당신은 주제를 찾고 있습니까 “전장 유전체 분석 – 암의 전장 유전체 염기서열을 분석하여 복잡성 구조변이를 찾아내는 방법과 원리“? 다음 카테고리의 웹사이트 https://you.pilgrimjournalist.com 에서 귀하의 모든 질문에 답변해 드립니다: https://you.pilgrimjournalist.com/blog/. 바로 아래에서 답을 찾을 수 있습니다. 작성자 브릭,BRIC 이(가) 작성한 기사에는 조회수 361회 및 좋아요 5개 개의 좋아요가 있습니다.
Table of Contents
전장 유전체 분석 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 암의 전장 유전체 염기서열을 분석하여 복잡성 구조변이를 찾아내는 방법과 원리 – 전장 유전체 분석 주제에 대한 세부정보를 참조하세요
개최일 : 2020.3.23
종류 : 학술웨비나
연사 : 박성열
소속 : KAIST
BRIC Webinar : 최근 유전체 염기서열 분석의 비용이 낮아지고 컴퓨터의 성능이 개선되면서 암의 전장 유전체 염기서열(whole-genome sequence)을 활용한 연구가 증가하고 있습니다. 이번 세미나에서는 … 더보기 https://www.ibric.org/vod/vod_detail.php?nNum=18600
#암 #유전체 #구조변이
전장 유전체 분석 주제에 대한 자세한 내용은 여기를 참조하세요.
전장 유전체(whole-genome sequencing)을 이용한 질병 유전학 …
전장 유전체 해독(whole-genome sequencing) 기술은 차세대 염기서열 분석(Next Generation Sequencing; 이하 NGS)방법을 바탕으로 한 생물체의 염기서열 전체를 …
Source: yesme.kiom.re.kr
Date Published: 6/8/2021
View: 2197
유전정보의 분석 – 사업이해 – 희귀질환임상유전체관리시스템
유전체란 무엇입니까? 유전체는 무엇인가요? · 대한민국 정부가 국민의 정보를 안전하게 관리합니다. ; 유전적 질병 극복을 위한, 전장유전체분석(WGS). 희귀질환 진단에 …
Source: bighug.kdca.go.kr
Date Published: 5/10/2021
View: 7423
전장 유전체를 이용한 질병 유전학 연구동향 > 연구 및 산업 동향
전장 유전체 해독(whole-genome sequencing) 기술은 차세대 염기서열 분석(Next Generation Sequencing; 이하 NGS)방법을 바탕으로 한 생물체의 염기서열 전체를 온전히 …
Source: kpgp.or.kr
Date Published: 3/3/2021
View: 7760
전장 유전체(whole-genome sequencing)를 이용한 질병 유전학 …
전장 유전체 해독(whole-genome sequencing) 기술은 차세대 염기서열 분석(Next Generation Sequencing; 이하 NGS)방법을 바탕으로 한 생물체의 염기 …
Source: m.ibric.org
Date Published: 12/18/2022
View: 5219
유전자 검사의 이해 – 바이오인
exome sequencing) 및 전장 유전체 시퀀싱(whole genome sequencing)으로 나뉠 수 있다. 만들어진 라이브러리. 를 추가 작업 없이 NGS 분석을 하여 모든 DNA의 데이터 …
Source: www.bioin.or.kr
Date Published: 11/28/2022
View: 9987
GC녹십자지놈의 진단용 전장유전체시퀀싱(DGS), 진단용엑솜 …
염기서열분석에서 깊이(depth)는 하나의 뉴클레오티드 위치에 어떤 염기가 시퀀싱되어 나타나는 횟수를 의미한다. 물론 short-read에서는 반복(repetitive) …
Source: m.blog.naver.com
Date Published: 12/20/2021
View: 1366
전장유전체 분석에 쓰는 NGS진단키트로는 왜 잘 안 쓰일까헬스 …
전장유전체 분석은 바이러스의 모든 유전자 정보를 확인하는 방식입니다. 모든 유전자들의 염기서열을 확인하는 만큼 오미크론뿐 아니라 새로운 변이 …
Source: www.hankyung.com
Date Published: 9/28/2021
View: 1279
개인 유전체 분석, 플랫폼 시대 ‘눈앞’ – 히트뉴스
마이지놈박스 프리미어는 프리미어급 유전체 데이터 분석 서비스로 지난달 출시됐다. 전장 유전체 염기서열 분석법을 활용해 클리닉 서비스, …
Source: www.hitnews.co.kr
Date Published: 6/10/2021
View: 7026
[보고서]한국인 표준 전장유전체 염기서열분석 – ScienceON
인간게놈프로젝트 및 국제 HapMap프로젝트를 연구를 통하여 생산된 유전체정보를 이용하여 전장유전체연관분석(GWAS) 연구로 발전하였고 이러한 연구를 통해 만성질환 …
Source: scienceon.kisti.re.kr
Date Published: 3/3/2021
View: 5782
참외 전장유전체 염기서열 분석 및 SSR 마커 개발
Whole genome re-sequencing and development of SSR markers in oriental melon – Indel;Oriental melon;Polymorphic markers;Resequencing;SSR.
Source: www.kci.go.kr
Date Published: 5/16/2022
View: 808
주제와 관련된 이미지 전장 유전체 분석
주제와 관련된 더 많은 사진을 참조하십시오 암의 전장 유전체 염기서열을 분석하여 복잡성 구조변이를 찾아내는 방법과 원리. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 전장 유전체 분석
- Author: 브릭,BRIC
- Views: 조회수 361회
- Likes: 좋아요 5개
- Date Published: 2021. 3. 25.
- Video Url link: https://www.youtube.com/watch?v=kMwwJIA_qlU
[생물학연구정보센터(BRIC)] 전장 유전체(whole-genome sequencing)을 이용한 질병 유전학 연구 동향
전장 유전체(whole-genome sequencing)을 이용한 질병 유전학 연구 동향
저자 안준용 (UCSF)
요약문
전장 유전체 해독(whole-genome sequencing) 기술은 차세대 염기서열 분석(Next Generation Sequencing; 이하 NGS)방법을 바탕으로 한 생물체의 염기서열 전체를 온전히 해독한다. 이는 특정한 사전 정보(a priori)에 의존하지 않으면서, 유전체 전 영역에서 발생하는 유전 변이(variant)를 탐색한다. 전장 유전체 분석은 유전체에서 파생하는 모든 가설들을 검정할 기회를 제공한다는 점에서 엑솜 시퀀싱(exome sequencing) 혹은 마이크로어레이(microarray)의 한계점을 보완한다. 유전체 기술 및 데이터 처리 장치의 비용 하락, 질병 코호트(corhot)의 등장으로 인해, 최근 질병 연구 컨소시엄들은 전장유전체를 활용하기 시작했다. 이 보고서는 전장 유전체 컨소시엄 연구들의 등장 배경과 현재 진행 상황을 요약하고, 해당 연구들에서 파생한 전장 유전체 연구의 의미를 살펴본다.
목차
1. 서론
2. 아이슬란드의 전장 유전체 연구
3. 인간 유전체 구조변이 컨소시엄(Human Genome Structural Variation consortium)
4. 자폐성 범주 장애(Autism Spectrum Disorder)
5. Pan-Cancer Analysis of Whole Genomes (PCAWG) 컨소시엄
6. 질병 유전체 연구와 해석을 위한 a priori 와 null
7. 질병 유전학에서 엑솜 시퀀싱의 성공 요인 그리고 전장 유전체 분석에 관한 시사점
8. 전장 유전체 해석의 미성숙한 방법론
9. 맺음말
10. 참고문헌
1. 서론
유전학 연구는 질병이나 형질에 기여하는 유전적인 원인을 찾고 병인을 이해하는 가설을 제공한다. 이러한 연구는 염기서열을 읽는 기술의 발전과 함께 진행되었다. 1980년대 등장한 제한 단편 길이 다형성(restriction fragment length polymorphism) 기술의 발전은 연관 분석(linkage analysis)을 등장시켰고, 90년대 등장한 마이크로어레이(microarray; 선별된 SNP 마커들을 이용하여 유전체 상의 유전형을 파악함) 기술은 상관성 검정(association test)의 등장과 규모화(genome-wide association study; GWAS)를 이끌었다. 2000년대 중후반 등장한 차세대 염기서열 분석 기술(next generation sequencing; NGS)은 인간 유전체에 존재하는 거의 모든 유전 변이를 탐색한다. 위 기술들의 발전은 질병의 후보 유전자를 탐지하는데 활용되고 있다. 대표적으로, 1990년을 전후로 연관 분석을 이용한 질병 유전학 연구들은 유방암 환자와 연관된 BRCA1 유전자[1], 알츠하이머의 APOE4 유전자[2]를 보고하였다. 이후, 이러한 후보 유전자들은 병의 기전을 이해하고자 하는 분자생물학 연구의 가설로 이용되기 시작하였다.
2000년대 중후반 등장한 NGS 기술은 유전체를 효율적이고 포괄적으로 해독한다. 이는 주어진 유전체 위의 모든 염기서열에서 유전형을 정확히 읽어내면서, 기존에 연관분석이나 GWAS에서 기술하지 못한 유전적 원인들을 찾는데 이용되었다. 다시 말해, NGS 기술은 인구집단에 적은 빈도수로 남아 있는 희귀 변이(rare variant)를 탐색하거나, 단일 염기 수준에서 염기서열 변화를 포괄적으로 탐지할 수 있는 기회를 제공한다. 초창기 NGS 연구들은 내의 단백질 암호화 영역(coding region; 이하 암호화 영역) 변화를 톺아보는 엑솜(exome) 시퀀싱 기술을 이용하였다. 엑솜 시퀀싱은 단일 염기서열 수준에서 변이를 탐색함으로서 질환에 원인이 되는 희귀 변이 혹은 후보 유전자를 발굴하는데 이용되었다[3,4].
엑솜 시퀀싱을 이용한 질병 유전학 연구는 대규모 역학 코호트 및 대조군 연구의 collection, 그리고 유전체 연구 컨소시엄을 통해 빠르게 발전하였다. 대표적으로 자폐성 범주 장애(autism spectrum disorder)의 엑솜 시퀀싱 연구는 사이먼즈 자폐 연구 재단(Simons Foundation Autism Research Initiative)을 비롯한 여러 비영리 과학재단의 후원에 따라, 1만명 이상의 자폐성 범주 장애 가족들의 엑솜 시퀀싱 데이터가 생산되었고[5–7], 10개 이상의 대학과 연구진이 참여하는 자폐증 유전체 연구 컨소시엄 (Autism Sequencing Consortium) 등에 의해 분석되었다[8]. 마찬가지로 선천성 심질환(congenital heart disease)[9], 간질성 뇌병증 (epileptic encephalopathy)[10], 발달장애(developmental disorder)[11], 조현병(schizophrenia)[12] 등도 이에 해당한다. 엑솜 시퀀싱 연구는 병인이 되는 후보 유전자의 발굴뿐 아니라, 병 발생에 대한 새로운 가설을 제공하였다. 자폐성 범주 장애의 경우, 신규 변이(de novo variant; 부모의 생식세포에서 발생하여 자녀에게 전달되는 변이의 종류, selection이 없을 것으로 예상됨)와 부모의 나이 간의 상관 관계[13,14], 그리고 이에 따른 fecundity와 역학결과의 상관관계에 대한 새로운 관점을 제공하였다. 발달성 뇌질환 의 성별에 따른 genetic liability의 차이에 대한 새로운 가설을 제공하였다[15,16].
