Genetic regulation of cell type-specific chromatin accessibility shapes immune function and disease risk

본 연구는 1,000 명 이상의 기증자로부터 유래한 350 만 개의 인간 면역 세포에 대한 포괄적인 단일 세포 크로마틴 접근성 지도를 제시하며, 세포 유형별 caQTL 을 다중 오믹스 데이터와 통합하는 것이 기존 접근법보다 질병 관련 조절 메커니즘 및 유전자 네트워크 식별을 크게 향상시킨다는 것을 밝혀냈습니다.

핵심

당신의 몸의 면역 체계를 거대하고 북적이는 도시로 상상해 보세요. 이 도시 안에는 경찰관, 소방관, 건설 작업대 등 각자 특정 업무를 수행하는 수백만 명의 작은 일꾼 (면역 세포) 들이 있습니다. 그들은 업무를 수행하기 위해 거대한 지침서 (DNA) 를 읽어야 합니다. 그러나 이 지침서는 요새 안에 잠겨 있으며, 일꾼들은 요새의 문이 열려 있을 때만 지침을 읽을 수 있습니다.

이 논문은 어떤 문이 열려 있고, 어떤 문이 닫혀 있으며, 그 문을 여는 열쇠를 누가 들고 있는지를 정확히 보여주는 거대하고 고해상도의 지도와 같습니다.

연구자들이 발견한 내용을 간단히 설명해 드리겠습니다.

1. 거대한 지도: 문 열기

연구자들은 1,000 명 이상의 사람들로부터 350 만 개의 개별 면역 세포를 분석했습니다. 그들은 특수 카메라 (단일 세포 ATAC-seq) 를 사용하여 모든 개별 세포의 DNA 요새 내 '문' (크로마틴) 의 스냅샷을 촬영했습니다.

• 발견: 그들은 열 수 있는 거의 441,000 개의 서로 다른 문 (피크) 을 발견했습니다.
• 반전: 한 종류의 일꾼 (예: 단핵구) 에서 문이 열려 있다고 해서 다른 일꾼 (예: T 세포) 에서도 열려 있는 것은 아닙니다. 사실, 이러한 문들의 **60%**는 오직 한 종류의 세포에만 특이적입니다. 소방서는 존재조차 모를 경찰서의 비밀 출입구와 같은 상황입니다.

2. 열쇠: 유전적 변이 (QTL)

왜 어떤 문은 어떤 사람에게는 열려 있고 다른 사람에게는 닫혀 있을까요? 그 답은 우리의 유전 코드, 즉 우리의 '지침서'에 있는 오타나 변이에 있습니다. 연구자들은 문이 열려 있는지 닫혀 있는지를 결정하는 243,000 개의 특정 유전적 열쇠 (caQTL 이라고 함) 를 발견했습니다.

• 비유: '단핵구' 문 자물쇠에만 맞는 열쇠를 상상해 보세요. 만약 당신이 그 열쇠를 가지고 있다면, 당신의 단핵구는 지침을 읽을 수 있습니다. 그렇지 않다면 그 문은 닫혀 있게 됩니다.
• 희귀 열쇠: 그들은 또한 소수의 사람만 가진 매우 희귀한 열쇠 (희귀 유전 변이) 도 살펴보았습니다. 그들은 이러한 희귀 열쇠가 특정 자물쇠를 고장 내어 문이 열리지 못하게 하고, 중요한 유전자 (면역 공격을 조절하는 데 도움을 주는 CLEC2D와 같은 유전자) 의 발현 감소와 같은 문제를 초래할 수 있음을 발견했습니다.

3. 점 연결하기: 문에서 업무로

열려 있는 문을 찾는 것은 좋지만, 그것이 실제로 무엇을 하는 것일까요? 연구자들은 이러한 열린 문들을 그들이 통제하는 특정 업무 (유전자) 와 연결했습니다.

