Bias in diversity estimators and neutrality tests induced by neutral polymorphic structural variants

이 논문은 중립적 다형성 구조 변이 (SV) 가 연관된 유전체 영역에서 단일염기 다형성의 빈도 스펙트럼이 왜곡되어 다양성 추정치와 중립성 검정에 편향이 발생함을 분석하고, 이를 보정하는 방법을 제시합니다.

핵심

이 논문은 유전학을 공부하는 사람들이 흔히 사용하는 '유전적 다양성 측정 도구'들이 왜 때때로 잘못된 결론을 내는지, 그리고 그 원인이 무엇인지 설명하는 흥미로운 연구입니다.

비유를 들어 쉽게 설명해 드릴게요.

1. 문제 상황: "잘못된 자"로 재단한 옷

유전학자들은 DNA 서열을 분석할 때 Tajima's D나 Watterson's theta 같은 '측정 도구'를 사용합니다. 이 도구들은 마치 표준 체형 (평균적인 사람) 을 기준으로 만든 자와 같습니다.

• 기본 가정: 이 자들은 "우리가 보는 DNA 변이들은 모두 무작위로, 평범하게 일어났다"는 전제하에 설계되었습니다.
• 문제: 하지만 우리 몸속에는 **구조적 변이 (SV, Structural Variants)**라는 것이 있습니다. 이는 DNA 가 잘리거나 (Deletion), 붙거나 (Insertion), 뒤집히거나 (Inversion), 다른 종에서 넘어온 것 (Introgression) 입니다.
• 비유: 만약 우리가 이 '표준 자'로 거인이나 왜소증 환자의 키를 재면 어떨까요? 자는 "이 사람은 평균보다 훨씬 크거나 작다"고 말하겠지만, 사실은 그 사람의 키가 원래 그렇게 큰 게 아니라, 측정 대상이 가진 특수한 구조 (거인/왜소) 때문일 수 있습니다.

이 논문은 바로 이 **"구조적 변이 (SV) 가 있는 부위에서 표준 자를 쓰면 왜 오차가 발생하는지"**를 수학적으로 증명하고, 그 오차를 어떻게 고칠지 제안합니다.

2. 핵심 메커니즘: "동반 여행"의 효과

왜 이런 오차가 생길까요? **완전 연결 (Complete Linkage)**이라는 개념 때문입니다.

• 상황: DNA 상에서 특정 변이 (SV) 가 발생하면, 그 주변에 있는 작은 유전자 변이들 (SNP) 도 그 SV 와 떼어낼 수 없이 함께 유전됩니다. 마치 친구 (SV) 가 여행을 갈 때, 그 친구의 가방 (주변 DNA) 을 모두 챙겨가는 것과 같습니다.
• 결과: 만약 그 친구 (SV) 가 집단에서 아주 흔하다면, 그 친구의 가방에 들어있는 모든 물건 (변이) 도 흔해집니다. 반대로 그 친구가 드물다면, 가방 안 물건들도 드뭅니다.
• 오차의 원인: 연구자들은 "이 주변 변이들이 무작위로 생겼다"고 가정하고 측정하지만, 실제로는 SV 의 빈도 (얼마나 흔한지) 에 따라 변이들의 분포가 왜곡되어 있습니다. 마치 "친구가 많아서 가방이 많은 것"을 "가방 자체가 원래 많았던 것"으로 오해하는 것과 같습니다.

3. SV 의 종류에 따른 다른 영향 (다양한 캐릭터)

논문은 SV 의 종류에 따라 왜곡되는 방식이 다르다고 설명합니다.

• 역위 (Inversion, 뒤집힘):
  • 비유: 책장을 뒤집어 놓은 상태입니다. 책장 안의 내용 (DNA) 은 모두 존재하지만, 순서가 바뀐 두 가지 버전이 공존합니다.
  • 영향: 중간 빈도의 역위가 있으면, 마치 중간 크기의 변이들이 갑자기 많아진 것처럼 보여 유전적 다양성을 과대평가하게 만듭니다.
• 결실 (Deletion, 잘림):
  • 비유: 책장 한 페이지가 뚫려서 사라진 상태입니다.
  • 영향: 사라진 부분의 변이들은 아예 볼 수 없으므로, 유전적 다양성이 실제보다 적게 측정됩니다.
• 삽입 (Insertion, 붙임):
  • 비유: 책장 사이에 새로운 페이지가 끼워진 상태입니다.
  • 영향: 새로 끼워진 페이지는 아직 변이가 적게 쌓였을 가능성이 높으므로, 유전적 다양성이 실제보다 적게 측정됩니다.
• 도입 (Introgression, 이주):
  • 비유: 완전히 다른 나라에서 온 새로운 책이 끼워진 상태입니다.
  • 영향: 원래 책과 다른 나라 책의 차이가 너무 커서, 유전적 다양성이 터무니없이 크게 측정됩니다.

