Blood-based RNA-Seq of 5412 individuals with rare disease identifies new candidate diagnoses in the National Genomic Research Library

이 연구는 영국 10 만 게놈 프로젝트의 5,412 명 희귀질환 환자에서 혈액 기반 RNA 시퀀싱을 수행하여 기존 진단을 받지 못한 환자들 중 약 20% 에서 유전자 발현 및 스플라이싱 이상을 발견하고, 이를 통해 새로운 진단 후보를 도출함으로써 희귀질환 진단에 RNA 시퀀싱의 광범위한 유용성을 입증했습니다.

핵심

이 연구는 **'희귀 질환을 가진 5,400 명 이상의 사람들'**을 대상으로 한 거대한 의학적 탐정 이야기입니다. 기존에 유전자 검사 (DNA) 를 해봤지만 원인을 찾지 못했던 환자들에게, 새로운 눈 (RNA) 을 통해 비밀을 찾아낸 과정을 설명해 드리겠습니다.

🕵️‍♂️ 핵심 비유: "DNA 는 설계도, RNA 는 실제 공사 현장"

이 연구를 이해하기 위해 가장 쉬운 비유를 들어보겠습니다.

1. DNA (게놈): 건물의 완벽한 설계도입니다. 여기에는 벽을 어디에 쌓고, 창문을 어떻게 만들지 모든 정보가 적혀 있습니다. 하지만 설계도만 보고는 "아, 이 건물이 실제로 지어졌을 때 벽이 삐뚤게 지어졌는지, 혹은 자재가 부족해서 구멍이 뚫렸는지"는 알 수 없습니다.
2. RNA (전사체): 설계도대로 실제로 지어지는 공사 현장입니다. 설계도에는 완벽하게 적혀 있어도, 현장에서는 자재가 부족하거나 (발현량 감소), 벽돌을 잘못 끼우는 (스플라이싱 오류) 실수가 발생할 수 있습니다.

기존의 문제점:
지금까지 의사는 환자들에게서 DNA(설계도) 만을 가져와서 "여기에 글자가 하나 틀려 있네?"라고 찾아봤습니다. 하지만 많은 경우, 설계도에는 아무런 문제가 없는데 공사 현장 (RNA) 에서만 큰 실수가 벌어지고 있었습니다. 그래서 "왜 이 환자는 병이 걸렸지?"라고 답을 못 찾던 경우가 많았습니다.

---

🔍 이 연구가 한 일: "현장 (RNA) 을 직접 가봤다"

이 연구팀은 5,412 명의 희귀 질환 환자에게서 혈액을 뽑아, 그들의 **RNA(공사 현장)**를 직접 분석했습니다. 혈액은 침습적이지 않고 쉽게 얻을 수 있어, 마치 공사 현장의 감시 카메라 영상을 실시간으로 보는 것과 같습니다.

그들은 두 가지 주요 도구를 사용했습니다:

• OUTRIDER: "이 건물의 자재 (단백질) 가 너무 적거나 너무 많지 않나?"를 확인하는 도구.
• FRASER2: "벽돌을 끼우는 방식 (스플라이싱) 이 엉뚱하게 되어 있나?"를 확인하는 도구.

🎉 발견한 놀라운 사실들

이 '현장 조사'를 통해 연구팀은 다음과 같은 중요한 발견들을 했습니다.

1. 20% 의 환자에서 새로운 단서를 찾았다!
기존 DNA 검사로 답을 못 찾던 환자들 중 **약 5 명 중 1 명 (20%)**에게서 RNA 분석을 통해 병의 원인이 되는 '결함'을 찾아냈습니다. 이는 마치 설계도에는 문제가 없는데, 공사 현장의 감시 카메라를 보니 "아! 여기 벽돌이 하나 빠졌네!"라고 발견한 것과 같습니다.

2. 다양한 종류의 '공사 오류'를 찾아냈다
단순히 글자가 틀린 경우뿐만 아니라, 다음과 같은 복잡한 오류들을 찾아냈습니다.

• 잘린 벽돌 (결실): DNA 검사에서는 너무 작아서 놓쳤던 작은 결손을 RNA 를 통해 찾아냈습니다. (예: CTNNB1 유전자)
• 엉뚱한 자재 사용 (위장된 엑손): 원래 없어야 할 부분이 끼워져서 건물이 무너지는 경우. (예: SPAST 유전자)
• 설계도대로 안 된 자재 (유전적 구조 변이): DNA 에는 숨겨져 있었지만 RNA 에서만 드러난 큰 구조적 문제들.

3. '의심스러운 자'를 '범인'으로 확정했다
기존 검사에서 "의심은 되지만 확실하지 않아 (VUS)"라고 분류되어 방치되던 유전자 변이들을, RNA 분석을 통해 **"아, 이게 바로 병을 만드는 원인이구나!"**라고 확신하게 만들었습니다. 이는 환자에게 정확한 진단과 치료를 가능하게 합니다.

---

💡 왜 이 연구가 중요한가요?

