Standardised Human Phenotype Ontology Annotation Enables High Quality Phenotypic Data Capture in a Real-World Common Variable Immunodeficiency Cohort

본 연구는 임상가 교육을 수반하는 표준화된 인간 표현형 온톨로지 (HPO) 프레임워크의 도입이 영국 내 대규모 CVID 코호트에서 고품질의 세분화된 표현형 데이터 수집을 가능하게 하여 특정 면역 프로파일과 유전적 변이를 고유한 임상 하위 그룹과 성공적으로 연결함으로써 유전자형 - 표현형 이해 및 치료 전략을 발전시켰음을 보여줍니다.

핵심

복잡한 레시피를 친구에게 설명하려는데, 모두 각자의 은어를 사용한다고 상상해 보세요. 한 사람은 "약간의 향신료"라고 하고, 다른 사람은 "약간의 매운맛"이라고 하며, 세 번째 사람은 "매운 것"이라고 말합니다. 나중에 그들의 메모를 비교해 보면 혼란스럽기 그지없습니다. 그들이 실제로 같은 요리를 만들었는지, 아니면 같은 것을 다른 단어로 표현한 것인지 알 수 없습니다.

이는 **일반적 면역결핍증 (CVID)**을 겪는 의사들이 직면한 문제와 정확히 일치합니다. 이는 면역 체계가 약해지는 상태이지만, 환자마다 다르게 나타납니다. 어떤 이들은 많은 감염을 겪는 반면, 다른 이들은 감염 뿐만 아니라 자가면역 문제, 장기 부종, 또는 폐 문제를 겪습니다. 의사들이 이러한 증상을 서로 다른 방식으로 기술했기 때문에, 큰 그림을 파악하거나 실제로 유사한 환자들을 그룹화하기 어려웠습니다.

해결책: 보편적인 "의학 사전"
이 논문의 연구자들은 **인간 표현형 온톨로지 (HPO)**라는 도구를 사용하여 이 문제를 해결하기로 결정했습니다. HPO 를 인간의 질병을 위한 방대하고 표준화된 사전으로 생각하세요. "배가 아파요"라고 쓰는 대신, HPO 를 사용하는 의사는 목록에서 정확한 용어인 "복통"을 선택합니다. "폐가 안 좋아요" 대신 "기관지확장증"을 선택합니다.

INTREPID 컨소시엄이 이끈 연구팀은 의사들이 이 사전을 사용할 수 있도록 돕기 위한 특별한 디지털 도구 ("표현형 수집 도구") 를 개발했습니다. 하지만 연구자들은 의사들에게 사전만 제공하는 것만으로는 부족하며, 이를 올바르게 사용하는 법을 가르쳐야 한다는 것을 알았습니다. 따라서 영국 내 11 개 병원의 임상 의사 28 명을 대상으로 이러한 특정 용어를 사용하여 환자를 기술하는 방법을 교육했습니다.

실험: 훈련이 완벽을 만든다
연구자들은 두 가지 방식으로 그들의 아이디어를 테스트했습니다:

1. 테스트 드라이브: 그들은 10 명의 의사에게 동일한 가상의 환자 사례를 주고 HPO 사전을 사용하여 기술하도록 요청했습니다. 훈련 전에는 그들의 설명이 제각각이었습니다. 훈련 후에는 거의 동일했습니다. 마치 요리사 그룹에게 손으로 대충 재는 대신 동일한 컵으로 재료를 측정하도록 가르친 것과 같습니다.
2. 현실 세계: 그들은 526 명의 실제 CVID 환자를 살펴보았습니다. 훈련 전에 의사들이 쓴 메모와 훈련 후에 쓴 메모를 비교했습니다.
   • 훈련 전: 메모는 빈약했습니다. 평균적으로 의사는 환자당 약 7 가지 증상만 나열했습니다.
   • 훈련 후: 메모는 풍부하고 상세해졌습니다. 평균이 환자당 19 가지 증상으로 급증했습니다.
   • 결과: 의사들은 단순히 더 많이 쓴 것이 아니라 더 잘 썼습니다. 그들은 모호한 용어 사용을 중단하고 정확한 용어를 사용하기 시작하여 질병의 전체적인 복잡성을 포착했습니다.

