을 먹어도 반응이 제각각이고, 특히 체중 감량 식단에 대한 효과도 천차만별이지. 그래서 연구진은 대규모 데이터를 통해 개인별 식후 반응을 정밀하게 분석하고 예측할 필요성을 느꼈어.
이러한 배경에서 PREDICT 1 (Personalised Responses to DIetary Composition Trial) 연구가 시작되었단다. 이 연구는 2018년부터 2019년 사이에 진행되었는데, 영국에서 1,002명의 쌍둥이 및 일반 성인을 모집하고, 미국에서 100명의 검증 그룹을 추가로 모집해서 진행했어.
연구는 병원에서의 정밀 검사와 2주간의 자택 생활(Home-phase)로 구성되었어. 참여자들은 표준화된 머핀이나 포도당 음료 같은 테스트 식사를 하고, 연속혈당측정기(CGM)와 혈액 검사를 통해 식후 대사 반응(혈당, 중성지방, 인슐린 등)을 측정했지. 또한, 장내 미생물(마이크로바이옴), 수면, 운동량 등 다양한 데이터도 함께 수집했어.
연구 설계 개요: 영국(n=1,002)과 미국(n=100) 코호트에서 병원 방문 및 2주간의 자택 연구를 통해 데이터를 수집했어.
2. 사람마다 너무나 다른 식후 반응 😲
연구 결과 중 가장 흥미로운 점은, 똑같은 음식을 먹었는데도 사람마다 몸의 반응이 너무 달랐다는 거야. 연구진은 식사 후 혈액 내 중성지방, 포도당, 인슐린 수치의 변화를 관찰했는데, 공복 상태일 때보다 식후 반응에서 개인 간의 차이가 훨씬 크게 나타났어.
- 중성지방(Triglyceride): 식후 변동 폭이 무려 103%나 차이가 났어.
- 포도당(Glucose): 68%의 변동성을 보였지.
- 인슐린(Insulin): 59%의 차이를 보였어.
이 결과는 단순히 공복 상태의 수치만으로는 그 사람의 대사 건강을 제대로 파악하기 어렵다는 것을 시사해. 실제로 식후에 치솟는 혈당이나 중성지방 수치는 심혈관 질환의 위험을 예측하는 데 있어 공복 수치보다 더 강력한 지표가 될 수 있거든.
Our findings show wide variations in postprandial responses between people, even identical twins, attributable in large part to modifiable factors.
"우리의 연구 결과는 사람들 사이, 심지어 일란성 쌍둥이 사이에서도 식후 반응에 큰 차이가 있음을 보여주며, 이는 대부분 교정 가능한 요인들에 기인합니다."
그림 a는 동일한 식사에 대해 사람마다 혈당, 인슐린, 중성지방 반응이 얼마나 다양하게 나타나는지를 보여줘.
3. 유전자가 전부는 아니야: 환경과 마이크로바이옴의 중요성
그렇다면 이렇게 큰 차이는 왜 생기는 걸까? 흔히 유전 때문이라고 생각하기 쉽지만, 이번 연구 결과는 예상을 빗나갔어.
연구진은 쌍둥이 데이터를 이용해 유전적 요인이 식후 반응에 미치는 영향을 분석했어. 그 결과, 식후 혈당 반응에서 유전자가 설명하는 비율은 약 30% 정도였고, 식후 중성지방이나 인슐린 반응에 대해서는 유전적 영향이 매우 낮았어(각각 16%, 9% 미만). 우리가 흔히 알고 있는 DNA가 식후 대사 반응을 결정하는 절대적인 요소는 아니라는 거지.
반면, 환경적 요인과 장내 미생물(Gut Microbiome)의 역할이 상당히 중요하게 나타났어.
- 장내 미생물: 식후 혈당, 인슐린, 중성지방 반응을 설명하는 데 있어 유전적 요인보다 더 크거나 비슷한 영향력을 보였어. (예: 중성지방 반응의 7.5% 설명)
- 식사 맥락(Meal Context): 식사 시간, 수면 부족, 전날의 운동 여부 등이 식사 구성 성분(탄수화물, 지방 함량)만큼이나 큰 영향을 미쳤어.