• 혈액만으로 가능: 과거에는 근육이나 피부 조직을 떼어내야만 RNA 를 분석할 수 있었지만, 이제는 단순한 혈액 검사로도 다양한 희귀 질환의 원인을 찾을 수 있음을 증명했습니다.
• 맞춤형 진단: 질환마다 혈액에 나타나는 RNA 의 양이 다르다는 것을 발견했습니다. (예: 뇌 질환은 잘 보이지만, 근육 질환은 혈액에서 잘 안 보일 수 있음). 이는 앞으로 어떤 질환에는 어떤 검사를 써야 할지 가이드를 줍니다.
• 희망의 메시지: "유전자가 정상인데 왜 병이 걸렸지?"라고 고민하던 환자들에게, 실제 공사 현장의 문제를 찾아내어 해결책을 제시할 수 있는 길을 열었습니다.

📝 한 줄 요약

"설계도 (DNA) 는 완벽해 보였지만, 실제 공사 현장 (RNA) 을 들여다보니 숨겨진 오류를 찾아내어 5,000 명 이상의 환자들에게 새로운 진단의 희망을 주었습니다."

이 연구는 희귀 질환 진단의 패러다임을 '설계도 확인'에서 '현장 점검'으로 바꾸는 중요한 이정표가 될 것입니다.

기술 요약

논문 개요

이 연구는 영국의 국가 유전체 연구 도서관 (NGRL) 에 등록된 희귀 질환 환자 5,412 명을 대상으로 전혈 (whole-blood) 기반 RNA 시퀀싱 (RNA-Seq) 데이터를 분석하여, 기존 유전체 시퀀싱 (Genome Sequencing, GS) 만으로는 진단되지 않았던 희귀 유전 질환의 새로운 진단 후보를 발굴한 대규모 연구입니다.

1. 연구 배경 및 문제 제기 (Problem)

• 진단 미해결 문제: 희귀 질환의 약 50% 이상은 여전히 원인을 규명하지 못한 채 진단되지 않고 있습니다. 기존 엑솜/전장 유전체 시퀀싱 (GS) 은 주로 단백질 코딩 영역의 변이에 집중하며, 스플라이싱 (splicing) 결함이나 비코딩 영역의 변이, 구조적 변이 (SV) 등을 놓치는 경우가 많습니다.
• 기능적 검증의 필요성: 스플라이싱 예측 도구 (SpliceAI 등) 의 정확도가 향상되었지만, 여전히 많은 변이가 '의미 불명 (VUS)'으로 분류되거나 기능적 검증이 필요하여 진단이 지연됩니다.
• 조직 접근성 한계: RNA-Seq 이 진단에 유용하다는 것은 알려져 있으나, 근육 생검이나 섬유아세포 등 질병 관련 조직을 채취하는 것은 침습적이고 비용이 많이 들어 대규모 임상 적용에 제한이 있었습니다. 따라서 비침습적이고 접근성이 높은 전혈 (Blood) 기반 RNA-Seq의 광범위한 유효성을 입증할 필요가 있었습니다.

2. 방법론 (Methodology)

• 코호트 및 데이터:
  • 대상: 10 만 유전체 프로젝트 (100kGP) 에 등록된 희귀 질환 환자 5,412 명 (전혈 RNA-Seq 데이터 품질 관리 통과).
  • 시퀀싱: Illumina NovaSeq 6000 을 사용하여 100bp paired-end reads 생성. 총 120M 이상의 매핑된 고유 리드 (mapped unique reads) 를 확보한 샘플만 분석에 포함.
• 데이터 처리 및 아웃라이어 (Outlier) 탐지:
  • 정렬 및 정량화: Illumina DRAGEN 파이프라인 (STAR aligner, Salmon quantification) 사용.
  • 아웃라이어 식별:
    • 유전자 발현 (Expression): OUTRIDER 도구를 사용하여 발현량 이상 (Expression outliers) 탐지.
    • 스플라이싱 (Splicing): FRASER2 도구를 사용하여 스플라이싱 비율 (deltaPSI) 이상 탐지.
    • 통계적 기준: FDR 보정된 p-value < 0.05 (발현), < 0.1 (스플라이싱) 및 deltaPSI 절댓값 ≥ 0.1.
• 우선순위 선정 전략 (Prioritization Strategies):
  1. ClinGen haploinsufficient (HI) 유전자 필터링: 질병과 명확히 연관된 단일 대립유전자 불충분 (HI) 유전자 내 스플라이싱 아웃라이어에 집중.
  2. 구조적 변이 (SV) 중첩 분석: OUTRIDER 로 발견된 발현 이상과 Manta/Canvas 알고리즘으로 탐지된 결실/중복/역위 변이가 동일한 유전자에서 발생하는 경우 확인.
  3. Exomiser 통합 분석: 환자 표현형 (HPO), 유전체 변이, 스플라이싱 아웃라이어 정보를 결합하여 진단 후보를 순위 매김.
  4. 수동 검증: IGV(Integrative Genomics Viewer) 를 통한 시퀀싱 리드 시각화 및 스플라이스 사이트 교란, 암호화 (cryptic) 사이트 활성화 등 확인.