• 다리: 그들은 '공위치 (colocalization)'라는 방법을 사용하여, 문을 여는 동일한 유전적 열쇠가 유전자의 출력도 변화시키는지 확인했습니다.
• 결과: 그들은 31,688 개의 문을 11,665 개의 유전자와 연결했습니다. 이는 특정 문이 열려 있을 때 지침서의 어떤 지침이 읽히고 있는지를 정확히 알려줍니다.
• 놀라운 사실: 때로는 같은 문이 두 가지 다른 세포 유형에서 열리지만, 그 문을 여는 열쇠는 다를 수 있습니다! 한 세포 유형에서는 열쇠 A 가 문을 열고, 다른 세포 유형에서는 열쇠 B 가 같은 문을 엽니다. 이는 동일한 지침이 도시의 다른 지역에서 다른 사람들에 의해 통제될 수 있음을 의미합니다.

4. 질병의 수수께끼 풀기

수년 동안 과학자들은 심장병이나 당뇨병과 같은 질병과 연결된 수천 개의 유전적 '오타'를 발견했지만, 이러한 오타가 어떻게 질병을 유발하는지는 알지 못했습니다. 이를 '결손된 조절 (missing regulation)' 문제라고 합니다.

• 옛 방법: 과학자들은 과거에 유전자가 켜지거나 꺼지는 방식 (발현) 만을 살펴보았습니다. 그들은 이것이 질병 연결의 약 **20%**만 설명할 수 있음을 발견했습니다.
• 새 방법: 대신 '문' (크로마틴 접근성) 을 살펴봄으로써, 그들은 이전에 보이지 않았던 질병 연결을 4.5% 에서 22.6% 더 발견했습니다.
• 비유: 공장이 왜 자동차 생산을 멈췄는지 파악하려고 노력한다고 상상해 보세요. 만약 조립 라인 (유전자 발현) 만 본다면, 정문 (크로마틴) 이 잠겨 있다는 사실을 놓칠 수 있습니다. 문을 확인함으로써 그들은 공장이 멈춘 진짜 이유를 발견했습니다.

5. 세포의 '노화'

연구자들은 면역 세포가 '노화'되거나 성숙해짐에 따라 (예: 초보 경찰관이 베테랑이 되는 것처럼) 유전적 열쇠가 다르게 작용한다는 점도 발견했습니다.

• 동적 열쇠: 유전적 열쇠는 젊은 세포에서는 문을 열지 못할 수 있지만, 세포가 더 나이가 들고 경험이 풍부해지면 그 동일한 열쇠가 갑자기 문을 활짝 엽니다. 이는 일부 유전적 위험이 세포가 특정 성숙 단계에 도달했을 때만 나타날 수 있음을 시사합니다.

6. 더 나은 청사진 구축

마지막으로, 그들은 이 데이터를 사용하여 도시의 일꾼들이 서로 어떻게 소통하는지 (유전자 조절 네트워크) 에 대한 더 나은 지도를 구축했습니다.

• 업그레이드: 이전 지도는 같은 방에 서 있는 사람을 기반으로 누가 누구와 대화하는지 추측하는 것이었습니다. 이 새로운 지도는 실제로 누가 책임자인지를 증명하는 유전적 열쇠를 사용합니다.
• 결과: 그들은 이전에 아무도 몰랐던 '상사' (전사 인자) 와 '일꾼' (표적 유전자) 사이의 128 개의 새로운 연결을 발견했습니다. 이러한 상사 중 일부는 기존 약물의 표적이므로, 이 지도가 의사가 올바른 '상사'를 표적으로 삼아 질병을 치료하는 새로운 방법을 찾는 데 도움이 될 수 있음을 시사합니다.

요약

간단히 말해, 이 논문은 우리 유전자가 면역 세포 내의 '문'을 어떻게 통제하는지에 대해 지금까지 만들어진 가장 상세한 지도를 만들었습니다. 이는 다음을 보여줍니다:

1. 맥락이 중요합니다: 유전적 열쇠는 특정 세포 유형에서만 작동합니다.
2. 거리가 중요합니다: 열쇠는 통제하는 유전자에서 멀리 떨어진 문을 열 수 있습니다.
3. 찾아낸 누락된 조각: 이 지도는 이전 지도들이 놓친 많은 질병 위험을 설명합니다.
4. 동적 변화: 세포가 성장하고 성숙함에 따라 우리 유전자의 영향은 변합니다.

이 연구는 우리가 왜 아픈지, 그리고 우리의 독특한 유전적 구성이 면역 체계의 일상적인 운영을 어떻게 형성하는지 이해하기 위한 강력한 새로운 도구를 제공합니다.