발견: "감염" 대 "복합" 그룹 분류
이 고품질 데이터를 통해 연구자들은 마침내 환자를 두 개의 뚜렷한 그룹으로 분류할 수 있었습니다. 마치 섞인 구슬을 색깔별로 분류하는 것과 같습니다:

• 그룹 A (감염만): 주로 질병에 걸리는 것과 싸우는 데 어려움을 겪는 환자들.
• 그룹 B (복합): 감염 뿐만 아니라 자가면역 공격, 비장 비대, 또는 간 문제와 같은 다른 복잡한 합병증을 겪는 환자들.

그들은 환자 중 **58%**가 "복합" 그룹에 속한다는 사실을 발견했습니다.

점 연결하기: 유전자와 증상
데이터가 매우 깔끔했기 때문에, 그들은 환자 내부에서 일어나는 일 (유전자와 혈액 세포) 과 외부에서 일어나는 일 (증상) 사이에 명확한 선을 그을 수 있었습니다.

• "복합" 단서: "복합" 그룹의 환자들은 특정 유전자 돌연변이 (특히 NFKB1 유전자) 와 면역 세포의 특정 이상 (예: "전환된 기억" B 세포의 결핍) 을 가질 가능성이 훨씬 더 높았습니다.
• 구체적인 연관성:
  • NFKB1 유전자에 돌연변이가 있는 환자는 자가면역성 호중구감소증(몸이 감염과 싸우는 백혈구를 공격하는 상태) 을 가질 가능성이 매우 높았습니다.
  • TACI 유전자에 특정 돌연변이가 있는 환자는 반복적인 효모 (칸디다) 감염을 겪을 가능성이 더 높았습니다.
  • 특정 유형의 면역 세포 (CD21low) 수치가 높은 환자는 자가면역성 혈소판감소증(혈소판 수치가 낮은 상태) 을 가질 가능성이 더 높았습니다.

핵심 결론
이 연구는 의사들에게 같은 "언어 (HPO)"를 가르치고 적절한 도구를 제공한다면, messy 하고 혼란스러운 환자 메모 더미를 명확하고 조직화된 지도로 바꿀 수 있음을 증명합니다.

이렇게 함으로써 그들은 단순히 증상을 세는 것을 넘어, "복합" 유형의 CVID 가 "감염만" 유형과 생물학적으로 다르다는 사실을 발견했습니다. 그들은 특정 유전적 오류가 구체적이고 심각한 합병증과 직접적으로 연결되어 있음을 발견했습니다. 이는 미래에 환자의 특정 유전 코드와 상세한 증상 목록을 살펴봄으로써 의사들이 환자를 모두 동일하게 치료하는 것이 아니라, 환자가 정확히 어떤 종류의 CVID 를 가지고 있는지 이해하는 데 도움이 될 수 있음을 의미합니다.

간단히 말해: 그들은 더 나은 파일 시스템을 구축하고, 직원들에게 그 사용법을 가르쳤으며, 이를 통해 일부 환자가 다른 환자들보다 더 심하게 아픈 이유를 설명하는 숨겨진 패턴을 발견했습니다.

기술 요약

Campos 등 저자의 "표준화된 인간 표현형 온톨로지 주석이 실제 세계 공통형 면역결핍증 코호트에서 고품질 표현형 데이터 수집을 가능하게 함"이라는 논문에 대한 상세한 기술적 요약입니다.

1. 문제 제기

공통형 면역결핍증 (CVID) 은 임상적 이질성이 현저한 가장 흔한 일차성 면역결핍증 (PID) 입니다. 환자들은 재발성 감염부터 복잡한 면역 조절 이상 (자가면역, 림프증식, 육아종) 에 이르기까지 다양한 증상으로 나타납니다.