3. 주요 결과 (Key Results)

• 데이터 품질 및 유전자 포착률:
  • 전혈 RNA-Seq 은 다양한 희귀 질환 패널의 유전자 중 약 60% (PanelApp 'Green' 유전자의 59.6%) 를 TPM ≥ 5 수준으로 잘 포착했으나, 질환 유형에 따라 포착률 편차가 컸음 (선천성 당화 장애 92% vs 선천성 근병증 32%).
• 아웃라이어 발견:
  • 전체 코호트에서 **20% (1,091 명)**의 환자가 관련 질환 유전자 내에서 유의미한 발현 또는 스플라이싱 아웃라이어를 보임.
  • 총 1,376 개의 발현 아웃라이어 및 1,651 개의 스플라이싱 아웃라이어가 관련 패널 유전자에서 확인됨.
• 진단 후보 발굴 사례 (Case Studies):
  • CTNNB1 (Case 1): 작은 결실 (1.55kb) 로 인한 엑손 생략 (Exon skipping) 발견. 기존 DNA SV 호출에서 필터링되었으나 RNA-Seq 으로 재발견.
  • PHIP, WDR26, KMT2D (Case 2-4): 스플라이스 도너/브랜치포인트 변이로 인한 엑손 생략 또는 인트론 잔류 (Intron retention) 확인. 기존 VUS 를 '아마도 병원성 (Likely Pathogenic)'으로 재분류.
  • SPAST (Case 5): 깊은 인트론 변이로 인한 가짜 엑손 (Pseudoexon) 생성 발견. 발현 아웃라이어 분석으로 식별됨.
  • RPL5, ANKRD11 (Case 6, 7): 구조적 변이 (결실/역위) 로 인한 유전자 발현 저하 확인.
  • APC (Case 7): 인트론 내 레트로트랜스포지션 (Retrotransposition) 사건 발견. 나노포어 롱리드 시퀀싱으로 검증.
  • FBXO11, INPPL1, DYSF, DNMT3A (Case 8-11): Exomiser 와 RNA-Seq 데이터를 결합하여 새로운 진단 후보 제시. 특히 DNMT3A 의 경우 50bp 이상의 인트론 영역에서 스플라이싱 이상 발견.
• 기술적 통찰:
  • 스플라이싱 이상과 발현 이상은 완전히 일치하지 않음 (NMD 기전 등으로 인해 발현이 감소하지 않거나 오히려 증가하는 경우 존재). 따라서 두 가지 분석을 모두 수행해야 함.
  • 일부 사례 (CTNNB1, SPAST 등) 에서 RNA-Seq 이 기존 DNA 분석이 놓친 변이 (작은 결실, 깊은 인트론 변이) 를 성공적으로 식별.

4. 기여 및 의의 (Contributions & Significance)

• 대규모 임상 데이터 확보: 희귀 질환 진단을 위해 전혈 RNA-Seq 을 적용한 가장 대규모 코호트 (5,412 명) 연구로, 임상적 실용성을 입증함.
• 진단률 향상: 기존 GS 만으로는 진단되지 않았던 환자 20% 에서 유전적 원인을 규명할 수 있는 강력한 후보를 제시하여 진단률 (Diagnostic Yield) 을 높일 잠재력을 보임.
• 다양한 변이 유형 식별: 스플라이싱 결함, 구조적 변이, 깊은 인트론 변이, 레트로트랜스포지션 등 다양한 병인 기전을 포착하여 유전체 분석의 한계를 보완함.
• VUS 해결: 기존에 '의미 불명 (VUS)'으로 분류되었던 변이들의 기능적 영향을 RNA 수준에서 직접 증명하여 임상적 재분류 (Reclassification) 를 가능하게 함.
• 비침습적 접근의 타당성: 전혈 기반 RNA-Seq 이 근육이나 피부 생검 없이도 다양한 질환군에서 진단적 가치를 제공할 수 있음을 입증하여, 임상 현장에서의 확장성을 높임.
• 데이터 공개: 생성된 데이터와 파생 데이터셋 (Outlier tables 등) 을 Genomics England NGRL 을 통해 연구자들에게 공개하여 향후 희귀 질환 연구 및 새로운 유전자 발견을 촉진함.

5. 결론

본 연구는 전혈 기반 RNA-Seq 이 희귀 질환 진단의 강력한 보조 도구임을 입증했습니다. 특히 스플라이싱 이상과 발현 이상을 통합적으로 분석하고, 유전체 데이터 및 임상 정보 (Exomiser) 와 결합함으로써, 기존 방법론으로는 발견하기 어렵던 다양한 유전적 변이를 규명하고 진단을 완료할 수 있음을 보여주었습니다. 이는 향후 희귀 질환 진단 프로토콜에 RNA-Seq 을 표준적으로 포함시키는 데 중요한 근거가 될 것입니다.