엑솜 시퀀싱의 성공은 전장 유전체(whole genome sequencing) 기술에 대한 기대를 높였다. 전장 유전체 기술은 한 생물체의 유전체에서 염기서열 전체를 하는데, 이에 따라 엑솜 시퀀싱의 두가지 한계점을 보완한다: 1) 비암호화 유전체(noncoding genome; 단백질 암호화 지역 이외의 유전체 부위)에서 변이를 탐지하는 것; 2) 염기서열의 50bp 이상이 변경된 구조 변이(structural variation)에 대한 분석이 이에 해당한다. NGS의 가격 하락뿐 아니라, 아마존/구글 클라우드 및 Spark 등의 빅데이터 처리 장치의 등장은 대규모 전장 유전체를 효율적으로 분석할 수 있는 여건을 마련했다. 이를 바탕으로 질병 연구 컨소시엄들은 전장 유전체 기술을 이용하기 시작하였고, 비암호화 영역의 유전변이 및 구조 변이 등의 유전적 원인을 찾는 후속 연구들을 진행하고 있다. 이 보고서는 2018년 현재까지 이뤄진 전장유전체의 대규모 컨소시엄 사례들을 보고한다. 이는 두 가지 질문에 초점을 둔다: 1) 비암호화 영역에서 발견된 유전 변이는 질병이나 형질에 큰 영향을 미치는가?; 2) 전장 유전체의 등장은 질병 연구에 관한 새로운 가설을 제공할 수 있는가?
……………….(계속)
출처 : 생물학연구정보센터(BRIC) (바로가기)
유전정보의 분석 – 사업이해
2.인간대상연구자가 제1항에 따라 개인정보를 제3자에게 제공하는 경우에는 익명화하여야 한다. 다만, 연구대상자가 개인식별정보를 포함하는 것에 동의한 경우에는 그러하지 아니하다.
생명윤리 및 안전에 관한
법률 제38조
(인체유래물등의 제공)
전장 유전체를 이용한 질병 유전학 연구동향 > 연구 및 산업 동향
전장 유전체 해독(whole-genome sequencing) 기술은 차세대 염기서열 분석(Next Generation Sequencing; 이하 NGS)방법을 바탕으로 한 생물체의 염기서열 전체를 온전히 해독한다. 이는 특정한 사전 정보(a priori)에 의존하지 않으면서, 유전체 전 영역에서 발생하는 유전 변이(variant)를 탐색한다.
전장 유전체 분석은 유전체에서 파생하는 모든 가설들을 검정할 기회를 제공한다는 점에서 엑솜 시퀀싱(exome sequencing) 혹은 마이크로어레이(microarray)의 한계점을 보완한다. 유전체 기술 및 데이터 처리 장치의 비용 하락, 질병 코호트(corhot)의 등장으로 인해, 최근 질병 연구 컨소시엄들은 전장유전체를 활용하기 시작했다.
이 보고서는 전장 유전체 컨소시엄 연구들의 등장 배경과 현재 진행 상황을 요약하고, 해당 연구들에서 파생한 전장 유전체 연구의 의미를 살펴본다.
출처 : BRIC
전장 유전체(whole-genome sequencing)를 이용한 질병 유전학 연구 동향
요약문
전장 유전체 해독(whole-genome sequencing) 기술은 차세대 염기서열 분석(Next Generation Sequencing; 이하 NGS)방법을 바탕으로 한 생물체의 염기서열 전체를 온전히 해독한다. 이는 특정한 사전 정보(a priori)에 의존하지 않으면서, 유전체 전 영역에서 발생하는 유전 변이(variant)를 탐색한다. 전장 유전체 분석은 유전체에서 파생하는 모든 가설들을 검정할 기회를 제공한다는 점에서 엑솜 시퀀싱(exome sequencing) 혹은 마이크로어레이(microarray)의 한계점을 보완한다. 유전체 기술 및 데이터 처리 장치의 비용 하락, 질병 코호트(corhot)의 등장으로 인해, 최근 질병 연구 컨소시엄들은 전장유전체를 활용하기 시작했다. 이 보고서는 전장 유전체 컨소시엄 연구들의 등장 배경과 현재 진행 상황을 요약하고, 해당 연구들에서 파생한 전장 유전체 연구의 의미를 살펴본다.
키워드 전장 유전체 질병 유전체 유전학 비암호화 유전체(noncoding genome)
분야 Genomics
목차
1. 서론
2. 아이슬란드의 전장 유전체 연구
3. 인간 유전체 구조변이 컨소시엄(Human Genome Structural Variation consortium)
4. 자폐성 범주 장애(Autism Spectrum Disorder)
5. Pan-Cancer Analysis of Whole Genomes (PCAWG) 컨소시엄
6. 질병 유전체 연구와 해석을 위한 a priori 와 null
7. 질병 유전학에서 엑솜 시퀀싱의 성공 요인 그리고 전장 유전체 분석에 관한 시사점
8. 전장 유전체 해석의 미성숙한 방법론
9. 맺음말
10. 참고문헌
1. 서론
유전학 연구는 질병이나 형질에 기여하는 유전적인 원인을 찾고 병인을 이해하는 가설을 제공한다. 이러한 연구는 염기서열을 읽는 기술의 발전과 함께 진행되었다. 1980년대 등장한 제한 단편 길이 다형성(restriction fragment length polymorphism) 기술의 발전은 연관 분석(linkage analysis)을 등장시켰고, 90년대 등장한 마이크로어레이(microarray; 선별된 SNP 마커들을 이용하여 유전체 상의 유전형을 파악함) 기술은 상관성 검정(association test)의 등장과 규모화(genome-wide association study; GWAS)를 이끌었다. 2000년대 중후반 등장한 차세대 염기서열 분석 기술(next generation sequencing; NGS)은 인간 유전체에 존재하는 거의 모든 유전 변이를 탐색한다. 위 기술들의 발전은 질병의 후보 유전자를 탐지하는데 활용되고 있다. 대표적으로, 1990년을 전후로 연관 분석을 이용한 질병 유전학 연구들은 유방암 환자와 연관된 BRCA1 유전자[1], 알츠하이머의 APOE4 유전자[2]를 보고하였다. 이후, 이러한 후보 유전자들은 병의 기전을 이해하고자 하는 분자생물학 연구의 가설로 이용되기 시작하였다.
2000년대 중후반 등장한 NGS 기술은 유전체를 효율적이고 포괄적으로 해독한다. 이는 주어진 유전체 위의 모든 염기서열에서 유전형을 정확히 읽어내면서, 기존에 연관분석이나 GWAS에서 기술하지 못한 유전적 원인들을 찾는데 이용되었다. 다시 말해, NGS 기술은 인구집단에 적은 빈도수로 남아 있는 희귀 변이(rare variant)를 탐색하거나, 단일 염기 수준에서 염기서열 변화를 포괄적으로 탐지할 수 있는 기회를 제공한다. 초창기 NGS 연구들은 내의 단백질 암호화 영역(coding region; 이하 암호화 영역) 변화를 톺아보는 엑솜(exome) 시퀀싱 기술을 이용하였다. 엑솜 시퀀싱은 단일 염기서열 수준에서 변이를 탐색함으로서 질환에 원인이 되는 희귀 변이 혹은 후보 유전자를 발굴하는데 이용되었다[3,4].
엑솜 시퀀싱을 이용한 질병 유전학 연구는 대규모 역학 코호트 및 대조군 연구의 collection, 그리고 유전체 연구 컨소시엄을 통해 빠르게 발전하였다. 대표적으로 자폐성 범주 장애(autism spectrum disorder)의 엑솜 시퀀싱 연구는 사이먼즈 자폐 연구 재단(Simons Foundation Autism Research Initiative)을 비롯한 여러 비영리 과학재단의 후원에 따라, 1만명 이상의 자폐성 범주 장애 가족들의 엑솜 시퀀싱 데이터가 생산되었고[5–7], 10개 이상의 대학과 연구진이 참여하는 자폐증 유전체 연구 컨소시엄 (Autism Sequencing Consortium) 등에 의해 분석되었다[8]. 마찬가지로 선천성 심질환(congenital heart disease)[9], 간질성 뇌병증 (epileptic encephalopathy)[10], 발달장애(developmental disorder)[11], 조현병(schizophrenia)[12] 등도 이에 해당한다. 엑솜 시퀀싱 연구는 병인이 되는 후보 유전자의 발굴뿐 아니라, 병 발생에 대한 새로운 가설을 제공하였다. 자폐성 범주 장애의 경우, 신규 변이(de novo variant; 부모의 생식세포에서 발생하여 자녀에게 전달되는 변이의 종류, selection이 없을 것으로 예상됨)와 부모의 나이 간의 상관 관계[13,14], 그리고 이에 따른 fecundity와 역학결과의 상관관계에 대한 새로운 관점을 제공하였다. 발달성 뇌질환 의 성별에 따른 genetic liability의 차이에 대한 새로운 가설을 제공하였다[15,16].
엑솜 시퀀싱의 성공은 전장 유전체(whole genome sequencing) 기술에 대한 기대를 높였다. 전장 유전체 기술은 한 생물체의 유전체에서 염기서열 전체를 하는데, 이에 따라 엑솜 시퀀싱의 두가지 한계점을 보완한다: 1) 비암호화 유전체(noncoding genome; 단백질 암호화 지역 이외의 유전체 부위)에서 변이를 탐지하는 것; 2) 염기서열의 50bp 이상이 변경된 구조 변이(structural variation)에 대한 분석이 이에 해당한다. NGS의 가격 하락뿐 아니라, 아마존/구글 클라우드 및 Spark 등의 빅데이터 처리 장치의 등장은 대규모 전장 유전체를 효율적으로 분석할 수 있는 여건을 마련했다. 이를 바탕으로 질병 연구 컨소시엄들은 전장 유전체 기술을 이용하기 시작하였고, 비암호화 영역의 유전변이 및 구조 변이 등의 유전적 원인을 찾는 후속 연구들을 진행하고 있다. 이 보고서는 2018년 현재까지 이뤄진 전장유전체의 대규모 컨소시엄 사례들을 보고한다. 이는 두 가지 질문에 초점을 둔다: 1) 비암호화 영역에서 발견된 유전 변이는 질병이나 형질에 큰 영향을 미치는가?; 2) 전장 유전체의 등장은 질병 연구에 관한 새로운 가설을 제공할 수 있는가?
