1. 개요
유전체 분석은 한 개체가 보유한 모든 유전자의 집합인 유전체를 연구하는 학문 분야이다.[4] 이는 단순히 개별 유전자의 정보를 파악하는 것에 그치지 않고, 유전자들 사이의 상호작용뿐만 아니라 유전자가 환경과 어떻게 반응하며 영향을 주고받는지에 대한 메커니즘을 포괄적으로 다룬다.[4] 분석의 핵심은 DNA에 저장된 생명체의 발달 및 활동 지침을 해독하는 과정에 있다.[4]
DNA는 두 개의 가닥이 서로 꼬여 있는 이중 나선 구조를 가진 화학 화합물로 구성된다.[4] 각 가닥은 뉴클레오타이드라고 불리는 네 가지 종류의 염기 단위로 이루어져 있으며, 이러한 분자 구조를 통해 생명체의 복잡한 정보가 전달된다.[4] 최근의 연구는 이러한 분자 수준의 정보를 바탕으로 생물학적 실험 데이터를 대규모로 생성하며 발전하고 있다.
유전체 분석은 임상 현장에서 유전 정보를 통합하여 활용하기 위해 필수적인 과정을 거친다.[2] 분석 과정에서는 데이터의 신뢰성을 확보하기 위해 분석적 검증과 임상적 검증에 대한 표준화된 기준이 요구된다.[2] 특히 유전체 데이터와 임상 데이터를 효과적으로 연결하는 기술은 정밀 의료를 구현하는 데 있어 핵심적인 역할을 수행한다.[1][2]
대규모 유전체 정보의 생성과 축적은 생물정보학 도구의 발달을 가속화하고 있다.[1] 이러한 기술적 진보는 바이오마커를 발굴하여 종양학 분야에서 환자 맞춤형 치료를 가능하게 하는 기반이 된다.[1] 방대한 양의 데이터를 처리하고 해석하는 능력은 현대 생명과학 연구의 성패를 결정짓는 중요한 요소로 작용한다.
2. 유전체 분석의 원리와 데이터 구조
디옥시리보핵산(DNA)은 거의 모든 생명체의 발달과 활동을 지시하는 데 필요한 정보를 포함하는 화학 화합물이다. 이 분자는 서로 꼬여 있는 두 개의 가닥이 쌍을 이루는 이중 나선 구조를 형성한다.[4] 각 가닥은 뉴클레오타이드의 구성 요소인 네 가지 염기 단위로 이루어져 있으며, 이러한 화학적 단위들이 배열되어 생명체의 설계도를 구성한다.
유전체 분석 과정에서는 단일 실험을 통해 방대한 양의 데이터 포인트를 생성한다. 이러한 대규모 유전체 정보는 임상 데이터와 연계되어 활용될 필요가 있으며, 분석의 신뢰성을 확보하기 위해서는 분석적 검증과 임상적 검증에 대한 표준화된 기준이 요구된다.[2] 생성된 데이터는 생물학적 현상을 수치화하여 보여주는 기초 자료가 된다.
실험을 통해 얻은 원시 데이터(Raw data)는 생물정보학적 기법을 통해 계산적 처리 과정을 거친다. 이 과정에서 바이오마커를 발견하거나 정밀 의료를 구현하기 위한 복잡한 데이터 구조가 형성된다.[1] 원시 상태의 정보는 다양한 생물정보학 도구를 활용한 정제 과정을 거쳐 유의미한 생물학적 지식으로 변환된다.
3. 주요 분석 기술 및 시퀀싱 과정
유전체 시퀀싱을 수행하기 위한 초기 단계에서는 중합효소 연쇄 반응을 통해 특정 DNA 구간을 증폭하거나, 벡터를 활용하여 대상 유전자를 삽입하는 기술이 사용된다.[7] 이러한 과정을 거쳐 준비된 시료는 BigDye Terminator 방식을 통해 염기서열 정보를 읽어낼 수 있다. 이 방식은 ABI PRISM 3130 DNA Analyzer와 같은 장비를 사용하여 분석이 진행되며, 과거부터 시퀀싱 기술의 기초를 형성해 왔다.[7]
Illumina 시퀀싱 기술을 통해 생성된 대규모 데이터는 다양한 생물정보학 분석법을 통해 해석된다. 전장 유전체 시퀀싱이나 전장 엑솜 시퀀싱 데이터의 경우, 생식세포 변이와 체세포 변이를 탐지하는 변이 호출 과정이 필수적이다.[6] 또한 복제수 변이 분석을 수행하거나 구조적 변이를 확인하기도 하는데, 구조적 변이의 경우 PacBio 데이터와 결합할 때 더욱 정밀한 분석이 가능하다.[6]
유전체 데이터 분석은 유전자의 기능적 상태를 파악하는 방향으로도 확장된다. RNA-Seq 데이터를 활용한 전장 유전자 발현 분석은 차등 발현 유전자를 식별하는 데 주로 사용되며, 소형 RNA 시퀀싱 데이터와 결합하여 분석할 수도 있다.[6] 이러한 분석은 유전체의 구조적 정보뿐만 아니라 생명체의 활동 상태를 나타내는 전사체 정보를 파악하는 데 핵심적인 역할을 한다.