4. 연구의 결론과 해결책

이 논문은 다음과 같은 중요한 점을 말합니다:

1. 중립성 테스트의 실패: 우리가 "자연선택이 일어났는가?"를 판단하는 테스트 (Tajima's D 등) 를 할 때, SV 가 있는 부위에서는 실제로는 자연선택이 없어도 (중립이어도) "선택이 일어났다"는 거짓 신호를 받을 수 있습니다.
2. 해결책 제시: 연구자들은 SV 의 빈도와 종류를 알고 있다면, 왜곡된 자를 보정하는 새로운 공식을 만들 수 있음을 증명했습니다.
   • 즉, "아, 이 부위는 역위가 있어서 자가 왜곡되었구나. 그럼 이 수치를 보정해서 다시 계산하자"라고 할 수 있게 된 것입니다.

요약

이 논문은 **"유전적 구조적 변이 (SV) 가 있는 부위에서는 기존의 유전적 다양성 측정법이 속아 넘어가 잘못된 결론을 낼 수 있다"**는 사실을 밝히고, **"SV 의 특성을 고려하여 측정법을 수정하면 정확한 결과를 얻을 수 있다"**는 해결책을 제시한 연구입니다.

마치 거인 나라에서 키를 재려면 거인용 자를 써야 하듯, 유전체 분석에서도 SV 가 있는 부위에는 그 부위에 맞는 '보정된 자'를 사용해야만 진짜 유전적 현상을 제대로 볼 수 있다는 메시지를 전달합니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 기존 방법론의 한계: 유전적 다양성 추정치 (Watterson's $\theta_W$, 뉴클레오타이드 다양성 $\pi$) 와 중립성 검정 (Tajima's $D$, Fay and Wu's $H$) 은 주로 **사이트 빈도 스펙트럼 (Site Frequency Spectrum, SFS)**에 기반합니다. 이러한 통계량들은 표준 중립 모델 (Standard Neutral Model) 에서 기대되는 SFS 를 기준 (Baseline) 으로 해석되도록 설계되었습니다.
• 구조 변이 (SV) 의 영향: 그러나 유전체 내 **다형성 구조 변이 (Polymorphic Structural Variants, SV)**가 존재하는 영역에서는 이 가정이 깨집니다. SV 와 완전히 연관 (Complete Linkage) 된 중립적 변이들은 SV 의 진화 역사와 독립적이지 않습니다.
• 핵심 문제: SV 의 빈도 (Frequency) 가 고정되거나 표본에 특정 개수로 존재할 때, 이는 연관된 중립 변이들의 계통 발생 (Genealogy) 을 조건화 (Conditioning) 하여 SFS 를 왜곡시킵니다. 그 결과, 중립적 상황에서도 표준 SFS 기반 추정치와 검정 통계량이 체계적인 편향 (Bias) 을 보이게 되며, 이는 SV 의 유형 (역위, 결실, 삽입, 유입) 과 빈도에 따라 크게 달라집니다. 기존 연구는 주로 역위 (Inversion) 와 같은 강한 선택을 받는 SV 에 집중했으나, 중립적으로 진화하는 SV에 대한 편향 분석은 부족했습니다.

2. 방법론 (Methodology)

• 가정:
  • 중립적으로 진화하는 개체군에서 $n$개의 하플로타입을 샘플링.
  • 이형접합 (Biallelic) SV 가 개체군 빈도 $f$ (또는 표본 내 개수 $i$) 로 존재.
  • 완전한 연관 (Complete Linkage): 분석 대상 부위는 SV 대립유전자와 완벽하게 연관되어 있어, 각 하플로타입이 SV 배경 (Ancestral 또는 Derived) 에 속하는지 명확히 구분됨.
• 이론적 유도:
  • 조건부 SFS 유도: SV 의 존재와 빈도 ($i$) 를 조건으로 할 때, 연관된 중립 단일염기 다형성 (SNV) 의 기대되는 SFS 를 분석적으로 유도했습니다.
  • 5 가지 하위 스펙트럼 분류: 돌연변이와 SV 대립유전자의 관계를 기반으로 5 가지 범주로 분류하여 수식을 도출했습니다.
    1. Strictly Nested (sn): 파생 SV 대립유전자를 가진 서열의 부분집합에만 존재.
    2. Co-occurring (co): 파생 SV 대립유전자를 가진 모든 서열에 존재.
    3. Enclosing (en): 파생 SV 대립유전자가 돌연변이를 가진 서열의 부분집합에만 존재.
    4. Complementary (cm): 각 서열이 돌연변이 또는 파생 SV 대립유전자 중 하나만 가짐.
    5. Strictly Disjoint (sd): 파생 SV 대립유전자를 가지지 않은 서열의 부분집합에만 존재.
• SV 유형별 모델링:
  • 역위 (Inversions): 양쪽 배열 (Arrangement) 모두에서 돌연변이가 관찰 가능하므로 위 5 가지 성분이 모두 포함됨.
  • 결실 (Deletions): 결실된 영역은 조상 SV 배경 (Ancestral background) 에만 존재하므로, 생존한 $n-i$개의 서열 내에서만 스펙트럼이 형성됨 (주로 'sd' 및 'en' 성분).
  • 삽입 (Insertions): 삽입된 고유 서열은 파생 SV 배경 (Derived background) 에만 존재하므로, $i$개의 삽입 서열 내에서만 스펙트럼이 형성됨 (주로 'sn' 성분).
  • 유입 (Introgressions): 이주된 배경은 공통 조상으로부터 더 깊은 분기 (Divergence) 를 가지며, 내부 (Internal) 와 외부 (External) 성분을 포함하고 고정된 차이 (Fixed differences) 를 추가함.