2. 아이슬란드의 전장 유전체 연구
암호화 영역과 다르게, 비암호화 영역은 오랫동안 큰 기능을 갖지 못한다고 알려져 있었다. 암호화 영역은 유전자라는 기능적인 단위를 바탕으로 분류되었고, 중심원리(central dogma)를 바탕으로 오랫동안 연구되었다. 그러나 지난 사반세기동안 급격히 발전한 분자생물학은 전사 조절에 관여하는 비암호화 영역들 – enhancer 혹은 promoter – 과, 일부의 생물학적인 기능을 밝혀냈다(예, Limb enhancer). 또한 대규모 유전체 컨소시엄(미국 ENCODE[17], NIH RoadMap Epigenome[18], 일본 RIKEN FANTOM[19]) 등은 후성 유전체(epigenome)의 양상 – 전사조절인자(transcription factor)의 위치 혹은 유전자 발현을 추정 – 을 보고하면서, 조직(tissue)이나 세포 특이적인 기능 단위를 포함한 비전사 지역들을 밝혀냈다. 이에 따라 암호화 영역과 마찬가지로, 일부 비암호화 영역들도 후성 유전체의 기능 단위를 포함함으로써, 형질이나 질병에 기여한다는 가설이 제기되었다. 이에 대한 가장 간단한 실험은 암호화 영역과 비암호화 영역에서 발견되는 유전 변이가 질병이나 형질에 얼마만큼 영향을 미치는지 비교하는 것이다. 이러한 질문은 아이슬란드의 국가 유전체 프로젝트를 통하여 진행되었다.
아이슬란드의 국가 유전체 프로젝트는 2천명의 아이슬란드인에게서 얻은 전장 유전체 데이터을 이용하여, 유전 변이를 각 유전체 지역에 따라 11가지 그룹으로 구분하였고, 이들의 빈도수를 대조군 상관성 검정을 이용해 비교하였다[20].
– 그룹 1. Loss-of-function variant (혹은 Protein-truncating variant; 유전 변이가 염기서열에 stop codon을 생성하는 경우)
– 그룹 2. Missense variant (혹은 nonsynonymous; 유전 변이가 아미노산 서열 하나를 변경시키는 경우)
– 그룹 3. Splice region (alternative RNA splicing이 일어나는 엑손-인트론 연결 지점에서 발생하는 변이)
– 그룹 4. Synonymous (유전 변이가 암호화 영역에 발생하지만 아미노산 서열을 변경시키지 않는 경우)
– 그룹 5. 3’ UTR (전사체의 3’ 말단의 untranslated region에서 발생하는 변이)
– 그룹 6. 5’ UTR (전사체의 3’ 말단의 untranslated region에서 발생하는 변이)
– 그룹 7. Upstream variant (유전자 전사체 시작점으로부터 5 kb 안에 발생하는 변이)
– 그룹 8. Downstream variant (유전자 전사체의 끝에서 5 kb 안에 발생하는 변이)
– 그룹 9. Intron variant (인트론– 엑손 사이의 비암호화 지역 –에서 발생하는 변이)
– 그룹 10. Intergenic variant (두 가지 유전자 사이의 비암호화 지역에서 발생하는 변이)
– 그룹 11. 기타 비암호화 지역에서 발생하는 변이
이들은 123개의 질병들을 이용하여 질병의 유무에 따른 대조군 실험을 설계했다. 유전 변이의 11개 그룹의 effect size(각 유전 변이 그룹이 해당 질병에 미치는 정도)을 로지스틱 회귀(Logistic regression) 이용하여 산출하였다. 또한 96개 양적 형질들에 관한 각 유전 변이 그룹의 effect size를 일반화 선형모델(generalized linear model)을 이용하여 산출하였다. 그 결과, 예상대로, 그룹 1(loss-of-function 유전 변이)이 질병에 가장 큰 effect size를 갖는 것으로 관찰되었다. Loss-of-function 변이는 대조군과 비교하여 실험군에 100배 이상 더 많이 나타난다. 반대로 비암호화 지역에서 발생하는 유전 변이(그룹 5-11)는 평균 2.7의 effect size를 갖는다. 이에 따라, 전사 조절에 영향을 미치는 비암호화 지역의 유전 변이가 후성유전체 지역 안에서 발생한다고 가정하면서, 이 상관성 검정을 DNase I hypersensitivity sites (DHS; 비암호화 지역에서 active transcription이 있을 것으로 추정) 내에 존재하는 유전 변이로 한정하고 동일한 검정을 시도하였다. 그러나 functional element를 갖는 비암호화 지역의 유전변이도 낮은 effect size (~3.0)로 밝혀졌고, loss-of-function variant 혹은 missense variant과 비교하여 질병이나 형질에 매우 낮은 영향을 미치는 것으로 관찰되었다.
3. 인간 유전체 구조변이 컨소시엄(Human Genome Structural Variation consortium)
구조 변이(structural variation)는 유전체의 50 bp 이상의 지역을 변경시키는 유전 변이의 한 종류이다. 이는 유전체의 복제수를 변경시키는 복제수 변이(copy number variation; 결손 deletion, 중복 duplication)과 복제수 중립 변이(copy neutral variation; 삽입 insertion; 역위 inversion, 전좌 translocation), 이 두 가지가 동시에 나타나는 복잡성 구조 변이(complex structural variation)으로 구분된다. 엑솜 시퀀싱과 달리 전장 유전체는 유전체 전 지역에 대한 연속적인 정보를 바탕으로 구조변이가 발생하는 지역을 예측하는 기회를 제공한다. 이러한 예측은 특정 유전체 지역의 read depth를 바탕으로 하는 방식뿐 아니라, NGS read에서 발생하는 clipping 지역이나 read의 pair의 거리 차이를 이용한다. 이러한 예측을 위해 현재까지 수십 가지의 알고리즘이 개발되었고 사용되고 있다.
구조 변이는 발생 빈도(개인 당 4천여개)가 single nucleotide variant (SNV; 0bp 의 염기서열 변화; 개인 당 3-4백만개)나 insertion/deletion (indel; 1-50bp의 염기서열 변화; 개인 당 50-60만개) 등의 small variant에 비하여 낮다[21,22]. 따라서 구조 변이는 selection에 대한 큰 effect size를 보일 것이라고 예상되지만, 질병/형질에 대한 상관성 검정을 위해 많은 수의 표본(sample)이 필요하다. 또한 구조 변이의 적은 빈도수는 변이 탐색 알고리즘 개발을 위한 포괄적인 트레이닝 데이터를 구축하거나, 알고리즘의 정확도 산출에 어렵게 만든다.
구조 변이 연구에 대한 방향을 제공할 지침이 요구되는 상황에서, 인간 유전체 구조 변이 컨소시엄(Human Genome Structural Variation 이하 HSGV 컨소시엄)은 2017년에 이에 대한 지침을 제공하였다[23]. 이들은 여러 종류의 구조 변이의 알고리즘들을 이용하여, short read (long insert 포함) 혹은 long read NGS 데이터를 분석했다. 정교한 평가를 위해, 각 유전체 연구들에서 파생한 raw 데이터를 수합한 후, 동일한 파이프라인으로 재분석을 시행하였다. 그 결과, 개별 알고리즘들 간의 결손(deletion) 구조 변이 탐색의 일치율이 매우 낮다(2-19%)는 것을. 삽입(insertion) 구조 변이의 경우, 일치율이 1-9%로 더욱 낮았다. Long read NGS의 데이터는 short read NGS에 비하여 구조변이 탐색의 민감도(sensitivity)가 3배 가량 높았지만, homopolymer 등에 의한 에러 발생과 탐색 알고리즘의 낮은 일치율을 크게 개선하지 못했다. 이는 long read NGS 기술의 높은 비용을 고려한다면, 이 기술이 인간을 대상으로 한 유전체 연구나 임상에 효율적으로 적용할지에 관한 의문을 제기한다. 따라서 HSGV 컨소시엄은 차후의 구조 변이 연구를 위해서, 최소 세가지 이상의 알고리즘들을 이용할 것을 제안했고, 최소 두가지 알고리즘에서 일치하는 구조 변이들을 보고하기를 권고한다.
전장 유전체를 통한 구조 변이의 연구가 연구 혹은 임상적 가치를 갖기 위해선, 데이터의 가격뿐 아니라 5kb 미만의 구조 변이 혹은 복제수 중립 변이가 형질에 영향을 미친다는 증명을 해야한다. 임상적으로 잘 알려진 구조 변이들도 100%의 penetrance를 갖지 않는다는 점을 고려할 때[24], 질병과 구조 변이의 상관성을 통계적인 유의성과 함께 평가한 연구들을 근거로 이용해야한다. 그러나 현재까지 이러한 실험 설계를 바탕으로 이뤄진 질병 연구는 제한적이다 (발달장애[25], 자폐성 범주 장애[7], 조현병[26]).
따라서, 다양한 종류의 구조 변이들이 질병에 얼마만큼의 기여를 하는지에 관한 유추는 Chiang et al. (2015)를 통해 살펴볼 수 있다. 이들은 the Genotype-Tissue Expression (GTEx) 프로젝트의 전장 유전체와 RNA 시퀀싱 데이터를 이용하여, 구조 변이의 cis expression quantitative trait loci (eQTLs; 유전형–구조 변이–의 유무에 따라 근접한 유전자의 발현량이 변화하는지를 분석하는 방법)을 분석했다(27). 예상대로 구조 변이는 SNV나 indel과 비교하여 1.3배 이상 큰 effect size를 갖는 것으로 조사되었다. 하지만 구조 변이의 큰 effect size는 주로 large deletion에 의해 매개되며, 이는 transcription factor binding sites 등의 functional element에서 발생하는 구조 변이의 대부분이 large deletion이라는 HGSV 컨소시엄의 결과와 일치한다. 만약 large deletion만이 질병에 큰 영향을 미치는 구조 변이라면, 임상 진단을 위해 전장 유전체를 사용하는 것은 추가적인 비용을 소모하게 만든다. 가령, 마이크로어레이와 같은 기존 기술로도 5kb 이상의 복제수 변이를 효율적으로 탐색하며, 이는 전장유전체에 비교해 저렴한 가격으로 공급된다.
4. 자폐성 범주 장애(Autism Spectrum Disorder)
지난 2015년, 사이먼즈 자폐증 연구재단(이하 SFARI)은 자폐성 범주 장애로 진단 받은 가족의 전장유전체 데이터(8,975 명; 2,407 가족)를 공개하였다. Simons Simplex Collection (SSC)라는 단일 코호트에서 표현형과 자폐성 범주 장애의 가족들을 수집하였다. SFARI는 비영리 연구 재단으로 자폐성 범주 장애에 관한 생물학 연구 전반을 지원하며, 전장 유전체 데이터를 연구자들에게 공개하는 것을 통해 비암호화 지역이 매개하는 병인을 조사하는 기회를 제공했다.
