과학 포털 iKAOS

구강질환은 전신질환의 원인인가, 거울인가?: 유전체로 밝힌 연결고리

구강 건강과 전신 건강의 밀접한 연관성은 오래전부터 의학계의 주요 관심사였습니다. 흔히 치주염 환자에게서 심혈관 질환이나 당뇨병이 더 빈번하게 관찰되곤 하는데, 이러한 현상은 두 질환 사이에 단순한 상관관계를 넘어선 복잡한 메커니즘이 존재함을 시사합니다. 하지만 동일한 환경에서도 사람마다 질병에 걸리는 정도가 다른 이유는 개인의 유전적 배경에서 찾을 수 있습니다. 유전체 연구는 특정 질환에 대한 감수성을 결정하는 유전적 요인을 분석함으로써, 왜 어떤 이들이 특정 질환에 더 취약한지를 과학적으로 설명해 줍니다. 전장 유전체 연관 분석(GWAS)은 31억 개의 염기쌍 중 대표적인 마커들을 조사하여 특정 질병과 연관된 유전자 영역을 찾아내는 강력한 도구입니다. 최근 영국의 대규모 코호트인 UK 바이오뱅크 데이터를 활용해 충치, 치주염, 구강암 등 21가지 구강악안면 질환을 통합적으로 분석한 연구가 진행되었습니다. 이 과정에서 총 73개의 독립적인 유전자 영역이 확인되었으며, 그중 44개는 이전에 보고되지 않았던 새로운 영역으로 밝혀졌습니다. 이는 구강 질환의 유전적 지도를 한층 정밀하게 완성하는 중요한 성과라 할 수 있습니다. 유전 변이가 발견되었다고 해서 그것이 곧바로 질병의 원인이라고 단정할 수는 없습니다. 단순히 위치상 가깝거나 통계적으로 연관된 것일 수도 있기 때문입니다. 이를 해결하기 위해 유전자 발현량과 질병 사이의 관계를 분석하는 전사체 연관 분석(TWAS)과 인과관계를 검증하는 멘델 무작위 배정법이 동원됩니다. 예컨대 충치와 연관된 특정 유전자 영역에서 RBM6 유전자의 발현이 실제 충치 발생의 인과적 요인임을 밝혀낸 것이 대표적입니다. 이러한 분석은 단순한 '연관성'을 넘어선 '인과관계'의 실체를 규명하는 데 핵심적인 역할을 수행합니다. 희귀한 단백질 코딩 변이를 분석하는 홀엑솜 시퀀싱 또한 중요한 정보를 제공합니다. 치주염과 연관된 ALDH1A2 유전자의 사례를 보면, 단백질의 아미노산 서열을 바꾸지 않는 '침묵 변이'가 실제로는 단백질 생성 효율을 떨어뜨려 질병을 유발할 수 있음이 확인되었습니다. 