Massively parallel characterization and predictive modelling of neuronal regulatory variation

기술 요약: 신경세포 조절 변이의 대규모 병렬 특성 분석 및 예측 모델링

문제 정의
유전학의 중요한 과제 중 하나는 시스-조절 요소(cis-regulatory elements, CREs)에 존재하는 비부호화 변이(noncoding variants)의 기능적 결과를 이해하는 것이다. 대규모 이니셔티브를 통해 수백만 개의 후보 CRE가 목록화되었으나, 세포 유형 특이적인 조절 프로그램이 인코딩되는 정확한 메커니즘은 여전히 완전히 이해되지 않았다. 핵심적인 질문은 조절 변이의 기능적 영향이 인구 집단 내 대립유전자 빈도(allele frequency, AF)와 어떻게 연관되어 있는가 하는 점이다. 희귀 변이는 정화 선택(purifying selection)으로 인해 더 큰 효과를 가질 것이라고 흔히 가정되지만, 이 관계는 인구 통계학적 역사와 유전적 부동(drift)에 의해 혼란을 겪을 수 있다. 또한, 게놈 위치나 전사 인자 결합 부위(TFBS)에 기반한 현재의 계산 모델들은 불완전한 조의 조절 "문법(grammar)"을 제공한다. 따라서 관련 세포 맥락에서 조절 활성을 정량화하고, 활성 요소의 희소성을 평가하며, 단일 뉴클레오타이드 해상도에서 변이 효과를 예측하는 최첨단 모델의 능력을 평가할 수 있는 대규모 기능 분석이 필요하다.

연구 방법론
저자들은 WTC11 iPSC로부터 NGN2 유도로 분화된 인간 흥분성 뉴런을 대상으로 대규모 렌티바이러스 기반 대규모 병렬 리포터 분석(lentiMPRA)을 수행하였다.

• 라이브러리 설계: 본 연구는 525개의 질병 관련 유전자(신경학적, 심장 관련 및 임상적으로 실행 가능한 유전자)와 25개의 무작위 유전자를 표적으로 하였다. 이들 로커스(loci)로부터, ENCODE SCREEN v3 레지스트리 내의 전사 시작 부위(TSS)로부터 50 kb 이내에 위치한 27,209개의 고유한 게놈 영역(cCREs)을 선정하였다.
• 변이 선정: 라이브러리는 gnomAD v3.1.2로부터 추출한 자연 발생 단일 염기 변이(SNVs) 46,374개를 포함하였다. 여기에는 22,000개 이상의 흔한 변이(AF > 1%)와 24,000개 이상의 희귀 및 싱글톤(singleton) 변이가 포함되었다. 희귀 변이는 크로마틴 접근성에 미치는 예측되는 활성화 또는 억제 효과를 풍부하게 하기 위해 Enformer 기반 전략을 사용하여 우선순위를 정하였으며, 편향되지 않은 대조군 역할을 할 무작위 샘플 하위 집합도 함께 포함하였다.
• 실험 실행: 서열(270 bp oligo)을 합성하여 고유한 바코드가 포함된 렌티바이러스 리포터 구조체에 클로닝한 후, NGN2 유도 NGN2 유래 뉴런에 세 번의 생물학적 반복 실험을 통해 형질 전환하였다. 조절 활성은 RNA 대비 DNA 바코드 비율을 통해 정량화되었다.
• 분석 및 모델링: 저자들은 대립유전자 빈도와 돌연변이 클래스에 따라 층화하여 BCalm으로 대립유전자 효과를 분석하였다. 또한 에피게놈 주석(ENCODE SCREEN v4) 및 전사 인자 결합(ReMap2022)을 벤치마킹하였다. 마지막으로, 여러 서열-기능 모델(Enformer, AlphaGenome, CADD, 그리고 세포 유형과 일치하는 NGN2 chromBPNet)을 사용하여 MPRA 데이터에 대한 예측 성능을 평가하였다. 또한, MPRA 데이터셋에 대해 AlphaGenome 인코더를 미세 조정(fine-tuning)하여 전이 학습(transfer learning) 능력을 평가하였다.