SFARI의 SSC 전장 유전체 데이터는 유전학 연구를 위한 완벽한 실험 설계를 바탕으로 한다. 동일한 기관이 표현형과 유전형을 수집하여 코호트를 구축한다. 이 실험 설계는 4인 가족과 discordant sib-pair(4인 가족 내에 자폐로 진단 받은 자녀 1인과 자폐로 진단 받지 않은 부모와 형제 혹은 자매 1인)을 포함한다[28]. 이에 따라, 부모로부터 자녀에게 전달되는 유전 변이(이하 inherited variant)와 부모의 생식세포에서 발생한 신규 변이(이하 de novo variant)에 대한 상관성 검정을 동시에 시행할 수 있다. 또한 동일 가족의 형제/자매를 검정에 이용하는 것은 ancestry나 환경 인자 등의 교란변수(confounder)를 최소화 한다. 게다가 SSC는 그들의 지난 유전학 연구들(마이크로어레이와 엑솜시퀀싱을 바탕으로 한)과 동일한 실험 설계를 이용하는데, 이에 따라 암호화 지역과 비암호화 지역에서 발생하는 변이가 각각 질병에 얼마만큼 기여하는가에 관한 유전적 조성(genetic architecture)을 톺아보는 기회를 제공한다[29].
같은 해, 비영리 연구재단인 Autism Speaks도 MSSING 프로젝트를 통해 자폐성 범주 장애의 전장 유전체 데이터(5,200명; 1,187 가족)를 연구자들에게 공개하였다[30]. Autism Speaks의 데이터는 SFARI의 SSC 전장 유전체 데이터와 몇가지 지점에서 차이가 있다. 전체 샘플 중 40%는 multiplex family(두 명 이상의 자녀가 자폐성 범주 장애로 진단 받음)에 해당하며, 모든 가족들은 가족 내의 자폐증으로 진단 받지 않은 형제/자매에 관한 유전형 및 표현형 데이터를 제공하지 않는다. 이에 따라 de novo variant와 inherited variant가 구성하는 유전적 조성이 다를 것으로 기대되며 각 변이의 상관성 검정이나 해석에서 추가적인 주의가 요구된다. 이 데이터는 이질적으로 수집된 유전형 데이터(두가지 이상의 NGS 플랫폼 생산됨)와 표현형 데이터(여러가지 코호트에서 실험군을 추출)를 포함한다. 또한 Autism Genetic Resource Exchange 등의 오래된 코호트를 이용하였는데, cell line에서 추출한 DNA는 변이 탐지에 낮은 정확도를 보인다.
여러 그룹들이 동일한 전장 유전체 데이터를 사용하여 분석하였지만, 서로 상반되는 결과를 학술지에 보고하였다. Turner et al. (2016)은 임신 중반의 태아의 뇌에서 특이적으로 발생하는 DNase I hypersensitive sites(전사가 활발히 일어나는 open chromatin으로 추정; 이하 DHS)을 조사하였고, 이 지역에서 발생하는 de novo variant의 빈도수를 자폐성 범주 장애로 진단 받은 자녀(실험군)와 그들의 형제/자매(자폐성 범주 장애로 진단 받지 않음; 대조군) 두 그룹으로 나누어 비교하였다[31]. 자폐성 범주 장애의 40 가족들(SFARI SSC-WGS pilot 데이터)을 조사하여, 자폐성 범주 장애로 진단 받은 자녀들의 그룹이 대조군에 비하여 open chromatin에서 더 많은 de novo variant을 갖는 것으로 밝혔다. 그러나 이 결과는 동일 그룹이 진행한 후속 연구에서 재현되지 않았다[32]. 이들은 SSC 전장유전체 516 가족(SFARI SSC-WGS phase1 데이터)을 분석하여, 자폐성 범주 장애의 후보유전자의 3’UTR에서 자폐성 범주 장애로 진단 받은 자녀들의 그룹이 대조군에 비하여 open chromatin에서 1.1배 더 많은 de novo variant을 갖는 것으로 밝혔다(p value=0.04). 이와 반대로, 동일한 데이터를 분석한 Brandler et al. (2018)은 NIH RoadMap Epigenome 컨소시엄에서 예측한 fetal promoter지역을 이용하여, 해당 비암호화 영역에서 private CNV의 paternal bias가 발생한다고 주장한다[33]. 그러나 이 주장은 위의 Turner et al. (2016)이나 Turner et al. (2017)과 상반되며, Jacquemont et al. (2014)가 주장한 high female mutation burden[16]이나 이에 대한 탐험적 연구[34,35]와도 상반된 결과이다. Yuen et al. (2017)은 MSSNG의 전장 유전체를 분석하여, 자폐증 후보 유전자들과 근접한 비전자 지역에서 나타나는 5개의 de novo variant를 보고하였다[30]. 하지만 이 데이터는 동일 가족의 형제자매를 대조군으로 이용하지 못한다는 한계로 인해, 이러한 비암호화 지역의 유전 변이에 관한 상관성 검정을 시행하지 못했다.
위의 상반되는 주장들이 의미하는 것이 무엇인가? 2012년 4편의 엑솜 시퀀싱 연구들이 동일한 결론–de novo loss-of-function이 자폐성 범주 장애로 진단 받은 자녀들의 그룹이 대조군에 비하여 2-3배 높게 나타난다-을 도출하며 학계에 결과를 보고한 것과 상반된다[13,36–38]. 이는 동시에 어떤 비암호화 지역을 가설로 삼아야 하는가? 혹은 특정 사전 정보(a priori)를 바탕으로 한가지 가설만을 검정하는 것이 옳은가에 대한 질문을 제기한다. 다시 말해서, 전장 유전체를 해석함에 있어서, 개별의 연구자들은 비암호화 지역에 대한 각자가 선호하는 사전정보를 가설 검정에 사용한다. 하지만 그 가설 설정이 옳은가?에 대한 신뢰도를 산출할 방법이 없으며, 차후 연구에서 재현성을 위한 불필요한 연구가 반복될 가능성이 있다. 따라서 a priori를 의존하지 않는 상관성 검정이 필요하지만, de novo variant 및 rare variant와 같은 유전 변이들은 변이 단위의 상관성 검정이 태생적으로 불가능하다. 이는 NGS가 처음 등장하던 때, 다시 말해 엑솜 시퀀싱 등장과 그에 대한 통계적 검정 방법론의 불충분에 대한 초기 논쟁들과 매우 유사하다[33].
Werling et al. (2018)은 위의 연구들과 동일한 전장 유전체 데이터을 분석하였지만, 다른 방식의 상관성 검정을 제안한다[34]. 이들은 한 두 가지의 가설을 이용하여 전장 유전체를 분석의 문제점을 지적하면서, 비암호화 지역에 관련된 모든 사전 정보를 이용하여 각각의 가설들을 공평하게 검정하는 방식을 제안한다. 이들은 유전변이의 발생 지역을 다섯 가지 카테고리(category)들로 구분했다. 1) 유전자의 정의에 따른 구획화 17가지 그룹(예, 인트론, loss-of-function, missense, upstream 등등); 2) 후성 유전체를 구분하는 사전정보 31종류들(DHS, H3K27ac, ATAC-seq 등등); 3) 유전 변이를 크기에 따라 구분하는 3가지 종류(phyloP 등등); 4) 자폐성 범주 장애의 후보 유전자 및 분자생물학적인 기작을 공유하는 유전자군 14종류(FMRP 타겟 유전자군; post-synaptic density 유전자군 등등); 5) 염기서열의 종(species) 간 selection척도에 따른 3가지 종류. 이 5가지 카테고리들 조합함으로써 총 51,801개의 가설들을 생성했고, 이 가설들의 유의성을 검정하는 category-wide association study (CWAS) 방식을 제안한다. 그 결과, 2만 여개 이상의 가설에서 자폐성 범주 장애로 진단 받은 자녀들의 그룹이 대조군에 비하여 de novo variant을 더 많이 갖는다는 통계적 유의성이 관찰되었다. 그러나 이 유의한 결과들 중 단 한가지도 다중 비교를 통과하지 못했다.
Werling et al. (2018)은 각 가설들 간의 의존성이 불분명하며, 이에 따라 적절한 다중비교를 적용하기 어렵다고 밝혔다. 따라서, 인간 변이의 mutation model[35]에 입각하여 null distribution을 얻었고, 이들은 각 가설들에서 관찰된 effect size의 분포와 비교하여 가설들 간의 상관관계를 유추하였다. 그 결과, 총 4,211개의 가설군들을 관찰하였다. 그러나 이러한 다중비교도 한가지 가설도 대조군 실험에서 유의하지 않다는 것을 밝혀냈다. 이는 위의 세가지 연구들에서 이용한 가설들과 유의성 보고가 정말 유효했는지에 대한 의문을 제기한다. Werling et al. (2017)의 CWAS 방식은 이 연구들에서 언급한 가설들을 포함하는데, 이들의 가설 역시도 다중비교를 통과하지 않는다. 이는 일부 가설, 다시 말해 연구자의 주관을 근거로 한 가설 검정이 유효한가에 대한 의문을 제기하는 것이기도 하다. 만약 후성 유전체 및 비암호화 지역에 대한 충분한 사전 정보가 없을때 혹은 사전 정보가 충분하다고 판단하지만 정확하지 않을때, 한 두가지의 가설에 의존한 채, 검정을 시도하는 것은 매우 불완전한 결론을 도출할 수 있다[36]. 이러한 시도들은 지난 사반세기의 질병 유전학 연구에서 흔하게 이뤄졌는데, 관련 부분은 후반부에 다시 언급하도록 한다.
5. Pan-Cancer Analysis of Whole Genomes (PCAWG) 컨소시엄
PCAWG 컨소시엄은 The International Cancer Genome Consortium (ICGC)와 The Cancer Genome Atlas (TCGA) 컨소시엄이 협력하여, 37가지 암(cancer) 종류의 전장 유전체(2,538명)를 분석했다[37]. 자폐성 범주 장애와 마찬가지로, PCAWG 컨소시엄은 암 유전체의 비암호화 지역에서 특이적으로 나타나는 유전 변이 탐색을 목적으로 한다. 이들은 TP53, RFTN1, RNF34, MTG2 유전자 등의 전사 시작 지점(upstream transcript region 혹은 5’UTR)이나 NFKBIZ, TOB1 유전자 등의 3’UTR에서 recurrent somatic mutation을 발견하였다. 하지만 이러한 비암호화 지역의 recurrent mutation은 전체 샘플에서 매우 적은 숫자로 발견되었다. 단 12개의 mutation들이 전체 샘플의 1%에서만 관찰되었고, 106개의 mutation들이 0.5%의 샘플에서만 관찰되었다. 이와 반대로, 암호화 지역에서 50개 이상의 recurrent mutation들이 30%의 샘플에서 발견되었다.
