바이오인

[No.28 BioINglobal] 유전체 연구를 통한 예측적 의학 접근법

★ 본 자료의 초안 작성 중 자료의 잘못 게시로 인해, 다시 최종본으로 업데이트 되었습니다.

    이용자 여러분께 너그러이 양해를 부탁드리며, 앞으로는 더욱 알찬 자료로 찾아 뵙겠습니다.

※ 본 보고서의 내용은 해외 각국의 보고서 및 언론기사 등을 참고하여 전문가의 시각으로 집필한 원고를 생명공학정책연구센터에서 제공함.

작성자 : 김치구 행정학 박사
(기술경영경제정책 전공)

출처: Nature, By Matthew Warren, 2018.10.10.

※ 본 원고는 원본 원고의 내용을 번역하여 각색한 내용을 포함하고 있습니다.
   (원제 : The approach to predictive medicine that is taking genomics research by storm)
(http://www.nature.com/articles/d41586-018-06956-3)

660만은 Sekar Kathiresan이 인간 유전체 상 얼마나 많은 부분들이 관상동맥 질환에 걸릴 위험이 있는지 계산하기 위해 살펴본 숫자이다. Kathiresan은 이러한 선택된 영역에서 사람마다 하나의 DNA 문자 차이의 조합이 어떤 이들에게 전 세계의 주요 사망 원인 중 하나에 굴복할지 여부를 예측하는데 도움이 될 수 있다는 사실을 발견했다. As, Cs, Ts, 그리고 Gs가 무엇을 하고 있는지 예측하기 어렵다. 그럼에도 불구하고, Kathiresan은 “태어날 때부터 고정되어 있는 것들에 기반하여 사람들을 심장마비로 가는 명확한 궤도로 계층화할 수 있다”라고 말한다.

보스턴 메사추세츠 종합병원(Massachusetts General Hospital in Boston)의 유전학자인 Kathiresan만 엄청나게 많은 변이들을 살펴보는 것은 아니다. 그가 개발한 다원 유전자성 위험 점수(polygenic risk score)는 일반적인 질병의 유전적 기여자를 찾는 데 있어 최첨단 접근법의 일부분이다. 지난 20년 동안 연구자들은 심장병(heart disease), 당뇨병(diabetes), 조현병(schizophrenia)을 포함한 질병들의 유전율(heritability)을 설명하려고 노력했다. 다원 유전자성 점수는 오늘날 가장 강력한 유전자 진단법의 일부를 만들기 위해 유전체상 수천만에서 수백만개의 부분에 대해 작은(때론 아주 작은) 기여를 한다.

이 접근법은 많은 수의 풍부한 코호트 연구와 수백에서 수천명의 DNA 데이터와 함께 방대한 양의 건강 정보를 수집하는 영국 바이오뱅크(BioBank)와 같은 대규모 데이터 저장소 덕분에 가능해졌다. 그리고 지난 1년동안 발표된 일부 연구는 그러한 요소들로부터 획득한 정보들의 결합 및 작은 효과를 탐지하는 과학자들의 능력의 증가로 인해 백만명 이상의 참가자들을 분석할 수 있었다.

지지자들은 다원 유전자성 점수가 유전체 의학의 다음 단계가 될 수 있다고 말하지만, 이 접근법은 상당한 논쟁을 만들어 냈다. 일부 연구는 해당 점수가 어떻게 사용될 수 있는지 같은 윤리적 문제를 개진한다.: 예를 들면, 학문적 성과를 측정하는 것에서 말이다. 비판자들은 어떻게 사람들이 시험으로부터 도출되는 복잡하고 때론 불분명한 정보를 해석할 수 있을 것인지에 대해 우려한다. 그리고 주요 바이오뱅크들이 인종적, 지리적 다양성이 부족하기 때문에, 최근의 유전자 검사 도구들은 데이터베이스내 표시되어 있는 모집단에 대해서만 예측할 수 있는 힘을 가질 수 있다.

“대부분의 사람들은 이것이 모든 종류의 물류적(logistical), 사회적(social), 윤리적(ethical) 문제를 야기하기 때문에 이것에 대해 적절한 토론을 하고 싶어 한다.”고 영국 옥스포드 대학(the University of Oxford, UK)의 유전학자인 Mark McCarthy는 말한다. 그럼에도 불구하고, 다원 유전자성 점수는 의료현장으로 나아가고 있으며 적어도 한 미국 기업에 의해 이미 소비자들에게 제공되고 있다.

