바이오인

질병 연구를 위한 오믹스 통합 분석

박상민
KAIST 바이오및뇌공학과

[목차]

1. 서론
2. 질병의 유전적 구조 분석
3. 인과관계 분석
4. 암
5. 결론

[요약]

유전체학(genomics), 전사체학(transcriptomics), 단백질체학(proteomics), 대사체학(metabolomics)과 같은 오믹스(omics) 기술의 발전은 매우 상세한 분자 수준에서 환자맞춤형 의학(personalized medicine)을 가능하게 만들었다. 이들 기술은 임상시험에 들어가기 시작하면서 점차의학적 발전에 기여하고 있다. 그러나 각각의 기술 단독으로는 인간질병에 대한 전체적인 생물학적 복잡성을 포착할 수 없다. 보다 포괄적인 관점을 제공하기 위해 이러한 기술들을 통합하는 접근법이 등장했다. 본 총설 논문에서는 다양한 유형의 데이터를 결합한 분석의 잠재력과 이 접근방식이 가진 인간의 건강과 질병에 대한 유용성을 논의한다. 우리는 암과 같은 질병이나 장기이식에 필요한 생물학적 지식을 이해, 진단, 치료하기 위한 데이터 통합의 예를 제공한다. 마지막으로 통합 오믹스의 임상적 구현에 대한 기술 및 기타 과제에 대해 논의한다.

[내용]

1. 서론

대규모 시퀀싱(sequencing) 및 질량분석법(mass spectrometry)과 같은 대량의 병렬 처리 기술의 비용이 급속하게 감소하면서,임상 연구 및 실습에서도 이러한 기술들의 사용이 가능하게 되었다. 엑솜(exome) 혹은 게놈(genome) 시퀀싱은 이미 진단에 도움을 주기 위해 사용되고 있다. 특히 암과 같은 특수한 질병의 발병과 치료정보를 얻으려는 노력이 계속되고 있다.

또한 건강한 개인을 대상으로 질병의 예측 모델을 만들기 위해 수많은 기업들이 유전자 발현 및 게놈 전반에 걸친 유전적 프로파일 연구에 집중하고있다. 게놈 전반에 대한 연관성 연구는 일부 질병의 위험인자를 식별하는데 성공했다. 그러나 많은 경우에는 아직까지 질병의 원인이 되는 유전자를 식별하지 못했다. 여기서 다른 오믹스 기술은 그 질병의 정확한 병리생리를 볼 수 있는 유용한 기회를 제공할 수 있다. 단백질체와 같이 표현형에 더 가까운 데이터를 생성하는 실험은 비용이 많이 들 수 있고,아직 총체적인 분석이 어렵기에 질병의 인과적 원인을 구별이 어렵다는 과제가 남아있다. 게다가 마이크로바이옴(microbiome)과 같은 오믹스 데이터도 질병의 바이오마커로 사용될 수 있다. 따라서 개별기술로는 인간질병으로 이어지는 분자사건의 복잡성을 포착할 수 없다.

서로 다른 기술을 결합하여 인간의 유전적 표현형과 질병에 대한 전체적인 그림을 만들어 질병을 진단하고 치료하는데 도움을준다면 아주 이상적일 것이다. 그러나 멀티오믹스(multi-omics) 데이터의 구현은 아직까지 생물정보학 분야의 도전적인 과제이다. 특히 상이한 데이터 집합을 표준 화하여 결합하기 위해서는 새로운분석 및 통계 방법이 요구된다. 또한 이 분야는 분자수준의 복합적 작용이라는 난제를 다루어야 하며, 그에따라 임상적 활용으로 기여할 수 있는지 여부를 고려해야 한다.

본 총설 논문에서는 통합 오믹스를 활용하여 질병을 진단하고 치료하는 것뿐만 아니라 건강 관리에 도움을 줌으로써 의학 전반에 영향을 미칠 수 있는 방법을 설명한다. 우리는 다양한 질병에 대한 임상적 응용과 임상적 응용에 대해 논한다. 그리고 암 진단과 치료에 다양한 수준의 오믹스 기 술을 사용하는 사례를 살펴본다. 전체적으로, 우리는 질병의 메커니즘에 대한 통찰력을 제공하기 위 해 한 기술이 다른 기술의 단점을 보완할 수 있도록 여러 데이터를 통합하는 것의 이점에 대해 논 한다. 또한 우리는 여러 기술의 데이터를 최적으로 결합하고 해석하는 데 있어 당면한 과제와 인간 질병의 메커니즘을 해명하는 데 성공한 몇 가지 유망한 예에 대해 논의한다.

2. 질병의 유전적 구조 분석

당뇨, 비만, 정신분열증, 자폐증과 같은 대부분의 일반적인 질병들은 복잡하고 여러 유전적 요인들과 환경적 요인의 조합의 결과물 이다. 지금까지 수천 개의 게놈 좌위(loci)가 인간의 질병과 상당히 연관되어 있다고 밝혀졌다. 그러나 일단 진정한 의미의 연관성으로 확립되면, 서로 상호작용하는 유전자들이 그 질병의 분자 병리학에서 어떤역할을 하는지 이해할 수 있어야 한다. 이를 위해 네트워크 분석 및 과발현 분석(enrichment analysis)을 포함한 다수의 오믹스 데이터 세트를 분석하는 여러 가지 방법이 등장했다.

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.