다음은 전장 유전체에서 탐색한 변이들을 암호화 영역 및 promoter (transcript start site의 upstream 지역), 5’UTR과 3’UTR 등의 비암호화 영역으로 구분하고, 142개의 암과 연관된 유전자들을 이용하여 상관성 검정을 시행하였다. 암호화 영역의 유전변이들은 약 2.5 정도의 effect size를 보였지만, 놀랍게도 promoter, 5’UTR, 3’UTR 등의 비암호화 영역의 유전 변이들은 1.1 미만의 effect size를 보였다. 앞선 연구들과 마찬가지로, 비암호화 영역의 유전 변이들은 암호화 영역 안의 유전 변이들보다 낮은 기여를 하는 것으로 밝혀졌다.
6. 질병 유전체 연구와 해석을 위한 a priori와 null
90년대 후보 유전자 탐색을 위한 유전학 연구는 연관 분석(linkage analysis)과 상관성 검정(association test)으로 인해 급속히 발전했고, 병인(aetiology)에 대한 가설을 제공했다. 대표적으로 1990년에 연관분석을 통해 발견된 BRCA1이나 1987년의 APOE4는 부연 설명이 필요 없는 유명한 후보유전자이다. 이러한 성공은 2000년, 인간 유전체 초안의 발표와 함께 질병의 원인을 밝히겠다는 기대감을 높였다. 그러나 Hirschhorn et al. (2002)은 1993년부터 2000년까지 이뤄진 질병 유전학 연구를 재조사하면서, 268개의 후보유전자들의 연구 재현성을 톺아보았다[38]. 이 중 오직 6개의 상관성만이 재현되는 것을 밝혔고, 대부분의 연구들의 effect size의 산출이 부정확하다고 밝혔다. Lohmueller et al. (2003)은 지난 질병 유전학 연구들 중 96%가 초기의 effect size를 과대 추정(overestimation)했다고 밝혔다[39]. 이는 차후 유전학계에서 ‘승자의 저주(winner’s curse)’라는 유명한 사례로 남게 된다. 예를 들어, 제2당뇨와 연관된 Pro12Ala PPARγ 유전자는 1998년 연구에서 effect size 4.4로 보고(실험군 91명)되었다[40]. 하지만 2000년의 연구에서는 effect size 1.3으로 낮게 측정(실험군 3,000명)된다[41]. Lohmueller et al. (2003)은 질병 유전학 연구의 낮은 재현성이 publication bias에 의함이 아니라 높게 보고된 초기의 관찰값을 맹신하는 승자의 저주에 기인하는 것을 밝혔다[39]. 이와 같은 보고들은 후속 연구들이 초기 보고된 후보 유전자만을 사전정보(a priori)로 이용하여 위험도가 있는 변이를 탐색하는 것이 옳은가?에 대해 재고할 필요가 있다는 점을 시사한다.
전통적인 후보 유전자 연구들(2000년 전후에 이뤄진)은 한 두가지 유전자만을 고려하여 형질에 대한 연관 분석이나 상관성 검정을 시행했다. 그러나 이러한 방식은 대부분 실패했다. 예를 들어 Familial hemiplegic migraine의 경우 1996년부터 2005년까지 몇가지 후보유전자들이 보고 되었다. CACNA1 유전자는 이 질병을 갖는 4 가족들에게서 관찰되었고[42], ATP1A2 유전자는 2가족[43], SCN1A 유전자는 3 가족들에게서 관찰되었다[44]. 하지만 2017년 핀란드에서 이뤄진 대규모 연구에서 해당 유전자들은 1,589 가족 중 단 4 가족들에게서만 발견되었다[45]. 위의 세가지 유전자들은 현재까지 3,000회 이상 인용되었고, 수많은 후속 연구들의 가설로 제공되었으며, 임상 진단을 위한 근거로 사용되고 있다. 이와 마찬가지로 조현병의 DISC1유전자는 2000년 스코틀랜드의 한 가족에게서 발견되었고 10년이 넘는 시간 동안 후보 유전자로 연구되었다[46]. 그러나 2018년 현재, 조현병에 대한 2만명 이상의 유전체 분석 연구들에서 단 한번도 통계적으로 유의한 연관성이 관찰되지 않았다[47]. 따라서, 후보 유전자는 유전자의 기능이나 병인에 대한 분자적 기작을 설명하고자 하는 후속 연구에 활용되는 점을 고려한다면, 질병 유전학 연구에서 연관성을 엄격(rigorous)하게 측정하는 방법론을 이용하거나 개발하는 것은 필수적이다.
이러한 이유 때문에, 불가지론(agnostic)에 입각한 상관성 검정 방식들이 등장한다. 불가지론적인 방식은 “모든 유전자 (혹은 유전 변이) – 검정에 이용되는 어떤 단위 – 들이 형질에 기여하지 않는다”라는 null에 입각한다[48]. 대표적으로 genome-wide association test (GWAS)가 이에 해당한다. 2007년 네이쳐에 게재된 Wellcome Trust Case Control Consortium (WTCCC)을 시작으로[49], 형질/질병과 유전형의 연관을 검정하기 위해, 모든 유전형을 상관성 검정에 사용하고 다중비교를 통해 유의성을 조정한다. 이러한 방식은 연구자들이 선호하거나 사전에 일부만 밝혀진 과학적 사실, 즉 이와 같은 a priori에 의존하지 않고 가능한 가설들을 동시에 공평하게 비교할 수 있는 기회를 제공한다. 또한 각 유전형 및 유전자 등의 검정 단위들이 형질에 기여하는 effect size를 측정할 수 있다.
7. 질병 유전학에서 엑솜 시퀀싱의 성공 요인 그리고 전장 유전체 분석에 관한 시사점
엑솜 시퀀싱은 triplet codon이라는 강력한 a priori에서 시작한다. 이는 모든 유전좌위들(loci)을 사용하는 GWAS와 대비된다. 하지만, 엑솜 시퀀싱을 활용하는 일차적인 목적이 인구 집단에 희귀하게 존재하는 변이(rare variant; 이하 희귀 변이)를 검정하는 것이라고 가정한다면, 모든 유전좌위에서 발생하는 대립유전자를 검정하는 GWAS의 방식은 엑솜시퀀싱에 적용될 수 없다. 희귀 변이는 개인마다 발생하는 빈도가 다르고, 동일한 유전자좌위(locus)에 발생하는 확률이 낮다. 이에 따라 표본이 모집단을 정확히 대표하는지를 직접적으로 판단할 수 있는 방법이 전무하다. 따라서, 후보 유전자를 탐색을 위한 엑솜 시퀀싱 연구는 적절한 다중비교를 시행하기 위하여, triplet codon의 변화들(loss-of-function, missense, synonymous variant)나 유전자(gene)를 검정 단위로 구분하고 이를 토대로 상관성 검정에 이용한다[50]. Codon의 변화는 변이의 결과값 예측에 직관적이다.
이와 반대로 비암호화 유전체 영역은 triplet codon과 같이 명료한 a priori가 없다. 따라서 전장 유전체에서 탐색한 비암호화 영역의 유전 변이를 해석하기 위해선, 후성 유전체 등의 전사조절 및 그 인자들을 포함하는 유전체 지역을 사용해야만 한다. 하지만 이와 같은 후성 유전체 데이터는 유전자 전사에 대한 ‘근사치(approximation)’에 불과하며, 특정 세포나 조직에 특이적으로 나타나는 후성유전체 영역에 대한 정확한 effect size를 산출할 방법론이 없다. 앞서 언급한 전장 유전체 결과들이 이에 대한 직접적인 예시에 해당한다. 적절한 a priori가 결여되었다는 점은 질병에 연관된 비암호화 영역의 유전 변이를 탐색하기 위해 막대한 규모의 실험군이 필요하다는 것을 의미한다. 정신질환 전장 유전체 연구 컨소시엄(Whole genome sequencing in psychiatric disorders)은 유전자 단위의 상관성 검정에서 1.5 정도의 effect size를 갖는 후보 유전자를 80%의 검정력으로 탐색하기 위해 최소한 4만명의 대조군 실험 설계가 필요하다고 밝혔다[51]. 이는 1,000여개의 risk 유전자를 알고 있는 경우를 가정한다. 만약 이보다 불충분한 a priori를 이용하는 경우, 예를 들어 염기서열의 종간 conservation 있다고 가정하는 경우(따라서 검정하는 유전체 영역이 보다 넓어진다), 위의 대조군 실험 설계는 10% 미만의 검정력을 갖게 된다.
또 한가지, triplet codon을 바탕으로 유전 변이가 발현된 전사체에 어떤 결과를 가져올지에 관한 직관적인 예측이 가능하다. 가령 유전 변이가 stop codon을 만드는 loss-of-function variant의 경우, 불완전한 전사체로 인해 해당 유전자의 단백질 생성되지 않을 것으로 예상된다. 아이슬란드 전장 유전체의 사례에서 살펴보았듯이, loss-of-function variant는 질병이나 형질에 불리한 쪽으로 크게 작용한다. 반면, 하나의 아미노산을 변경하는 missense variant는 질병이나 형질에 불리한 쪽으로 작용하지만, loss-of-function에 비하면 그 effect size가 작다. 이는 missense variant의 effect가 loss-of-function보다 자연적으로 적다는 것을 의미하기도 하지만, 아미노산 하나가 변경되는 것이 형질/질병에 loss-of-function으로 작용할지 혹은 gain-of-function으로 작용할지에 대하여 명확히 이해할 수 없고, 정량적인 산출에서 두가지 경우를 구분할 방법이 없다. 마찬가지로, 비암호화 영역의 유전 변이를 해석할 때, 어떠한 종류를 loss-of-function 혹은 gain-of-function으로 규정할 지에 관한 명확한 기준이 없다.
8. 전장 유전체 해석의 미성숙한 방법론
질병 유전학을 비롯한 유전학은 유전적 요소(genetic factor)를 통해 유전형이 표현형을 연구한다. 유전적 요소는 매우 단편적이고 생물체의 역동적인 정보를 기술하지 못한다는 태생적 한계가 있지만, 이 한계를 장점으로 이용해 표현형의 분포에서 유전형이 얼마만큼 기여하는지에 대한 정량적인 방법을 제공한다. 이 유전학 연구는 19세기 말 그레고어 멘델(Gregor Mendel)과 프란시스 골턴(Francis Galton)의 상반된 주장을 시작으로, 1918년 로널드 피셔(Ronald Fisher)의 위대한 업적인 [The correlation between relatives on the supposition of Mendelian inheritance]을 통해 유전형과 표현형의 관계에 대한 관점이 통합되었다[52]. 이후, 1955년 더글라스 팔코너(Douglas Falconer)는 표현형(형질)의 차이에 기여하는 유전적, 환경적 요인을 정량적으로 산출하는 유전력이라는 개념을 제안한다[53]. 이후 현대 유전학에서 유전체 기술의 발전과 맞물려, 피터 비셔(Peter Visscher)에 의해 정교한 수식으로 제공되었고, 현재 질병/형질의 기여도를 측정하는 모델을 제공했다[54]. 이는 역설적으로, 질병/형질의 유전학 연구가 NGS 등의 유전체 기술의 발전만을 주된 원동력을 삼는 것이 아니라, 유전학계에서 수십년 동안 논의 되어온 논쟁들과 함께 한다는 것을 보여준다.