과거에는 기능적 영향이 없다고 여겨졌던 변이가 실제로는 mRNA의 번역 과정에 개입하여 질병 발생에 기여한다는 사실은 유전학적으로 매우 흥미로운 발견입니다. 이는 유전체 연구의 정밀도가 단일 염기 수준의 미세한 변화까지 포착할 정도로 발전했음을 보여줍니다. 유전적 변화가 실제 질병으로 이어지는 생물학적 경로를 이해하는 것도 필수적입니다. ALDH1A2 유전자는 면역 조절에 중요한 레티노산을 합성하는 효소를 만드는데, 치주염 환자의 조직에서는 이 효소와 레티노산의 농도가 유의미하게 감소해 있었습니다. 레티노산이 부족해지면 면역 세포인 T세포의 균형이 무너지며 염증 반응이 심화되는 경로가 활성화됩니다. 유전적 변이에서 시작된 작은 변화가 대사산물의 농도를 바꾸고, 최종적으로 면역 체계의 불균형을 초래하여 잇몸 조직을 파괴하는 구체적인 과정이 과학적으로 증명된 것입니다. 구강 질환이 전신 질환의 직접적인 원인인지를 확인하기 위해 수행된 인과관계 분석 결과는 예상을 빗나가는 흥미로운 지점을 보여줍니다. 쇼그렌 증후군이 폐암이나 뇌졸중의 위험을 높이는 인과관계를 보인 것과 달리, 충치나 치주염 같은 흔한 구강 질환에서는 전신 질환과의 명확한 인과관계의 증거가 관찰되지 않았습니다. 대신 이들은 심혈관 질환, 당뇨병 등과 상당 부분의 유전적 배경을 공유하고 있었습니다. 즉, 구강 질환이 전신 질환을 직접 일으키는 '원인'이기보다는 공통된 유전적 취약성을 공유하고 있음을 시사합니다. 결론적으로 대다수의 구강 질환은 전신 건강 상태를 반영하는 '거울'과 같은 존재라고 정의할 수 있습니다. 두 질환군이 공통된 유전적 뿌리를 두고 있기에, 구강 건강이 나빠졌을 때 전신 질환이 함께 나타날 가능성이 높아지는 것입니다. 이는 치과적 치료뿐만 아니라 전신 건강 관리 차원에서도 구강 상태를 면밀히 살피는 것이 얼마나 중요한지를 일깨워 줍니다. 이번 대규모 유전체 통합 분석은 구강과 전신을 잇는 유전적 네트워크를 규명함으로써, 미래 정밀 의료 시대를 위한 임상적 근거를 마련했다는 점에서 큰 의의가 있습니다.

