Short-read 기반 범유전체(pangenome)의 구축과 집단유전학 및 보전유전체학에서의 활용 가능성
현대 유전학 연구에서 단일 개체의 참조 유전체(Reference Genome)만으로는 한 종의 전체 유전적 다양성을 충분히 담아내기 어렵다는 한계가 제기되어 왔습니다. 이를 극복하기 위해 등장한 개념이 바로 '범유전체(Pangenome)'입니다. 범유전체는 모든 개체가 공통으로 가진 핵심 유전체와 특정 개체나 집단에서만 나타나는 부가 유전체를 모두 포함합니다. 특히 부가 유전체는 환경 적응이나 종 분화와 관련된 중요한 정보를 담고 있어, 멸종위기종 보호와 같은 보전유전체학 분야에서 그 가치가 매우 높게 평가됩니다. 기존의 선형 참조 유전체를 사용할 때는 '참조 편향(Reference Bias)'이라는 문제가 발생합니다. 참조 유전체에 존재하지 않는 특정 개체의 유전 서열은 분석 과정에서 누락되거나 잘못 정렬될 가능성이 크기 때문입니다. 하지만 범유전체를 활용하면 한 종의 전체 유전자 풀(Gene Pool)을 분석에 반영할 수 있습니다. 이는 기존 방식으로는 포착하기 어려웠던 부가적인 유전 변이들을 확보할 수 있게 하며, 결과적으로 유전체 분석의 정확도와 해상도를 획기적으로 높여주는 장점이 있습니다. 범유전체는 크게 선형 구조와 그래프 구조로 나뉩니다. 특히 그래프 범유전체는 인델(Indel)이나 구조 변이(Structural Variation)와 같은 복잡한 유전적 형태를 표현하는 데 매우 효율적입니다. 노드와 엣지를 활용한 그래프 구조는 같은 유전적 위치에 존재하는 여러 개의 대립유전자를 '버블' 형태로 한꺼번에 시각화할 수 있게 해줍니다. 비록 구조화 과정에서 계산 비용이 다소 발생한다는 단점은 있지만, 유전체의 복잡한 변이들을 누락 없이 정교하게 담아낼 수 있다는 점에서 그 중요성이 점차 커지고 있습니다. 지금까지 그래프 범유전체 구축에는 긴 서열을 읽어내는 롱 리드(Long-read) 방식이 표준으로 여겨져 왔습니다. 하지만 롱 리드 방식은 높은 비용과 고품질 시퀀싱 샘플을 요구한다는 현실적인 제약이 따릅니다. 반면 숏 리드(Short-read) 방식은 서열 길이는 짧지만 정확도가 높고 비용이 저렴하며, 다소 품질이 낮은 샘플로도 분석이 가능하다는 강점이 있습니다. 따라서 예산이 한정적인 보전 연구 현장에서는 숏 리드를 활용한 범유전체 구축이 롱 리드 방식의 강력하고 효율적인 대안으로 주목받고 있습니다. 본 연구에서는 메타지놈 분석 기법과 반복적 정렬 조립 방식을 결합한 새로운 숏 리드 기반 범유전체 구축 파이프라인을 제안합니다. 먼저 모든 개체에서 얻은 리드들을 통합하여 어셈블리를 수행하고, 기존 참조 유전체에 정렬되지 않는 '미정렬 리드'들을 선별하여 부가적인 유전체 정보를 추출합니다. 이후 최신 바이오인포매틱스 도구인 VG나 Minigraph-Cactus를 활용해 이를 그래프 구조로 전환합니다. 이러한 흐름은 숏 리드만으로도 충분히 정교한 선형 및 그래프 범유전체를 구축할 수 있음을 보여줍니다. 금화조(Zebra Finch) 데이터를 이용한 벤치마킹 결과, 숏 리드 기반 범유전체는 롱 리드 방식과 비교했을 때도 집단 유전학 분석에서 상당히 신뢰할 만한 결과를 도출했습니다. 뉴클레오타이드 다양성이나 집단 구조 분석에서 기존 방식과 일관된 경향성을 보였으며, 특히 그래프 구조를 활용했을 때 더 많은 구조 변이를 효과적으로 포착할 수 있었습니다. 이는 숏 리드 범유전체가 실제 연구 현장에서 유전적 다양성을 평가하고 적응 프로파일을 확인하는 데 실질적인 도구로 사용될 수 있음을 입증한 것입니다. 범유전체 기술은 앞으로 종 수준을 넘어 속이나 과 단위의 '슈퍼 범유전체'로 확장될 것이며, 이는 종 분화나 하이브리드 연구에 새로운 지평을 열어줄 것입니다. 비록 아직 표준화된 절차 확립이나 높은 계산 자원 요구와 같은 과제가 남아있지만, 범유전체는 구조적 변이를 활용하는 새로운 참조 시스템으로 자리매김할 것입니다. 자원이 한정된 환경이나 멸종위기종 연구에서 숏 리드 기반 범유전체가 활발히 도입된다면, 더욱 정교하고 실질적인 생물 다양성 보전 전략을 수립하는 데 큰 기여를 할 것으로 기대됩니다.