대표적으로 ancestry와 상관성 검정을 들 수가 있다. 2018년 현재, 모든 유전학 연구자들은 유전변이의 대조군 검정에서 ancestry 의 차이가 교란 변수로 작용한다는 것을 인지하며, 실험에서 이 차이를 적절히 통제하려 한다(단, pedigree based sib pair 설계나 de novo variant를 제외). 하지만 이에 대한 주장은 1960년대부터 2000년대 초반까지 유전학자들이 오랫동안 톺아 본 결과이다. 1969년 미국 피츠버그의 리칭춘 박사(C.C. Li)가 population subdivision에서 발생하는 대조군 검정의 문제를 지적한 것으로부터[55], 2000년대 전후반 버니 데이블린(Bernie Devlin), 캐서린 뢰더 (Katheryn Roeder)의 Genomic Control[56] 및 조나단 프릿차드(Jonathan Pritchard)의 Structure방식[57] 등이 있었다. 이는 90년대 마이크로어레이라는 신기술이 등장에도 불구하고, 유전학자들은 상관성 검정에서 true biological effect보다 ancestry의 차이를 먼저 감지했으며, 이를 최소화 하기 위해 다각도로 노력했다. 마찬가지로 앞서 언급한 GWAS 방법론도 그들의 다중비교가 유효한 선택인지를 묻기 위해, 1996년 닐 리쉬(Neil Risch)와 케슬린 메리캥가스(Kathleen Merikangas)가 Science 학술지에 기고한 논의[58]를 시작으로 10년동안 이뤄졌다. GWAS 연구는 small effect size의 common variant가 갖는 태생적인 한계에도 부딪히며, missing heritability 논쟁[59]을 촉발했지만, 향후 대규모 컨소시엄들 간의 공격적인 데이터 공유와 상관성 검정에 관한 충분한 방법론, 그리고 유전력 측정을 위한 오래된 논의를 바탕으로 발전해가고 있다. 이는 전장 유전체 등의 신기술도 결과 해석과 분석 방법에 대한 충분한 논의가 이뤄져야 한다는 점을 시사한다.
특히 전장 유전체 분석은 다음 세가지 사안에 대한 발전이 요구된다.
1) 유전체의 비암호화 영역을 해석하는 기능 단위 주석(functional element annotation)의 개선이다. 앞선 전장 유전체 사례들은 비암호화 영역의 유전변이가 암호화 영역의 유전 변이보다 낮은 effect size를 갖는다고 보고했다. 미국 National Human Genome Research Institute는 2003년부터 비암호화영 역에 위치하는 기능 요소(functional element)를 선별하기 위해 ENCODE 프로젝트를 시작하였다. 그 결과 인간 유전체의 80% 이상이 기능 요소에 관여한다는 것을 보고하였고, GWAS 연구에서 상관성이 있는 유전 변이들 중 12-34% 가량이 전사 인자 결합 지역(transcription-factor-occupied regions)이나 DHS에서 발견된다고 보고했다. 하지만, 이러한 중첩은 질병이나 형질에 다인자 연관에 근거하며(다시 말해, 단일 유전변이의 effect size는 매우 작음), 연관된 유전변이들이 설명하는 표현형 차이가 10% 이내라는 점을 고려한다면(제2형 당뇨 8.2%[60]; 조현병 7%[61] 등등), 어떤 유전 변이가 기능 단위를 포함한 비암호화 영역에 발견된다는 이유로 large risk를 갖는다고 말할 근거가 미흡하다.
2) 비암호화 영역의 유전변이의 중요도를 선별하는 알고리즘의 부재이다. Sequence motif 분석은 전사 조절 인자 등의 결합 등을 예측하는 방식으로 오랫동안 사용되었다. 지난 2018년 2월, 크레이그 벤터가 설립한 유전체 회사 휴먼 롱제비티(Human Longevity)는 비암호화 영역의 유전 변이의 위험도를 예측할 수 있는 방법을 개발했다고 주장한다[62]. 이들은 heptamers (7-nt motifs)를 이용하여 비암호화 영역을 구분하고, 11,257명의 전장유전체에서 발견된 비암호화 유전 변이들이 나타나는 빈도를 조사했다. 이는 ExAC 연구가 haploinsufficiency score를 개발한 방식과 유사한데, 유전체의 특정 영역이 functional constraint를 갖는 경우 기대값보다 적은 변이의 숫자를 갖는다는 것이다. 이 방식을 통해 구획화된 비암호화 영역들 중 기능적 중요도가 높은 영역들을 선별했다. 그러나 이 연구는 Human Longevity의 데이터 비공유 정책이라는 후진적 정책 이외에도, 알고리즘의 개발 단계에서 사용된 사전 정보들의 불확실성에 근원적인 문제가 있다. 이들은 알고리즘의 정확도를 평가하기 위해, ClinVar 등의 임상 변이 데이터베이스에 ‘pathogenic variant’로 분류된 15,741개의 유전 변이를 바탕으로 한다. 하지만 이 데이터베이스는 상당한 이질적이며, 변이 보고의 human ascertainment와 통계적 유의성이 없이 탐색된 결과들을 포함한다. 예를 들어, 이들이 사용한 15,741개의 유전 변이 중, splice site 10bp 이내의 지역을 제외하면, 1,369개의 유전 변이들 만이 관찰된다. 이는 비암호화 영역의 유전 변이 중 ‘pathogenic’이라는 띠지를 붙이기 위해선, 관찰자의 사전정보를 내포함을 의미하며 이러한 데이터를 정확도 평가를 이용하는 것이 옳은가에 대한 근원적인 질문을 제기한다. 따라서 이러한 정보를 바탕으로 개발된 알고리즘들(Eigen이나 CADD 등등)이 단순한 sequence conservation score (GERP, PhyloP, PhastCons) 등이 서로 간의 차별적으로 나은 정확도를 갖지 못하는 점이다. 향후 이러한 알고리즘의 개발은 높은 이질성을 지닌 유전변이 데이터베이스를 바탕으로 하는 방향보다, selection이 질병에서 탐색된 high penentrance가 예상되는 비암호화 유전 변이들(예, de novo variant)을 바탕으로 개발되거나 CRISPR/Cas9 등을 이용한 genome-wide saturating mutagenesis에서 얻은 정량적 결과들을 이용하는 방식으로 갈 가능성이 크다[63].
9. 맺음말
이 보고서는 현재까지 이뤄진 전장 유전체 컨소시엄 연구들을 소개했다. 유전체 기술의 발전과 데이터 접근성 향상에 따라, 전장 유전체를 활용한 유전학 연구들이 차후 더 많이 등장할 것으로 예상된다. 이는 지난 사반세기와 마찬가지로, 이러한 전장 유전체 결과는 병인을 밝히고자 하는 분자생물학 및 동물실험 연구에 어떤 가설을 제공할 것이다. 그러나 앞서 살펴본 바와 같이, 유전체 기술의 발전에도 불구하고 비전사 영역을 해석하고 검정하는 엄격한 방법론의 부재는 해결되어야 할 점으로 남아있다. 따라서 전장 유전체 결과를 접하는 비유전체 연구자들에게 결과 해석과 이용에 대한 각별한 주의가 요구된다. 이는 다음과 같은 내용을 포함한다. 첫째, 해당 연구가 공개된 데이터에서 진행되었으며, 이 데이터는 많은 연구자들이 활발하게 분석하고 논쟁하고 있는가? 둘째, 해당 연구는 질병에 관한 유전 변이 및 비암호화 영역 그룹을 보고할 때, 이들이 질병에 기여하는 정량적 차이를 정확히 보고했는가? 셋째, 해당 연구는 비암화 영역의 기여도를 암호화 영역의 기여도와 동일한 방식으로 산출하였고, 비교하였는가? 넷째, 해당 연구의 유의성은 재현된 결과인가?
10. 참고문헌
==> PDF 참조
* 본 게시물의 무단 복제 및 배포를 금하며, 일부 내용 인용시 출처를 밝혀야 합니다.
* 본 내용은 BRIC에서 추가적인 검증과정을 거친 정보가 아님을 밝힙니다. 내용 중 잘못된 사실 전달 또는 오역 등이 있을 시 BRIC으로 연락 바랍니다.
GC녹십자지놈의 진단용 전장유전체시퀀싱(DGS), 진단용엑솜시퀀싱(DES)
임상검사와 연구 목적으로 시행하는 염기서열분석 방법은 기존의 생거시퀀싱(Sanger sequencing)에서 차세대염기서열분석법(next-generation sequencing, NGS)으로 빠르게 변화하여 이제는 대부분 NGS로 생산된 엄청난 유전체 데이터가 쏟아지고 있다. 그러나 오늘날에는 이러한 유전체 데이터 생산보다 어떠한 목적을 가지고 유전체 데이터를 활용할 것인가에 있다고 하겠다. 여기서는 NGS 기술을 이용하여 DNA 시퀀싱을 하는 대표적인 3가지 검사법에 대해서 비교하여 정리하고자 한다.
●전장유전체시퀀싱(Whole Genome Sequencing, WGS)
GC녹십자지놈의 특화된 진단용 Diagnostics Genome Sequencing (DGS) 검사에 주목
유전체 전체의 염기서열을 모두 검사하는 방법으로 개별적인 「시퀀스 깊이(depth)」는 낮지만, 이론적으로 유전체 모든 영역의 SNP (Single Nucleotide Polymorphism), INDEL (Insertion & Deletion), SV (Splicing variant), CNV (Copy number variant) 등을 확인할 수 있다. 염기서열분석에서 깊이(depth)는 하나의 뉴클레오티드 위치에 어떤 염기가 시퀀싱되어 나타나는 횟수를 의미한다.
물론 short-read에서는 반복(repetitive) 영역을 모두 보는 것은 불가능하다. 아직까지는 검사수가가 높고 생산된 유전체의 크기가 매우 커서 분석 및 저장에도 많은 비용이 소요된다. 그러나 비코딩(non-coding) 영역의 조절변이체(regulatory variant)를 발굴하고, 전체 유전체 영역을 동일하게 가정하는 Genome-wide Null 분석이 가능하다는 장점이 있다.