생물학연구정보센터학술웨비나

생명과학
융합

혈액 기반 다중유전자위험점수와 전사위험점수의 통합을 통한 알츠하이머병 위험 예측

전 세계적으로 치매 환자가 급증하며 2050년에는 약 1억 5천만 명에 달할 것으로 예측되는 가운데, 치매의 주요 원인인 알츠하이머병에 대한 조기 진단의 중요성이 날로 커지고 있습니다. 최근 알츠하이머병의 진단 패러다임은 환자의 증상 위주에서 아밀로이드 베타와 타우 단백질 같은 생물학적 바이오마커 중심으로 변화하고 있습니다. 특히 병리 현상이 증상 발현보다 수십 년 전부터 시작된다는 점을 고려할 때, 무증상 단계에서의 조기 개입은 치료 효과를 극대화할 수 있는 핵심적인 기회가 됩니다. 하지만 기존의 뇌척수액 검사나 PET 촬영은 높은 비용과 침습성이라는 한계가 있어, 대규모 선별을 위한 접근성 높은 지표의 개발이 시급한 상황입니다. 알츠하이머병의 유전적 위험을 평가하기 위해 활용되는 다유전자 위험 점수(PRS)는 전장 유전체 연관성 분석(GWAS)을 통해 질병과 관련된 수천 개의 변이 효과를 하나의 숫자로 요약한 지표입니다. 이에 더해 새롭게 주목받는 전사체 위험 점수(TRS)는 유전 변이가 특정 유전자의 발현량을 조절하는 정보인 발현 양적 형질 유전자좌(eQTL)를 활용하여, 실제 RNA 시퀀싱으로 측정한 발현값들을 위험도가 높아지는 방향으로 합산한 점수입니다. 이러한 방법론은 유전적 감수성뿐만 아니라 실제 세포 내에서 일어나는 전사 조절의 이상을 동시에 파악할 수 있게 해줍니다. 연구팀은 이 두 가지 점수를 혈액 데이터 기반으로 산출하여 알츠하이머병의 복잡한 병인을 다각도에서 분석하고자 했습니다. 기존의 연구들은 주로 백인 집단을 대상으로 다유전자 위험 점수(PRS)와 전사체 위험 점수(TRS)의 유용성을 입증해 왔습니다. 혈액 기반 전사체 위험 점수(TRS) 연구에서는 정상군에서 환자군으로 갈수록 점수가 단계적으로 상승하는 패턴이 확인되었으며, 이는 해마 부피 감소나 아밀로이드 축적과 같은 실제 뇌 영상 지표와도 밀접한 연관성을 보였습니다. 또한 뇌 조직 기반 전사체 위험 점수(TRS) 분석에서도 유전적 위험도만을 활용했을 때보다 전사체 정보를 함께 고려했을 때 알츠하이머병 분류 성능이 최대 16%까지 향상되는 결과를 얻었습니다. 이러한 선행 연구들은 전사체 위험 점수(TRS)가 단순히 질병의 유무를 넘어 병리의 진행 정도나 예후를 예측하는 데에도 중요한 역할을 할 수 있음을 시사하며, 통합적 지표의 가능성을 뒷받침해 주었습니다. 본 연구의 핵심은 백인 위주의 기존 연구 결과를 넘어 한국인 집단에서도 이러한 지표들이 효과적으로 작동하는지 확인하는 것이었습니다. 이를 위해 미국 ADNI 코호트와 분당서울대학교병원의 한국인 코호트를 비교 분석하였습니다. 분석 결과, 다유전자 위험 점수(PRS)와 전사체 위험 점수(TRS)가 모두 높은 그룹에서 알츠하이머병 위험도가 급격히 상승하는 공통적인 양상이 관찰되었습니다. 구체적으로 두 점수가 모두 높은 'High-High' 그룹은 저위험군에 비해 백인 집단에서는 약 2.5배, 한국인 집단에서는 약 3.4배가량 발병 위험이 높았습니다. 이는 서로 다른 인종 간에도 유전적 감수성과 전사체 조절 이상이 결합되었을 때 질병 발생 가능성이 극대화된다는 보편적인 메커니즘을 확인한 성과입니다. 결론적으로 정적인 유전체 정보와 동적인 전사체 정보를 통합한 모델은 단독 모델보다 뛰어난 분류 성능을 보여주었으며, 이는 머신러닝 기반의 다양한 분석에서도 일관되게 입증되었습니다. 직접 측정한 혈액 전사체를 활용함으로써 분석의 견고함을 더했으며, 인종적 차이를 극복한 일반화 가능성을 확보했다는 점에서 큰 의미가 있습니다. 향후 연구에서는 종단적 추적 관찰을 통해 전사체 위험 점수(TRS)가 시간에 따른 진단 변화를 어떻게 포착하는지 살피고, 단백질체나 후성유전체 같은 다양한 오믹스 데이터를 결합하여 더욱 정밀한 예측 모델을 구축할 계획입니다. 이러한 다각적인 접근은 알츠하이머병의 조기 진단과 맞춤형 치료 전략 수립에 기여할 것으로 기대됩니다.

생물학연구정보센터학술웨비나

생명과학
뇌인지과학
융합

의료기록 데이터를 활용한 질병 위험 예측모델 (LTPI)