이러한 추세의 기초가 되는 방법을 개척한 호주 퀸즐랜드 대학(the University of Queensland, Australia)의 유전학자 Peter Visscher는 이 접근법에 대해 대체로 낙관적이지만, 여전히 진행 속도에 놀란다.“나는 이것이 우리가 생각하는 것보다 더 빨리 올 것이라고 확신한다.”라고 그는 말한다.

위험 측정(Risk calculation)

2000년대 초 연구자들이 인간 유전체 초안을 완성했을 때, 많은 사람들은 이것이 의학 혁명의 시작을 의미할 것이라고 예상했다. 유전학자들은 어떤 사람이 당뇨병이나 심장병에 걸리는 반면 다른 사람은 그렇지 않은 이유를 설명할 수 있는 차이점을 찾기 시작했다. 아이디어는 간단하다: 해당 조건을 가진 사람들 그룹과 가지지 않은 사람들 그룹간 비교하고 그들의 DNA 차이점들을 찾는 것이다. 이 변이들은 일반적으로 단일 염기다형성(single nucleotide polymorphisms) 또는 SNPs로 알려진 DNA 문자 변경(swap)의 형태로 나타났다. 만약 어떤 질병을 가진 사람들은 특정 위치에 T를 가지는 경향이 있는 반명 다른 사람들은 C를 가지고 있다는 것은 SNP가 어떤 식으로든 질병과 관련이 있다는 것을 암시한다.

이러한 전유전체 연관성 연구(genome-wide association studies) 또는 GWASs로 알려진 연구는 매우 유명해 졌다. 그러나 수년 간의 탐색 후에도 과학자들은 여전히 일반적인 질병의 유전적 위험 중 작은 부분만을 설명할 수 있었다. California주, La Jolla 소재 Scripps Research Insitutes의 유전학자인 Ali Torkamani는 이러한 조건의 대부분이 과학자들이 처음 예측했던 것보다 더 많은 수의 SNPs와 관련이 되어 있는 것으로 밝혀졌다고 말했다.

설상가상으로, 대부분의 변이들은 거대 그룹의 사람들을 조사할 때만 탐지할 수 있는 아주 작은 위험을 부여했다.“우리는 몇몇 사람들이 순진하게 생각하는 만큼 실제로 예측을 이끌어낼 만큼의 샘플 크기를 가지고 있지 않았다.”고 영국 Hinxton에 있는 유럽 생물정보학 연구소(the European Bioinformatics Institute)의 Ewan Birney 소장은 말했다. 2007년까지 유전학자들은 그들이“실종되는 유전성(missing heritability)”이라고 부르는 것에 대해 걱정했다. 이러한 조건들 중 많은 것들이 유전적인 요소를 가지고 있다는 것은 분명했지만, GWASs는 명확하게 그것들의 많은 부분을 잡아 내고 있지 못했다.

오늘날, 상황은 변하고 있다. 데이터 분석 방법의 발전뿐만 아니라 대규모 데이터 집합에 대한 접근으로 인해, 과학자들은 이러한 매우 작은 위험들을 더 잘 측정하고 있다고 Kathiresan은 말한다.

대표적인 예는 Kathiresan이 8월에 발표했던 660만 개의 SNP 점수를 산출하는데 사용한 기술이다. 그와 그의 팀은 관상동맥 질환을 가지고 있는 6,100명의 사람들과 120,000명의 대조군으로 구성되어 있는 48개의 GWAS를 합친 2015개의 메타 분석(meta-analysis)에서 데이터를 수집했다. 그들은 그 다음 상위 몇 퍼센트에서 점수를 받은 사람들이 모집단의 나머지보다 평균 몇배 더 높은 발병의 위험을 가지고 있다는 것을 발견하는 영국 바이오뱅크내 290,000명 사람들에게서 다원 유전자성 예측인자를 테스트했다. 예를 들어, 나머지 모집단의 2.7%와 비교해 볼 때 가장 높은 점수를 받은 23,000명 중 7%가  관상동맥 질병을 가지고 있었다. 이 그룹은 염증성 장질환(inflammatory bowel disease)과 유방암(breast cancer)을 포함한 4가지 다른 질환에 대해서도 유사한 분석을 실시했는데, 매번 상위 몇 퍼센트에서 점수를 받으며 특히 위험성이 높은 그룹을 식별했다.

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.

☎ 해당 사이트 링크가 열리지 않을시 Bioin 담당자(042-879-8377, bioin@kribb.re.kr)에게로 연락주시기 바랍니다.