바이오인

1. 8월 28일 주요내용

 

1.1. Concurrent Symposia 02. Spatial omics

 

Spatially resolved gene expression, Joakim Lundeberg

최근 전사체학 분야에서 조직에서 in situ로 조직상의 위치 정보를 포함한 전장 유전체 발현 분석이 사용되고 있다. 현재의 프로토콜 상에서는 fresh frozen 샘플에서 짧은 리드 시퀀싱을 기반으로 하고 있는데, 공간 전사체 시퀀싱(Spatial RNA sequencing) 관련하여 고해상도, FFPE 샘플, 또는 전장 길이 시퀀싱을 활용한 새로운 방법들에 대한 소개가 있었다. 이를 통해 병리조직학적 특징, 전사체 데이터, 전사체로부터 추정한 유전체 복제수변이(inferred number aberration (CNA))을 통합하여 위치적인 맥락을 고려하여 암의 해석이 가능하다. 공간 전사체 분석에서의 inferred CNA 분석을 통해 전립선암에서 양성, 악성 부분의 DNA 수준에서의 차이를 연구한 결과를 발표하였으며, 흥미롭게도 양성 부분에서도 체성 돌연변이를 확인하였다.

 

1.2. Concurrent Symposia 05. Endogenous and exogenous mutagenesis in cancer

 

Mutational signatures of environmental agents and chemotherapeutics in human cellular models, Jill Kucab

Human induced pluripotent stem cells에 79종류의 발암물질 및 화학요법제제를 처리한 후 subclone expansion시켜서 전장 유전체의 돌연변이 패턴을 분석하였다. 79개 중 41개 제제가 각기 특징적인 돌연변이 패턴을 보였으며, 이 중 일부는 종양에서 보이는 패턴과 유사하였다. 6개 제제는 doublet-substitution signature를, 8개 제제는 indel signature를 보였다. 환경적 발암물질에 의한 DNA 손상이 별개의 repair and/or replicative pathway를 통해서 회복되어 각 제제별로 특징적인 돌연변이 패턴이 관찰되었다. 돌연변이의 분포상 transcribed strand 및 non-transcribed strand 간의 차이, replication-timing regions와 관련된 차이를 확인하였다.

 

1.3. Concurrent Sessions 03. Bioinformatics, machine learning and statistical methods

 

The impact of number variants on complex human traits, Chiara Auwerx

복합형질에서의 number variations (CNVs)의 역할은 잘 알려져 있지 않다. UK Biobank의 331,522명 대상자의 57개의 특성을 대상으로 CNVs을 분석하고 association study를 시행하였다. 47개의 표현형과 연관된 134개의 CNVs를 관찰하였다. 몇몇 CNVs은 다면발현 (pleiotropy)을 보였다: 16p11.2-BP4-BP5 and 22q11.2 부분은 각각 26가지, 19가지 특성과 연관이 있었다. 기존에 알려진 16p11.2와 몸무게의 연관성이 재현되었다. Urate transporter scaffold protein을 발현하는 PDZK1의 소실이 urate 수치의 감소와 연관됨을 발견하였다. 희귀 질환 Leri-Weill dyschondrosteosis와 연관된 SHOX와 이의 조절 부위가 저신장과 연관되었다. Murine oogenesis에 필수적인 MARF1의 복제 수는 초경 및 폐경 나이와 음의 연관성을 보였다. 결론적으로 본 연구에서 밝혀진 다수의 CNVs 연관성은 새로운 유전자 기능에 의한 복합형질 발현에 CNVs의 역할을 시사한다.

 

Enhanced SpliceMap and RNA-seq from clinically accessible tissues improves outlier prediction for non-accessible tissues, Nils Wagner

혈액으로부터 DNA-seq 데이터에서 조직 특이적인 splicing prediction을 통해 발현양상을 예측할 수 있는 방법을 개발 및 소개하였다. 이를 통해 임상적 검체 채취가 가능한 조직(피부 등)의 RNA-seq 데이터를 통해 임상적인 검체 채취가 어려운 조직(뇌 등)의 splicing 이상 및 유전자 발현을 추정할 수 있다. Benchmark dataset으로 다양한 조직의 발현 데이터와 유전형이 있는 GTEx 데이터를 이용하였으며 기존의 SpliceAI와 MMSplice와 같은 splicing 예측 방법보다 우월할 결과를 보였다. Julien Gagneur 그룹은 다양한 오믹스 데이터를 이용하여 유전자 조절 및 질병에서의 의미를 부여하기 위한 통계적 모델과 생명정보학 툴을 개발하는 선도적인 그룹이다.

 

Cancer detection by mining large cell free DNA sequencing dataset, Huiwen Che

Cell free DNA (cfDNA)에서 약 0.1x로 shallow whole genome sequencing (sWGS)을 통해 number aberrations (CNAs)을 편견없이 분석할 수 있다. 307명의 건강 대조군, 178명의 혈액암 환자, 331명의 고형암 환자를 대상으로 cfDNA을 추출, sWGS을 시행하였으며, genome-wide read depth profiles을 평가하여 암을 검출하는 기계학습 모델을 구성하였다. 저자들이 개발한 툴은 GIPSeqcluster으로 cfDNA의 sWGS데이터에서 전장 유전체 cfDNA count 데이터를 principal component analysis (PCA) 분석하여 암과 정상을 구별하고 암 간에도 조직 기원을 구별할 수 있는 툴이다. 군집상에서 암은 정상인과 분리되고, 암종별로 그룹된 양상을 보였다. cfDNA sWGS에서 약 50%의 혈액암 샘플에서 CNA을 보였으며, GIPSeqcluster은 92% 민감도와 98% 특이도로 혈액암을 검출하고 정확도 84%로 암유형 분류를 할 수 있었다. 반면, 고형암은 약 25%에서 CNA을 보였으며, GIPSeqcluster은 47% 민감도와 95% 특이도로 고형암을 검출하고 정확도 80%로 암유형 분류를 할 수 있었다. 결론적으로 본 연구는 큰 sWGS cfDNA 데이터셋을 이용하여 종양 검출 및 아형 발굴을 할 수 있음을 보였다.