주요 결과

• 조절 활성 및 희소성: 테스트된 cCRE 중 극소수만이 스크램블드(scrambled) 대조군 대비 유의미한 활성을 보였다(2.1% 증가, 4.8% 감소). 그러나 뇌 cCRE로 주석 처리된 요소들은 활성에서 농축되었으며, 활성화와 억제 효과가 거의 균형 잡힌 분포를 보였다. 반면, 뇌 주석이 없는 요소들은 이 뉴런 맥락에서 전사 억제 쪽으로 강하게 편향되었다.
• 대립유전자 빈도와 기능적 영향: 유의미한 대립유전자 효과는 전체 대립유전자 빈도 스펙트럼(흔한 변이, 희귀 변이, 싱글톤) 전반에 걸쳐 유사한 비율(~2.6–3.0%)로 검출되었다. 싱글톤에서 매우 흔한 변이로 갈수록 활성화 변이의 비율이 완만하게 단조 감소하는 경-향을 보였으나, 효과 크기의 크기는 대립유전자 빈도에 강한 의존성을 보이지 않았다. 이는 인구 집단 빈도가 측정 가능한 MPRA 효과 내에서의 개별 변이당 조절 영향에 대해 제한적인 정보만을 제공함을 시사한다. 즉, 인구 빈도는 개별 변이의 조절 영향을 예측하는 데 있어 강력한 지표가 되지 못한다.
• 맥락 의존성: 변이 효과의 검출 가능성과 특성은 대립유전자 빈도 자체보다는 해당 변이를 포함하는 기본 활성 조절 요소와 국소 서열 맥락에 의해 결정되었다. 낮은 활성을 가진 요소의 변이는 증가하는 효과를 보일 가능성이 높았던 반면, 높은 활성을 가진 요소의 변이는 감소하는 효과를 보였다.
• 전사 인자 구조: 조절 효과는 소수의 마스터 조절자에 집중되지 않고 수많은 전사 인자에 걸쳐 분포하였다. 농축 분석 결과, 뇌 주석이 있는 활성 요소에서는 신경 발달 조절 인자(예: SOX4, ASCL1, PAX6)가 식별된 반면, 비 뇌 주석 요소들은 코어프레서(corepressor) 복합체와 연관되어 있었다.
• 모델 성능: 최첨단 서열 모델(Enformer, AlphaGenome)은 모든 변이에 대해 유의미한 대립유전자 효과를 예측하는 데 있어 완만한 식별력(ROC-AUC ~0.57–0.58)을 보였다. 성능은 활성 요소(dCREs) 내의 변이로 제한하거나 세포 유형이 일치하는 모델(NGN2 chromBPnet)을 사용할 때 향상되었다. 결정적으로, MPRA 데이터에 대해 AlphaGenome 인코더를 미세 조정했을 때 성능이 크게 향고(ROC-AUC ~0.78–0.81)되었으며, 이는 사전 학습된 서열 표현형이 MPRA 특이적 신호에 효과적으로 적응될 수 있음을 입증한다.

의의 및 주장
저자들은 인간 흥분성 뉴런에서의 대규모 기능적 변이 카탈로그를 구축하여, 비부호화 조절 변이 모델을 평가하기 위한 벤치마크를 제공한다. 본 연구의 주장은 다음과 같다:

1. 빈도는 약한 대리 지표임: 인구 집단 대립유전자 빈도는 개별 변이의 조절 영향에 대해 제한적인 정보를 담고 있으며, 국소적 조절 맥락이 효과의 검출 가능성을 예측하는 더 강력한 예측 인자이다.
2. 조합적 구조: 신경 세포의 조절 변이는 소수의 지배적인 조절자가 아닌, 많은 전사 인자를 포함하는 조합적 인핸서 구조를 따른다.
3. 모델의 한계와 잠재력: 범용적인 서열 모델들은 기능적 변이에 대해 완만한 농축을 보여주지만, 세포 유형 매칭 및 작업 특화 미세 조정을 통해 성능이 크게 향상된다.
4. 자원의 유용성: 이 데이터셋은 미세 매핑된 eQTL 및 GWAS 신호와 겹치는 변이들을 대상으로 한 표적 CRISPR 섭동(perturbation) 및 대립유전자 특이적 발현 분석을 위한 기계적 후속 연구의 자원으로 활용될 수 있다.

본 논문은 서열 모델과 에피게놈 주석이 가치 있는 휴리스틱(heuristics)이지만, 질병 관련 세포 시스템에서의 미세한 대립유전자 효과를 해결하고 차세대 맥락 인식 예측 모델을 훈련하기 위해서는 대규모 기능 분석이 필수적이라고 결론짓는다.