현대 의학에서 전자 의료 기록(EHR)과 유전체 데이터의 결합은 질병 연구의 새로운 지평을 열고 있습니다. EHR은 단순한 진료 기록을 넘어 투약 이력, 혈액 검사 결과, 생체 지표, 임상 노트 등 방대한 표현형 정보를 담고 있습니다. 이러한 풍부한 데이터는 전장 유전체 연관 분석(GWAS)을 통해 수천 가지 질병과 유전적 변이 사이의 연관성을 밝히는 데 결정적인 역할을 합니다. 특히 다면발현 현상은 한 유전자가 여러 형질에 영향을 미치는 복잡한 메커니즘을 이해하는 핵심 열쇠가 됩니다. 하지만 인간의 복잡한 질병은 동일한 진단 아래에서도 환자마다 큰 이질성을 보입니다. 어떤 환자는 치료에 잘 반응하는 반면, 어떤 환자는 집중적인 관리가 필요하기도 합니다. 이러한 차이를 이해하기 위해 연구자들은 '책임 임계값 모델(Liability Threshold Model)'을 활용합니다. 이는 겉으로 드러나는 질병의 유무 뒤에 숨겨진 연속적인 유전적·환경적 소인을 상정하는 이론입니다. 잠재적인 질병 발생 가능성을 수치화함으로써, 단순히 환자와 대조군을 나누는 것보다 정밀한 위험 평가가 가능해집니다. 최근 발표된 LTPI(Liability Threshold Phenotype Integration) 연구는 이러한 책임 임계값 모델을 한 단계 더 발전시켰습니다. 기존에는 가족력 정보를 주로 활용하여 유전적 책임을 추정했다면, LTPI는 EHR에 담긴 다양한 비표적 형질 정보를 활용합니다. 목표로 하는 특정 질병뿐만 아니라 그와 연관된 다른 증상이나 검사 수치들을 종합적으로 고려하여 개인의 유전적 소인을 계산하는 방식입니다. 이를 통해 가족력 정보가 부족한 상황에서도 정교한 유전적 위험도 추정이 가능해졌습니다. 시뮬레이션을 통한 검증 결과, LTPI는 기존의 GWAS 분석이나 가족력 기반 모델에 비해 높은 통계적 검정력을 보여주었습니다. 특히 분석 대상인 목표 형질과 유전적으로 연관된 비표적 형질이 많을수록 분석의 정확도가 크게 향상되는 경향을 보였습니다. 또한, 실제 의료 현장에서 자주 발생하는 데이터 누락 문제에 대해서도 LTPI는 강점을 나타냈습니다. 무작위적인 데이터 결측뿐만 아니라 특정 조건에 따른 결측 상황에서도 기존 방식보다 안정적으로 유전적 연관성을 식별해낼 수 있음이 확인되었습니다. 실제 영국 바이오뱅크(UK Biobank) 데이터를 활용한 분석에서도 LTPI의 성능은 입증되었습니다. 수백 개의 이진 형질과 수십 개의 혈액 검사 수치를 통합하여 분석했을 때, 기존 방식보다 더 많은 유전적 신호를 포착할 수 있었습니다. 새롭게 발견된 유전자 변이들은 독립적인 다른 데이터 세트에서도 높은 부호 일관성을 보이며 재현성이 확인되었습니다. 이는 LTPI가 단순히 신호를 늘리는 것에 그치지 않고, 생물학적으로 신뢰할 수 있는 연관성을 안정적으로 찾아내고 있음을 의미합니다. 분석의 효율성 측면에서도 LTPI는 뛰어난 실용성을 갖추고 있습니다. 방대한 양의 영국 바이오뱅크 데이터를 분석하는 데에도 하루 이내의 시간이 소요될 만큼 계산 속도가 빠릅니다. 이는 복잡한 다중 형질 분석이 실제 대규모 코호트 연구에 즉각적으로 적용될 수 있음을 시사합니다. 다만, 유전적 상관관계 설정에 민감하게 반응한다는 점은 주의해야 합니다. 정확한 선행 연구 정보나 통계적 추정치를 기반으로 모델을 설정할 때 LTPI는 비표적 형질의 정보를 가장 효과적으로 흡수할 수 있습니다. 결론적으로 LTPI는 전자 의료 기록(EHR)의 풍부한 표현형 정보를 유전체 연구에 통합하는 강력한 도구입니다. 이 모델은 이분법적인 질병 진단을 넘어 연속적인 유전적 책임성으로의 패러다임 전환을 이끌어내고 있습니다. 향후 더 많은 비표적 형질과 정밀한 상관관계 데이터가 축적됨에 따라, LTPI는 개인 맞춤형 의학을 구현하는 데 핵심적인 역할을 할 것으로 기대됩니다. 데이터 기반의 정밀한 질병 위험 평가는 인류가 복잡한 질환의 메커니즘을 규명하고 새로운 치료 전략을 세우는 데 큰 보탬이 될 것입니다.

생물학연구정보센터학술웨비나

생명과학
뇌인지과학
융합