3. 주요 기여 (Key Contributions)

1. 정확한 분석적 기대값 도출: 역위, 결실, 삽입, 유입 등 4 가지 주요 SV 유형에 대해, 중립적 SNV 의 **조건부 SFS (Conditional SFS)**에 대한 정확한 수학적 공식을 처음 제시했습니다.
2. 편향의 정량화: 유도된 SFS 를 바탕으로 표준 다양성 추정치 ($\theta_W, \pi$) 와 중립성 검정 ($D, H$) 에 발생하는 편향을 SV 의 빈도와 유형에 따라 정량화했습니다.
3. 편향 보정 방법 제안: SV 의 존재와 빈도를 고려하여 편향 없는 (Unbiased) 다양성 추정치와 중심화된 (Centered) 중립성 검정을 구축하는 방법론을 제안했습니다.

4. 주요 결과 (Results)

• 다양성 추정치 ($\theta_W, \pi$) 의 편향:
  • 역위 및 유입: 중간~높은 빈도의 SV 가 존재할 경우, 배경 간의 분기 (Divergence) 로 인해 유전적 다양성 추정치가 **과대평가 (Upward Bias)**되는 경향이 있습니다. 특히 역위는 높은 빈도에서 $\pi$가 감소할 수 있으나, $\theta_W$는 여전히 높게 나타납니다.
  • 결실 및 삽입: 표준 기준에 비해 추정된 다양성이 **감소 (Downward Bias)**합니다. 이는 결실 (고빈도) 과 삽입 (저빈도) 에서 특히 두드러집니다. 이는 해당 영역에서 관찰 가능한 서열의 수가 줄어들거나, 특정 배경에서만 변이가 발생하기 때문입니다.
• 중립성 검정 (Tajima's $D$, Fay and Wu's $H$) 의 편향:
  • 역위 및 유입: 중간 빈도에서는 중간 빈도 변이의 과잉으로 인해 $D$와 $H$가 **양수 (Positive)**로 편향됩니다. 반면, 높은 빈도에 도달하면 희귀 조상 대립유전자의 과잉으로 인해 **음수 (Negative)**로 이동합니다.
  • 결실 및 삽입: 이론적으로는 삽입이 인구 증가 (Expansion), 결실이 인구 감소 (Contraction) 와 유사한 스펙트럼을 만들어 $D$와 $H$에 영향을 줄 것으로 예상되었으나, 실제 분석 결과 이들 검정 통계량은 SV 에 의해 크게 영향을 받지 않고 (Approximately centered) 중립적으로 유지되는 것으로 나타났습니다. 이는 SFS 의 모양 변화가 검정 통계량의 계산 방식 (두 추정치의 차이) 에 의해 상쇄되기 때문입니다.
• 시각화: 다양한 SV 빈도 ($k$) 와 샘플 크기 ($n=20$) 에 따른 SFS 와 편향 비율을 그래프로 제시하여, SV 유형에 따라 편향 패턴이 어떻게 달라지는지를 명확히 보여주었습니다.

5. 의의 및 결론 (Significance)

• SV 의 영향 규명: 중립적 SV 가 유전체 분석에서 중립성 검정과 다양성 추정에 미치는 체계적인 왜곡 효과를 이론적으로 규명했습니다. 이는 SV 가 강한 선택을 받지 않더라도 유전체 분석 결과를 왜곡할 수 있음을 보여줍니다.
• 실용적 적용: 연구진은 SV 를 고려한 보정된 추정치 (SV-aware estimators) 를 제안했습니다. 이를 통해 SV 가 존재하는 영역에서도 왜곡되지 않은 유전적 다양성 추정과 정확한 중립성 검정이 가능해집니다.
• 향후 연구 방향:
  • 완전한 연관 (Complete Linkage) 가정을 완화하고 재조합 (Recombination) 을 고려한 확장.
  • 다대립유전자 (Multi-allelic) SV 및 복잡한 SV 클러스터 모델링.
  • SV 에 대한 자연선택이 작용하는 경우의 조건부 SFS 분석.
  • 인구통계학적 역사 (Population size change) 를 포함한 더 일반적인 모델 적용.

이 논문은 구조 변이를 무시하고 수행되는 많은 유전체 분석의 잠재적 오류를 지적하고, 이를 보정하기 위한 엄밀한 통계적 틀을 제공한다는 점에서 진화유전학 및 유전체학 분야에서 중요한 의의를 가집니다.