• 과제: 현재 분류 체계 (예: EUROClass) 는 B 세포 표현형 분석에 의존하지만, 종종 세분화되고 표준화된 임상 데이터를 결여하고 있습니다. 기존 등록 데이터는 불일치하는 데이터 입력, 가변적인 코딩 관행, 그리고 구조화된 표현형 깊이의 부재로 인해 유전자형 - 표현형 상관관계 식별 및 표적 치료를 위한 환자 층화 (stratification) 를 방해합니다.
• 격차: 인간 표현형 온톨로지 (HPO) 는 희귀질환을 위한 구조화된 프레임워크를 제공하지만, 임상가의 익숙함 부족, 시간적 압박, 데이터 수집을 위한 표준화된 도구의 부재와 같은 장벽으로 인해 대규모 실제 세계 CVID 코호트에서의 적용은 제한적이었습니다.

2. 방법론

본 연구는 영국 전역의 전체 유전체 시퀀싱 (WGS) 이니셔티브인 INTREPID(Primary Immunodeficiency 통합 번역 연구) 프로젝트를 활용했습니다.

• 코호트: 영국 11 개 센터에서 모집한 526 명의 성인 CVID 환자.
• 도구 개발: 저자들은 웹 기반 **표현형 수집 도구 (PCT)**를 개발했습니다.
  • HPO 용어를 위한 자동 완성 검색 상자를 제공합니다.
  • 해당 HPO 용어로 자동 매핑되는 수치 실험실 값 입력을 허용합니다.
  • 초기에는 표준 HPO 용어가 아니었던 육아종성 림프구 간질성 폐질환 (GLILD) 을 위한 특정 "예/아니오" 필드를 포함합니다.
• 임상가 교육: 임상가들이 모의 사례를 연습하는 구조화된 교육 프로그램이 시행되었습니다.
  • 교육 전 vs 교육 후 분석: 연구는 초기 WGS 모집 시 임상가가 수행한 HPO 주석과 동일한 환자에 대해 교육 후 수행된 주석을 비교했습니다.
  • 일관성 지표: 임상가 간 합의를 측정하기 위해 쌍별 Lin 의 의미적 유사성 점수가 계산되었습니다.
• 데이터 분석:
  • 분류: 환자는 HPO 용어에 기반하여 감염만 (재발성 감염/기관지확장증) 대 복합형 (감염 + 자가면역, 비장비대, 림프증식, GLILD 등) 으로 두 그룹으로 층화되었습니다.
  • 통계적 검정: 표현형, B 세포 아집단 (EUROClass), 면역글로불린 수치, 유전적 변이 간의 연관성은 중심별 층화를 적용한 Cochran-Mantel-Haenszel 검정과 다중 검정을 위한 Benjamini-Hochberg (BH) 보정으로 테스트되었습니다.
  • 차원 축소: 표현형 클러스터링을 시각화하기 위해 HPO 임베딩 (node2vec) 을 사용한 주성분 분석 (PCA) 이 사용되었습니다.

3. 주요 기여

• CVID 에서의 첫 대규모 HPO 적용: 대규모 실제 세계 CVID 코호트 (n=526) 에 세분화된 HPO 주석을 체계적으로 적용한 첫 연구입니다.
• 교육 워크플로우 검증: 구조화된 임상가 교육이 표현형 데이터의 세분화(환자당 용어 수) 와 일관성(평가자 간 신뢰도) 을 모두 크게 향상시킨다는 것을 입증했습니다.
• 정교화된 표현형 층화: 논리 기반 HPO 용어 세트를 사용하여 "감염만" 환자들과 구별되는 "복합형 CVID" 하위 그룹을 성공적으로 정의했습니다.
• 온톨로지 큐레이션: 41 개의 누락된 질환 특이적 HPO 용어 (예: 특정 육아종 유형, 재발성 감염) 를 식별하고 새로운 계층적 관계를 제안하여 HPO 데이터베이스에 제출했습니다.
• 오픈 사이언스: 표현형 수집 도구, 분석 파이프라인 (GitHub), 그리고 코호트에 매핑된 883 개의 고유 HPO 용어에 대한 포괄적인 데이터셋을 공개했습니다.