분석의 목적에 따라 de novo 유전체 조립 기술이 적용되기도 한다. 이는 참조 유전체 없이 새로운 유전체 지도를 작성하는 과정으로, 이 역시 PacBio와 같은 기술을 병행하여 분석의 정확도를 높이는 것이 권장된다.[6] 이처럼 시퀀싱 기술은 단순한 염기서열 해독을 넘어, 변이 탐지와 발현량 측정, 그리고 복잡한 유전체 구조를 재구성하는 단계로 발전하고 있다.
4. 변이 및 구조적 분석 방법론
유전체-분석 데이터는 분석 범위에 따라 전장 유전체 시퀀싱와 엑솜 시퀀싱, 그리고 특정 유전자 패널 데이터를 활용하여 수행된다.[6] 이러한 데이터 분석 과정에서는 생식세포 변이와 체세포 변이를 구분하여 찾아내는 변이 호출 작업이 이루어진다. 또한 유전체의 특정 구간이 중복되거나 결실된 상태를 나타내는 복제수 변이 분석도 핵심적인 과정 중 하나이다.[6]
구조적 변이 분석은 유전체의 대규모 구조 변화를 파악하는 데 사용된다. 이러한 분석은 PacBio와 같은 기술을 통해 얻은 데이터와 결합할 때 더욱 효과적으로 수행될 수 있다.[6] 이와 더불어 de novo 방식의 유전체 조립 기술 역시 PacBio 데이터를 병행하여 활용함으로써 분석의 정밀도를 높인다.[6]
유전체 정보를 임상 현장에 적용하기 위해서는 분석적 검증과 임상적 검증을 위한 표준화된 기준에 대한 합의가 필요하다.[2] 특히 임상 데이터를 유전체 데이터베이스와 연계하는 과정은 정밀 의료를 구현하는 데 있어 중요한 요소로 다루어진다.[2] 이러한 데이터 통합 및 검증 체계는 바이오마커를 발굴하고 정밀 종양학을 발전시키는 기반이 된다.
5. 정밀 의료를 위한 바이오마커 발굴
정밀 종양학은 환자 개개인의 유전적 특성을 고려하여 최적의 치료법을 결정하는 의료 분야이다. 이를 실현하기 위해서는 유전체 데이터에서 질병의 상태나 치료 반응을 예측할 수 있는 바이오마커를 찾아내는 과정이 필수적이다. 최근에는 생물정보학 도구를 활용하여 방대한 유전체 정보 속에서 유의미한 지표를 탐색하는 연구가 활발히 진행되고 있다.[1] 이러한 도구들은 복잡한 데이터 세트 내에서 특정 유전자 변이나 분자적 특징을 식별하여 정밀 의료의 기반을 제공한다.
바이오마커를 발굴하는 과정에서는 분석적 검증과 임상적 검증 모두에 대한 표준화된 기준이 요구된다.[2] 유전체 정보가 실제 의료 현장에서 활용되기 위해서는 분석 결과의 신뢰성을 확보하는 것이 무엇보다 중요하다. 또한, 유전체 데이터베이스와 환자의 임상 데이터를 유기적으로 연결하는 체계가 구축되어야 한다. 이러한 데이터의 통합은 개별 환자의 병력과 유전적 소인을 결합하여 더욱 정밀한 분석을 가능하게 한다.
발굴된 바이오마커는 의료진의 임상적 의사결정 지원 시스템에 통합되어 치료 전략을 수립하는 데 사용된다. 이는 환자에게 가장 효과적인 표적 치료제를 선택하거나, 부작용 위험이 높은 약물을 사전에 배제하는 데 기여한다. 결과적으로 유전체 분석을 통한 바이오마커의 탐색은 단순한 데이터 해석을 넘어, 환자 맞춤형 개인 맞춤형 의료를 구현하는 핵심적인 단계로 기능한다.
6. 유전체 데이터베이스 및 정보 통합
대규모 유전체 정보를 임상 현장에 통합하기 위해서는 분석적 검증과 임상적 검증 모두에 대한 표준화된 기준이 마련되어야 한다.[2] 유전체 데이터가 실제 의료 현장에서 유의미하게 활용되기 위해서는 환자의 임상 데이터와 유전체 데이터베이스 간의 체계적인 연결이 필수적이다.[2] 이러한 통합 과정은 개별 환자에게 최적화된 의료 서비스를 제공하기 위한 기초 토대가 된다.
구조적 변이를 체계적으로 관리하기 위해 NCBI는 dbVar를 운영하고 있다. dbVar는 삽입, 결실, 중복, 역위, 이동성 요소 삽입, 전좌, 그리고 복잡한 염색체 재배열과 같은 다양한 형태의 유전체 구조적 변이 정보를 수집하고 제공하는 데이터베이스이다.[5] 연구자들은 이와 같은 전문화된 데이터베이스를 통해 특정 변이의 특성을 파악하고 분석할 수 있다.
2차 분석을 수행하는 과정에서는 목적에 부합하는 적절한 데이터셋을 검색하고 활용하는 능력이 요구된다. 유전체 데이터베이스는 유전자형과 표현형 사이의 상관관계를 규명하거나, 특정 질병과 관련된 생물학적 표지자를 발굴하기 위한 핵심적인 자원으로 기능한다.[5] 따라서 방대한 데이터 속에서 유의미한 정보를 추출하기 위해서는 고도화된 생물정보학적 접근과 데이터 통합 기술이 병행되어야 한다.