임상유전체 분석전문 기업인 GC녹십지놈(대표 기창석)가 지난 2020년 2월에 도입한 진단용 전장유전체시퀀싱(Diagnostics Genome Sequencing, DGS) 검사는 특화된 NGS검사로서 미진단 유전(희귀)질환 진단을 검사하는 종합적인 유전체 분석검사이다. 핵내에 존재하는 유전자 2만여개 이상 검사하며 질환의 유전적 변이(SNVs, Indels, CNVs)를 모두 확인할 수 있다.
이러한 DGS 검사는 유전질환으로 확실하게 의심은 되지만 다른 유전자검사에서 관련 변이를 발견하지 못한 경우, 임상증상이나 유전양상이 매우 복잡하여 종합적인 유전자분석이 필요한 경우, 그리고 질환의 유전적 원인을 모두 신속하게 확인하고자 하는 경우에 유용하다. 또한 미토콘드리아질환의 유전자 변이를 검출하는 진단용 미토콘드리아 유전체 염기서열 검사인 「DMS (diagnostic mitochondrial sequencing)」도 국내 서비스가 가능하다.
2) 전장엑솜시퀀싱(Whole Exome Sequencing, WES)
GC녹십자지놈의 Diagnostics Exome Seqeuncing™ Test
유전체 중에서 단백질을 직접 코딩하는 엑손영역(exome)의 유전체만을 분석하는 방법이다. 사람의 경우 엑솜은 전체 유전체의 2% 미만이기 때문에 전장유전체시퀀싱(WGS)보다 생산되는 데이터의 크기가 작아서 저장 및 연산 용량도 줄어들고 분석수가도 저렴하다. WGS 분석도 많은 경우는 non-coding 영역의 변이는 해석이 어렵고 크게 의미있는 결과를 얻는 경우가 많지 않다.
따라서 전장엑솜시퀀싱(WES)이 더 경제적이고 더 높은 시퀀싱 깊이(depth)를 얻을 수 있다는 장점이 있다. 하지만, 타겟 영역을 제외한 부위(intergenic 또는 intron 영역)의 regulatory variant는 검출이 어렵다. GC녹십자지놈의 진단용 엑솜시퀀싱(Diagnostics Exome Sequencing, DES) 검사는 유전성 희귀질환의 5,447개의 유전자를 한번에 분석하여(SNVs + Indels [1~10 bp]) 환자의 치료와 예후를 결정하는데 도움이 될 수 있다.
3) 목표유전자시퀀싱(Targeted Gene Sequencing, TGS)
특정 질병 또는 목적에 부합하는 유전자들로만 구성된 Customized 패널을 구성하여 검사하는 방법이다. 상대적으로 좁은 영역의 유전체만을 대상으로 하기 때문에, 적은 용량의 데이터를 생산해도 높은 시퀀싱 깊이(depth)를 얻을 수 있고, 가격적으로도 가장 저렴하다.
효율적으로 원하는 유전자들로 입맛에 맞게 유전자패널을 구성하여, 데이터의 연산 및 저장 용량도 줄일 수 있다. 대표적으로 약물대사에 관련된 유전자로 구성된 약물유전체 패널, 암 발생과 관련된 유전자들로 구성된 고형암 패널 등이 있다. 타겟으로 하는 유전자가 명확하고 보고자 하는 영역이 명확한 경우에 가장 적절하여, 임상검사실에서 가장 많이 사용하는 검사방법이다.
[유전체 검사의 범위에 따른 가격, 용도 및 도구] 더 폭넓은 유전체를 검사할수록 일반적으로 가격은 더 올라가고, Depth는 낮아지게 된다. 검사목적에 따라 적절한 항목을 선택하여 임상에 활용하는 것이 중요하다. 검사법을 결정에서 고려해야 할 요소들은 검사목적, 분석대상, 검체 이용 및 시퀀싱 깊이, 그리고 검사비용 및 분석능력 등이다.현재는 임상검사 목적으로 타겟 시퀀싱 패널 (TGS)에 대해서 건강보험 급여가 인정되어 임상검사실에서 시행되고 있다. WES 및 WGS의 경우에는 연구목적으로 새로운 후보 유전자 또는 영역을 발굴하기 위해 많이 사용했지만 현재는 진단목적으로도 적극 진행되고 있는 실정이다.
최근에는 Clinical Exome Sequencing (Diagnostic Exome Sequencing, DES)과 Diagnostic Genome Sequencing (DGS)이라 하여, 임상적으로 질병과 연관된 유전자들로만 구성된 일종의 광범위 타겟 시퀀싱 패널검사가 도입되어 시행되고 있다. 또한 임상의사의 입장에서 비용만을 생각한다면 시퀀싱보다는 마이크로어레이(microarray) 기반의 검사가 더 저렴하고 간편할 경우도 있기 때문에 목적에 적합하게 검사를 선택하는 것이 중요하다.
참고 Whole-genome sequencing is more powerful than whole-exome sequencing for detecting exome variants
[의협신문 2021-02-12] GC녹십자지놈, 진단용 전장 유전체 서열 검사 첫 도입
전장유전체 분석에 쓰는 NGS…진단키트로는 왜 잘 안 쓰일까[헬스케어 인사이드]
[비즈니스 포커스]연말을 앞두고 해외 여행을 기대했던 여행객들에게 ‘오미크론’이라는 찬물이 끼얹어졌다. 남아프리카공화국에서 시작된 신종 코로나바이러스 감염증(코로나19) 사태의 변이 바이러스 오미크론이 한국에 상륙하면서 일상 회복도 잠시 멈춰진 상태다. 증상과 여파를 정확히 할 수 없는 오미크론으로 세계 각국은 열었던 빗장을 다시 걸어 잠그고 있다. 한국 또한 12월 16일까지 백신 접종 여부에 관계 없이 입국 후 열흘간 의무적으로 자가 격리를 해야 한다. 꼭 필요한 일정이 아니면 일반인들은 선뜻 해외로 나가기가 어려워졌다.이에 따라 국제선 운항을 차차 재개하려던 항공사들의 계획도 차질을 빚고 있다. 항공사들은 정부가 백신 접종만 하면 자유롭게 오갈 수 있도록 ‘트래블 버블’을 맺은 싱가포르와 사이판을 중심으로 해외여행 수요가 증가할 것으로 봤다. 하지만 오미크론으로 인해 세계 각국의 입국 절차가 복잡해지면서 여객 수요의 회복은 당분간 기대할 수 없게 됐다. 미국부터 일본까지, 문 다시 잠그는 각국먼저 괌으로 향하는 노선들이 줄줄이 취소됐다. 저비용 항공사(LCC)들은 괌 노선을 취소하거나 운항 편수를 줄이고 있다.제주항공은 12월 16일까지 예정됐던 괌 노선 7편의 운항을 모두 취소했다. 제주항공은 11월 말부터 괌 노선 운항을 재개해 12월부터 주 4회 운항할 예정이었다. 12월 16일 이후부터 주 4회 운항을 계획하고 있지만 방역 상황에 따라 운항이 축소될 수도 있다.에어서울은 12월 23일 중단했던 괌 노선을 660여 일 만에 재개하려고 했지만 내년 1월 29일로 연기했다. 기존 예약 승객들에게는 항공권을 변경해 주고 환불 수수료를 면제해 줄 예정이다. 티웨이항공도 다음 주 인천~괌 노선을 중단한다. 진에어는 인천~괌 운항을 기존 주 4회에서 2회로 축소했다. 아시아나항공은 12월 23일부터 괌 운항을 18년 만에 재개하려 했지만 내년으로 연기했다. 오미크론 확산세에 따라 내년 1월 30일부터 주 2회 운항하는 일정으로 운항 연기를 결정했다. 정부가 2주간(12월 3~16일) 모든 국가에서 입국하는 내외국인에 대해 10일 동안 격리 조치를 내린 것이 결정적이었다. 특히 괌 노선은 사이판과 싱가포르와 같은 ‘트래벌 버블’ 지역이 아니기 때문에 타격이 컸다. 백신 접종률이 높아지면서 여행 수요가 많은 괌을 시작으로 해외여행 노선을 확대하려고 했지만 예상하지 못한 오미크론의 습격으로 계획에 차질이 생기게 됐다.입국뿐만 아니라 출국도 까다로워졌다. 미국은 그동안 출발 3일 이내의 음성 확인서를 제출하면 입국이 가능했지만 하루 이내로 요건이 강화됐다. 12월 6일 오후 2시(한국 시간) 이후 출발하는 미국행 탑승객들은 하루 전 음성 확인서를 제출해야만 한다.프랑스는 한국 출발 승객을 대상으로 백신 접종 여부와 무관하게 출발 48시간 이내의 음성 확인서 소지를 의무화했다. 일본은 원칙적으로 모든 외국인의 입국을 금지했다. 이스라엘도 11월 28일부터 2주 동안 모든 외국인의 입국을 금지했다. 여행 수요가 또다시 위축되면서 LCC의 고민은 더욱 깊어지고 있다. 나민식 이베스트투자증권 애널리스트는 “LCC는 매출액 중 80%를 여객 사업부가 차지하고 있다”며 “국내 여객의 회복 시점이 뒤로 늦어질수록 기업 가치의 훼손은 피할 수 없다”고 분석했다. 다가올 내년 설날 연휴를 계기로 국제 여행 수요가 반등할 수도 있지만 아직까지는 오미크론의 영향력에 대한 추이를 지켜봐야 할 것으로 보인다. 여객 수요 처참하지만…화물 운임은 상승세 반면 대한항공은 오미크론 변이 바이러스에도 불구하고 화물 영업이 호조를 보여 안정적이라는 평가를 받고 있다. 이는 여객보다 화물 수송에 중심을 둔 결과다. 이미 대한항공의 화물 수송 비율은 70%에 가깝다.10~11월 기준 국제선 여객 수는 2019년의 6%에 불과하다. ‘위드 코로나’ 직전까지 왔다고는 하지만 위축됐던 여객 수요가 회복되려면 오랜 시간이 걸릴 것으로 보인다. 반면 오미크론 바이러스의 재확산으로 물류 대란이 심화됨에 따라 항공 화물 운임이 추가로 상승할 것으로 전망된다. 크리스마스 연휴를 앞두고 화물 성수기에 진입했고 반도체와 스마트폰 등 수요도 급격히 늘어나고 있기 때문이다. 11월 글로벌 항공화물지수 TAC에 따르면 아시아발 장거리 항공 운임은 평균 14% 오르며 상승세를 이어 가고 있다. 이에 따라 화물 수송 비율이 높은 대한항공의 실적에도 긍정적인 영향을 미칠 것으로 전망된다. 최고운 한국투자증권 애널리스트는 “대한항공의 4분기 화물 운임은 전 분기 대비 21% 상승할 전망”이라며 “기존 예상보다 여객 매출액은 240억원 감소하는 데 그치는 반면 화물에서는 700억원 늘어날 것으로 추정된다”고 분석했다. 대신증권은 대한항공의 4분기 영업이익을 5383억원으로 예상하고 분기 최대 실적을 경신할 것이라고 전망했다.팬데믹(감염병의 세계적 유행)이 장기화되면서 대한항공과 타 항공사들의 재무 격차는 계속 벌어지고 있다. 양지환 대신증권 애널리스트는 “2022년에도 국제선 여객 정상화는 어려울 것으로 판단되지만 항공 화물 시황은 호황이 지속될 가능성이 높다”고 전망했다. 국토교통부의 항공 정보 포털에 따르면 10월 항공 화물 수송 실적에서 국적사는 22만5279톤을 실어 날랐다. 그중 대한항공은 64%인 14만4146톤을 실어 나르며 높은 비율을 차지했다. 다음으로 많은 화물을 수송한 아시아나항공(6만7919톤)보다 월등히 높은 수치였다. 일찌감치 화물 쪽 점유율을 높인 대한항공과 달리 여객 수요의 회복을 기다릴 수밖에 없는 LCC의 인고의 시간이 길어지고 있다. 이명지 기자 [email protected]
개인 유전체 분석, 플랫폼 시대 ‘눈앞’
차세대 염기서열 분석법(NGS)이 지속적인 발전을 하고 있는 가운데 개인 유전체 분석이 보편화된 시대가 열릴 것으로 전망된다.