기술 요약

기술적 요약: 세포 유형별 크로마틴 접근성의 유전적 조절이 면역 기능과 질병 위험을 형성함

문제 제기
비코딩 유전적 변이가 복잡한 질병 위험에 미치는 영향을 이해하는 것은 인간 유전체학에서 여전히 핵심적인 과제입니다. 전장 유전체 연관 분석 (GWAS) 이 수천 개의 위험 유전자좌를 식별해 왔지만, 대부분이 비코딩 영역에 위치하여 그 조절 기전이 해결되지 않은 채 남아 있습니다. 대량 발현 정량 형질좌 (eQTL) 에 의존하는 기존 접근법은 종종 세포 유형별 효과를 탐지할 민감도가 부족하여, 많은 GWAS 신호에 해당하는 조절 주석이 부재하는 '누락된 조절 (missing regulation)' 문제를 초래합니다. 또한, 기존 크로마틴 접근성 QTL(caQTL) 지도는 작은 표본 크기, 낮은 해상도, 그리고 매칭된 전장 유전체 시퀀싱 (WGS) 부재로 제한되어 면역 세포에서 원거리 조절 효과와 희귀 변이 기여를 매핑하는 능력을 제약했습니다.

방법론
저자들은 1,042 명의 기증자로부터 생성된 대규모 지도인 TenK10K 1 단계 멀티옴 (multiome) 데이터셋을 제시합니다. 본 연구는 다음을 통합합니다:

• 단일 세포 ATAC-seq(scATAC-seq): 952 명의 기증자로부터 450 만 개의 핵에 대한 프로파일링 (품질 관리 후, 922 명의 기증자로부터 347 만 개의 핵을 발견에 사용).
• 멀티옴 시퀀싱 (RNA+ATAC): 90 명의 기증자로부터 약 10 만 개의 세포.
• 매칭된 전장 유전체 시퀀싱 (WGS): 모든 기증자에 대한 고 커버리지 WGS 데이터로, 임putation 에 의존하지 않고 일반 변이와 희귀 변이 모두를 분석 가능하게 함.
• 참조 scRNA-seq: 1,925 명의 기증자로부터의 540 만 개 PBMC scRNA-seq 프로파일과 통합하여 라벨 전이를 통한 세포 유형 주석 부여.

주요 분석 접근법:

1. caQTL 매핑: TensorQTL 및 SAIGE-QTL 을 사용하여 28 가지 면역 세포 유형에서 ±1 Mb 윈도우 내의 약 900 만 개의 일반 변이 (MAF ≥ 5%) 와 희귀 변이 (MAF < 5%) 에 대한 440,996 개의 크로마틴 피크에 대한 연관성 테스트 수행.
2. 세포 유형 특이성: 하나의 세포 유형에서만 접근 가능한 피크, 고유한 인과 변이를 가진 공유 피크, 그리고 일치하거나 불일치하는 효과를 가진 공유 피크를 구분하는 5 개 범주 모델을 개발하여 특이성을 평가.
3. 공위치 및 인과 추론: coloc 및 요약 데이터 기반 멘델 무작위화 (SMR) 를 사용하여 scRNA-seq eQTL 과 caQTL 을 통합하여 후보 cis-조절 요소 (cCRE) 를 식별하고 인과적 피크 - 유전자 관계를 추론.
4. GWAS 통합: 16 가지 질병 및 44 가지 혈액 형질에 대한 GWAS 요약 통계와 caQTL 및 eQTL 의 공위치를 분석하여 eQTL 단독으로는 놓친 조절 기전을 식별.
5. 희귀 변이 분석: 희귀 변이에 대한 부담 (Burden) 및 SKAT 검사를 수행한 후, 조건부 분석을 통해 일반 변이와 연쇄 불평형에 있는 신호와 독립적인 희귀 신호를 구분.
6. 동적 조절: EpiTrace 를 사용한 유전자형 - 에피유전학적 나이 상호작용 모델링 및 SAIGE-Dynamic 을 사용한 유전자형 - 의사시간 (pseudotime) 상호작용 모델링을 통해 세포 상태 의존적 효과를 포착.
7. 네트워크 추론: 피크 - 유전자 매핑 및 유전자 조절 네트워크 (GRN) 추론을 개선하기 위해 caQTL 및 eQTL 요약 통계를 GLUE 그래프 신경망 프레임워크의 사전 정보 (priors) 로 통합.