유전적 요인(A)이 식후 반응에 미치는 영향은 생각보다 크지 않았어(그림 b). 반면 장내 미생물 등은 중요한 역할을 했지.
4. 머신러닝을 이용한 개인별 반응 예측 🤖
연구진은 수집된 방대한 데이터(식사 성분, 개인 특성, 마이크로바이옴, 식사 맥락 등)를 종합하여 개인의 식후 반응을 예측하는 머신러닝 모델을 개발했어.
이 모델은 꽤 훌륭한 성능을 보여줬는데, 식후 혈당 반응(r = 0.77)과 중성지방 반응(r = 0.47)을 상당히 정확하게 예측해냈어. 특히 영국 참여자들의 데이터로 훈련된 모델이 완전히 독립적인 미국 참여자들에게도 비슷하게 잘 작동했다는 점은 이 모델의 신뢰성을 높여주는 결과였지.
이것은 우리가 단순히 "이 음식은 건강해"라고 말하는 것을 넘어, "이 음식은 당신의 장내 미생물과 수면 상태를 고려했을 때, 지금 먹으면 혈당을 얼마나 올릴 것이다"라고 예측할 수 있다는 것을 의미해.
머신러닝 모델이 예측한 값(X축)과 실제 측정값(Y축)의 상관관계를 보여주는 그래프야. 혈당(b) 예측이 특히 정확했어.
5. 같은 사람이라도 '언제' 먹느냐가 중요하다
연구진은 개인 내부의 다양성(Intra-individual variation)도 깊이 있게 분석했어. 재미있는 점은 같은 사람이라도 식사 시간에 따라 반응이 달라진다는 거야.
예를 들어, 똑같은 고탄수화물 식사를 아침에 먹었을 때보다 점심에 먹었을 때 혈당 반응이 훨씬 더 높게(평균 2배 가까이) 나타났어. 이는 우리 몸의 생체 리듬(Circadian rhythm)이 대사 능력에 큰 영향을 미친다는 것을 보여주는 강력한 증거야.
또한, 어떤 사람은 모든 식사에 대해 혈당이 높게 오르는 '고반응자'인 반면, 어떤 사람은 식사의 종류에 따라 순위가 바뀌기도 했어. 즉, A라는 사람은 머핀보다 빵에 더 민감한데, B라는 사람은 그 반대일 수도 있다는 거지.
Findings from the PREDICT trial and elsewhere suggest that even in highly-adherent participants, substantial response variations exist, which might be predictable. In PREDICT, non-food-specific factors (e.g., meal timing, sleep, activity) were highly informative of these person-specific responses.
"PREDICT 연구와 다른 연구들의 결과는 식단을 잘 지키는 참여자들 사이에서도 상당한 반응 차이가 존재하며, 이는 예측 가능할 수 있음을 시사합니다. PREDICT 연구에서 식사 외적인 요인들(예: 식사 시간, 수면, 활동)은 이러한 개인별 반응을 설명하는 데 매우 유용한 정보를 제공했습니다."
그림 c를 보면 아침(Breakfast)보다 점심(Lunch)에 동일한 식사를 했을 때 혈당 반응이 훨씬 높은 것을 볼 수 있어.
결론 및 마무리
2026년인 현재 시점에서 되돌아보면, 2020년에 발표된 이 PREDICT 1 연구는 영양학의 패러다임을 바꾼 중요한 전환점이었어.
이 연구가 우리에게 주는 핵심 메시지는 다음과 같아:
- 표준화된 식단은 없다: 모든 사람에게 통하는 단 하나의 건강 식단은 존재하지 않아.
- 유전자가 운명은 아니다: 유전자보다 장내 미생물, 수면, 식사 타이밍 같은 생활 습관 요인이 식후 대사 반응에 더 큰 영향을 미쳐.
- 개인 맞춤형 예측이 가능하다: 머신러닝과 개인 데이터를 결합하면 내 몸이 특정 음식에 어떻게 반응할지 미리 알 수 있어.
결국, 건강을 위해서는 단순히 '좋은 음식'을 찾는 것을 넘어, '나에게 맞는 음식'을 '적절한 시간'에 먹는 정밀 영양(Precision Nutrition) 전략이 질병 예방과 건강 관리에 핵심적인 역할을 할 수 있다는 것을 이 연구는 강력하게 시사하고 있어.