NGS는 하나의 유전체를 무수히 많은 조각으로 분해해 각 조각을 동시에 읽어낸 뒤, 전산기술을 이용해 조합함으로써 방대한 유전체 정보를 빠르게 해독하는 방법이다. NGS는 이미 유전체 연구의 핵심기술로 자리잡았고, 임상에서 질병의 진단과 처방을 위해 사용되는 것을 눈 앞에 둔 상태다.
지난달 29일 마이지놈박스에서 주관한 ‘2022 개인 홀게놈 서비스 론칭 세미나’에서 김경철 강남메이저의원 원장은 ‘개인 홀게놈 서비스의 임상적 활용’을 주제로 발표하면서 홀게놈 시퀀싱(Whole Genome Sequencing)의 빠른 발전을 주목했다.
김경철 원장은 “NGS 플랫폼이 꾸준히 발전해왔다. 최근 100만원대의 가격으로 개인 유전체 분석 서비스를 이용할 수 있다”고 밝혔다.
그러면서 김 원장은 “2008년 솔렉사(Solexa)의 경우 1명의 유전체를 분석하는데 6개월의 시간이 걸렸지만, 일루미나(Illumina)의 노바식6000(NovaSeq6000) 제품을 활용하면 하루에 60명의 유전체를 분석하는 것이 가능하다”고 설명했다. 즉 유전체 분석의 효율성이 약 10000배 이상 향상된 셈이다.
사진=’2022 개인 홀게놈 서비스 론칭 세미나’ 발표 화면
최근 홀게놈 데이터를 확보하려는 여러 국가들의 노력이 이어지고 있다. 이 분야에서 가장 앞서나가는 국가는 영국이다. 그는 “우리나라도 3년 전부터 100만명 코호트(cohort) 구축 시범사업이 진행돼왔다”며 “2월 중 예비타당성조사가 통과될 가능성이 높다”고 전했다.
예타가 통과된다면 개인 유전체 분석 및 연구에 대한 국가적 차원의 관심이 커질 것으로 기대된다. 이러한 트렌드에 발맞춰 유전체 분석 서비스를 제공하는 기업들에 대한 관심이 모아지고 있다.
히트뉴스는 개인 유전체 분석 서비스를 제공하는 마이지놈박스, 지니너스, 쓰리빌리언의 동향을 살펴봤다.
마이지놈박스는 DNA 기반 공유 경제 플랫폼을 운영하고 있다. 이번 세미나에서 박영태 대표는 “사업을 하게 된 배경에는 개인 유전체 분석 서비스의 흥행에 있다. 유전체 분석 기술이 지속적으로 발전하고 있고, 이를 통해 분석 비용 및 기간이 대폭 줄어들어 다양한 서비스가 출시돼왔다”고 설명했다.
박 대표는 “특히 유전체 분석 시장이 2017년을 기점으로 빠르게 성장해왔다”며 “MIT 테크놀로지 리뷰에 따르면, 2년 후 약 1억 명 이상의 (유전체 분석을 원하는) 소비자가 있을 것으로 예상하고 있다”고 말했다.
마이지놈박스 소개. 사진=’2022 개인 홀게놈 서비스 론칭 세미나’ 발표 화면
현재 마이지놈박스는 △DNA APP MARKET △DNA TALK △마이지놈박스 프리미어 등의 서비스를 비즈니스 모델로 삼고 있다. DNA 앱 마켓(DNA APP MARKET)에는 200개의 DNA 앱(DNA APP)이 있다. DNA 앱은 개인 유전체 데이터를 비교·해석하는 소프트웨어 앱이다.
DNA 톡(DNA TALK)은 개인 유전체 데이터의 활용 가능한 시장을 확장하고, 자신의 데이터를 능동적으로 관리 및 활용하는 초개인화 서비스다. 3월 초 출시를 앞두고 있다. 마이지놈박스 프리미어는 프리미어급 유전체 데이터 분석 서비스로 지난달 출시됐다. 전장 유전체 염기서열 분석법을 활용해 클리닉 서비스, 웰니스 서비스, 글로벌 서비스 등 궁극적 유전체 솔루션 서비스로 알려져 있다.
한편, 마이지놈박스는 올해 사업모델 특례상장 제도를 활용한 코스닥 상장을 목표로 하고 있다.
지니너스는 암 유전체 진단부터 단일세포 유전체 분석까지 정밀의료에 필요한 모든 서비스를 제공하는 유전체 분석 전문기업이다.
Cancer genomics 기술 활용. 사진=지니너스 홈페이지
지니너스의 핵심 기술은 △Cancer genomics △Liquid biospy △Single cell이다. 조직생검 기반 암 유전체 분석(Cancer genomics) 기술은 암 환자의 조직 샘플로 이뤄지며, 돌연변이 타입(CNV, SNV, InDel, Fusion)을 검출할 수 있는 BI 기술과 예후·예측을 가능케 하는 AI 기술로 구성돼 있다.
지니너스는 임상연구를 바탕으로 액체생검(Liquid biospy) 기반 암 유전체 분석 기술을 개발한 바 있다. 싱글셀(Single cell) 분석 기술은 암 조직에서 단일세포를 분리한 후 RNA 시퀀싱을 통해 개별 세포의 특성과 세포 타입별로 상태 등을 분석하는 기술로 암 정밀진단 및 치료가 가능하다. 싱글셀 분석 기술이 지난달 세계적인 과학 전문지 네이처(Nature)에 게재된 바 있다.
회사 측에 따르면, NGS 기반의 암 유전체 진단 플랫폼으로 조직생검 기반의 CancerSCAN(캔서스캔)과 조직 대신 혈액을 이용한 LiquidSCAN(리퀴드스캔)을 대표 서비스로 제공하고 있다.
쓰리빌리언은 AI(인공지능) 기반의 유전체 분석 기업이다. 지난 2016년 10월 설립된 기업으로 AI 기반의 희귀질환 유전자 진단 서비스를 제공하고 있다.
희귀질환 진단키트. 사진=쓰리빌리언 홈페이지
회사 측은 “희귀 유전질병을 일으킬 수 있는 인간 유전자 20000개의 모든 유전변이를 단 한 번의 검사로 판별할 수 있는 기술력을 보유하고 있다”며 “단 한 차례의 검사로 7300종 이상의 희귀질환을 진단할 수 있다”고 설명했다.
회사 측에 따르면, 유전변이의 병원성을 99.4% 정확도로 해석해 내는 AI 기술의 효율성을 통해 희귀질환 진단을 위한 유전자 검사기간과 비용을 글로벌 경쟁사 대비 획기적으로 낮춘 것으로 전해진다.
쓰리빌리언은 지난해 10월 코스닥 상장을 위한 기술성 평가를 통과했고, 올해 상반기 코스닥 상장을 추진할 계획이다.
[보고서]한국인 표준 전장유전체 염기서열분석
초록
▼
인간게놈프로젝트 및 국제 HapMap프로젝트를 연구를 통하여 생산된 유전체정보를 이용하여 전장유전체연관분석(GWAS) 연구로 발전하였고 이러한 연구를 통해 만성질환의 5~15%의 유전적 요인을 설명하고 있다. 하지만 부족한 설명력을 …
인간게놈프로젝트 및 국제 HapMap프로젝트를 연구를 통하여 생산된 유전체정보를 이용하여 전장유전체연관분석(GWAS) 연구로 발전하였고 이러한 연구를 통해 만성질환의 5~15%의 유전적 요인을 설명하고 있다. 하지만 부족한 설명력을 보완하기 위하여 최근 NGS(Next Generation Sequencing)를 이용한 다양한 연구가 진행되고 있다.
이러한 연구는 High-Throught 검출방법과 정량방법 등의 개발로 2000년대에 들어와 해외특허뿐만 아니라 논문활동도 급격한 성장을 나타내고 있다. 1,000 Genomes Project의 선행연구격인 HapMap 프로젝트는 게놈(Genome)의 특정 대립인자(allele)의 MAF(Minor Allele Frequency) > 5% 뿐만 아니라 MAF > 1-5%의 SNP(Single Nucleotide Polymorphism)의 발굴이 이뤄졌다. 금번 연구과제의 목표는 20X 이상의 coverage의 data를 이용하여 한국인에서의 전장유전체 염기서열을 확보하고 희귀빈도의 염기서열변이(Rare variation)를 확인하는데 있다.
질병관리본부에서 주도한 본 연구는 복합질환 관련 유전자들의 정보를 이용해 질환관련 유전자들의 발현 상호작용, 한국인의 복합질환 발생 상대 위험도 등을 총합적으로 측정함으로써 질병예측 지표를 검증자료로 활용될 수 있으며, 한국인의 질병관련정보를 D/B화하여 보건정책 수립 등을 위한 국가사업에 활용 가능할 것으로 판단된다.
키워드에 대한 정보 전장 유전체 분석
다음은 Bing에서 전장 유전체 분석 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 암의 전장 유전체 염기서열을 분석하여 복잡성 구조변이를 찾아내는 방법과 원리
- 동영상
- 공유
- 카메라폰
- 동영상폰
- 무료
- 올리기
암의 #전장 #유전체 #염기서열을 #분석하여 #복잡성 #구조변이를 #찾아내는 #방법과 #원리
YouTube에서 전장 유전체 분석 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 암의 전장 유전체 염기서열을 분석하여 복잡성 구조변이를 찾아내는 방법과 원리 | 전장 유전체 분석, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.