4. 주요 결과

• 교육의 영향:
  • 세분화: 환자당 비중복 HPO 용어의 중앙값이 교육 전 **7(IQR 8)**개에서 교육 후 **19(IQR 11)**개로 증가했습니다 ($P < 2.2 \times 10^{-16}$).
  • 일관성: 동일한 사례를 주석한 임상가 간의 쌍별 의미적 유사성은 높았으며 (중앙값 0.80), 표준화된 코딩 관행이 달성되었음을 나타냅니다.
• 코호트 층화:
  • 감염만: 42% (220 명).
  • 복합형 CVID: 58% (306 명).
  • PCA 분석은 첫 번째 주성분이 이 두 그룹을 효과적으로 분리했음을 확인했습니다.
• 유전자형 - 표현형 연관성:
  • 복합형 표현형: 매우 낮은 전환된 기억 B 세포 (<2%) 와 확장된 CD21low B 세포 (>10%) 와 유의하게 연관되었습니다.
  • 유전적 드라이버: 복합형 질환을 가진 환자는 전체적으로 IUIS 목록 유전자의 병인성 변이를 가질 확률이 유의하게 높았으며 ($P=0.002$), 특히 NFKB1 변이 ($P=0.0035$) 와 연관되었습니다.
  • 특정 연관성:
    • NFKB1 변이 $\leftrightarrow$ 자가면역성 호중구감소증 ($P = 7.4 \times 10^{-6}$).
    • 병인성 IUIS 변이 (비-NFKB1/TACI) $\leftrightarrow$ 자가면역성 용혈성 빈혈 ($P = 0.009$).
    • 정형적 TNFRSF13B (TACI) 변이 $\leftrightarrow$ 재발성 칸디다 감염 ($P = 0.046$).
    • 높은 IgM $\leftrightarrow$ 폐 간질성 림프구 침윤 ($P = 4.5 \times 10^{-7}$).
• B 세포 상관관계:
  • 매우 낮은 전환된 기억 B 세포는 비장비대와 연관되었습니다.
  • 확장된 CD21low B 세포는 자가면역, 특히 자가면역성 혈소판감소증과 연결되었습니다.

5. 중요성 및 임상적 함의

• 표준화: 이 연구는 사용자 친화적인 도구와 교육이 지원될 때 HPO 기반 표현형 분석이 일상적인 임상 실무에서 가능함을 입증했습니다. 이는 임상가 간 변이를 줄여 견고한 다기관 비교를 가능하게 합니다.
• 정밀 의학: "복합형"과 "감염만" CVID 를 구분함으로써 환자 층화를 개선합니다. 이는 복합형 질환을 가진 환자에게는 면역억제 요법이, 반면 면역글로불린 대체 요법만 필요한 환자를 식별하는 데 중요합니다.
• 유전적 발견: 고품질 표현형 데이터는 NFKB1과 같은 단일 유전자 원인을 식별하고 이를 특정 임상 하위 표현형과 연결하는 WGS 의 힘을 강화하여, "진단 기반" 프레임워크를 넘어 "표현형 주도" 접근법으로 전환합니다.
• 향후 방향: 저자들은 수동 주석이 효과적이지만, 향후 연구는 비구조화된 전자 건강 기록 (EHR) 에서 자동 추출을 통합하여 종단 데이터를 수집하고 표현형 해상도를 더욱 심화해야 한다고 강조합니다.

결론적으로, 본 논문은 CVID 연구에 대한 새로운 기준을 수립하여, 검증된 고품질 HPO 코딩 데이터셋을 제공함으로써 질환 이질성을 해부하고 표적 치료 전략 개발을 지원합니다.