주요 결과

• 지도 구축: 본 연구는 28 가지 면역 세포 유형에서 100,486 개의 고유 피크에 해당하는 243,225 개의 유의한 caQTL 을 식별했습니다. 이 중 약 60% 는 세포 유형별 특이성이었습니다.
• 희귀 변이: 희귀 변이 분석은 희귀 변이와 연관된 27,927 개의 피크를 밝혀냈습니다. 일반 변이에 조건을 부여한 후 62,866 개의 희귀 caQTL 이 유의하게 남아, 희귀 변이가 일반 변이 분석으로는 거의 보이지 않는 조절 구조에 기여함을 입증했습니다.
• 조절 구조: scRNA-seq eQTL 과의 공위치를 통해 31,688 개의 후보 cCRE 를 식별했습니다. 이 중 약 44.4% 는 크로마틴 접근성을 통한 매개 효과의 증거를 보였습니다.
• GWAS 공위치: 16 가지 질병 및 44 가지 혈액 형질에 대해 eQTL 단독 사용 대비 caQTL 을 통합함으로써 공위치 GWAS 신호 수를 4.5% 에서 22.6% 까지 증가시켰습니다. 저자들은 이를 원거리 조절 효과 (>100kb), 다중 인과 변이, 그리고 세포 상태별 프라임 (priming) 포착에 기인한다고 설명합니다.
• 원거리 및 다중 인과 효과: eQTL 테스트 윈도우를 ±1 Mb 로 확장하여 일부 신호를 회복했으나, caQTL 은 여전히 추가적인 유전자좌를 식별하여 단순한 윈도우 크기 제한을 넘어선 다중 인과 변이 또는 문맥별 전사 인자 (TF) 활성과 같은 기전을 시사합니다.
• 세포 상태 역동성: 본 연구는 에피유전학적 나이와 유의한 상호작용을 보이는 3,080 개의 caQTL 과 의사시간과 20 만 개 이상의 상호작용을 식별하여, 크로마틴 접근성에 대한 유전적 효과가 종종 세포 성숙 및 활성화 상태에 의해 조절됨을 밝혔습니다.
• 네트워크 추론: GLUE 프레임워크에서 QTL 기반 사전 정보를 사용한 결과, QTL 정보가 없는 방법에 비해 피크 - 유전자 연결 정확도가 최대 80% 까지 향상되었습니다. 이 통합은 APOBEC3A 를 조절하는 IKZF1 및 STAT1 과 같은 약물 표적 포함 128 개의 추가 전사 인자 - 표적 유전자 쌍 (22% 증가) 을 식별했습니다.

의의 및 주장
본 논문은 인간 순환 면역 세포에서 이 규모로 크로마틴 접근성과 유전적 변이의 첫 번째 포괄적 단일 세포 지도를 제공한다고 주장합니다. 주요 의의는 다음과 같습니다:

1. "누락된 조절" 해결: 세포 유형별 caQTL 을 통합함으로써 GWAS 유전자좌와 그 조절 기전 간의 격차를 현저히 줄였으며, 특정 맥락 (예: 염증성 장질환, IBD) 에서 공위치 중첩을 약 20% 에서 약 60% 로 증가시켰음을 입증.
2. 기전적 통찰: 많은 질병 관련 변이가 벌크 eQTL 이나 표준 단일 세포 발현 분석으로는 포착되지 않는 원거리 인핸서와 세포 상태 의존적 기전을 통해 작용함을 확립.
3. 자원 창출: 세포 유형별 조절 해부 및 복잡한 질병의 인과 변이 우선순위 설정을 가능하게 하는 공개 자원 (TenK10K caQTL) 제공.
4. 방법론적 발전: 유전적 변이 (QTL) 를 멀티옴 데이터와 통합하는 것이 유전자 조절 네트워크 추론 및 치료 표적 식별을 위해 데이터 기반 공변동 방법 단독보다 훨씬 우수함을 보여줌.

저자들은 피크 정의의 일관성 및 확장된 조직 커버리지 필요성과 같은 과제가 남아 있지만, 이 연구가 인간 건강 및 질병에서 유전적 위험을 해석하기 위해 단일 세포 에피유전체학을 활용하는 기초적인 틀을 확립했다고 결론지었습니다.