Systematic common and rare variant association testing in 392,030 whole genomes in All of Us

본 연구는 All of Us 연구 프로그램의 392,030 개 전체 유전체 데이터를 통합된"모든 대 모든"프레임워크를 활용하여 수천 가지 형질에 걸쳐 약 5 만 개의 유전적 연관성을 규명하고, 영국 바이오뱅크와의 메타분석을 통해 새로운 유전자 - 표현형 연관성을 발견함과 동시에 전 세계 연구를 위한 공개 도구를 제공함으로써 포괄적인 분석을 제시합니다.

핵심

어떤 사람들은 왜 병에 걸리고 다른 사람들은 건강하게 지내는지를 이해하려고 노력한다고 상상해 보세요. 오랫동안 과학자들은 우리 DNA 에서 단서를 찾아왔지만, 상대적으로 작은 지도를 가지고 작업해 왔습니다. 이 논문은 'All of Us' 연구 프로그램에서 구축된 거대하고 고해상도의 인간 유전학 지도를 공개하는 것과 같습니다.

연구자들이 무엇을 했으며 무엇을 발견했는지 간단한 비유를 통해 정리해 보겠습니다.

1. 큰 그림: 거대한 유전 도서관

'All of Us' 프로그램을 거대한 도서관이라고 생각해 보세요. 책 대신 이 도서관에는 392,000 명 이상의 완전한 유전 코드 (전장 유전체) 와 건강 기록이 보관되어 있습니다. 이 도서관이 특별한 점은 한 가지 배경의 사람들만 모여 있는 것이 아니라, 미국 전역의 다양한 유전적 조상을 대표하는 다양한 컬렉션이라는 것입니다.

연구자들은 한두 가지 건강 문제만 살펴보지 않았습니다. 대신 3,602 가지 다른 형질을 한 번에 확인하는 시스템을 구축했습니다. 이는 사서가 책이 '요리'에 관한 것인지만 확인하는 대신, 요리, 정원 가꾸기, 자동차 수리, 우주 여행 등 모든 주제를 동시에 확인하는 것과 같습니다. 연구자들은 이를'All by All'접근법이라고 불렀습니다.

2. 탐색: 건초더미 속의 작은 단서 찾기

연구자들은 두 가지 유형의 유전적 단서를 찾았습니다.

• 일반 변이: 이는 책에서 자주 발생하는 오타와 같습니다. 많은 사람들이 가지고 있으며, 비만이나 고혈압과 같은 흔한 문제의 위험을 약간 높일 수 있습니다.
• 희귀 변이: 이는 책의 소수 복사본에서만 발견되는 매우 구체적이고 독특한 오타와 같습니다. 드물기는 하지만, 때로는 특정 질병을 유발하는 것처럼 건강에 막대한 영향을 미칠 수 있습니다.

연구자들은 이러한 유전적 오타가 3,602 가지 건강 형질 중 어느 것과 연결되어 있는지 확인하기 위해 1.3 조 개의 검사를 수행했습니다 (엄청난 양의 탐색입니다!).

3. 결과: 새로운 연결 고리 발견

그토록 많은 탐색 끝에, 연구자들은 유전자와 건강 형질 사이에 49,863 개의 강력한 연결 고리를 발견했습니다.

• 일반적인 발견: 그들은 우리가 이미 의심했던 많은 것들을 확인했습니다. 예를 들어, FTO와 TCF7L2 근처의 유전자와 비만 및 당뇨병과 같은 문제 사이에 강력한 연관성이 있음을 발견했습니다. 흥미롭게도, 이러한 연결 중 일부는 남성 대 여성 간에 연결의 강도가 다르게 보였는데, 이는 의사가 남성과 여성에게 특정 약물을 다르게 처방하기 때문일 가능성이 높습니다.
• 희귀한 발견: 그들은 희귀한 유전 오류와 관련된 1,000 개 이상의 새로운 연결 고리를 발견했습니다. 그중 일부는 누가 잃어버린 줄도 몰랐던 퍼즐 조각을 찾는 것과 같았습니다. 예를 들어, TIMD4라는 유전자에서 발견된 희귀한 오류가 혈액 내 지방의 일종인 고중성지방과 연결된 것으로 보였는데, 이는 더 작은 그룹을 조사했을 때는 보이지 않았던 연결 고리였습니다.

4. 슈퍼 팀워크: 힘 합치기

탐색을 더욱 강력하게 만들기 위해 연구자들은'All of Us'도서관을 다른 거대한 도서관인'UK Biobank'와 결합했습니다.

• 비유: 두 명의 형사가 미스터리를 해결하려고 노력한다고 상상해 보세요. 형사 A 에게는 40 만 명의 증인 목록이 있고, 형사 B 에게는 30 만 명의 목록이 있습니다. 만약 그들이 따로 일하면 단서를 놓칠 수 있습니다. 하지만 목록을 합치면 786,000 명의 증인이 됩니다.
• 결과: 이 두 개의 거대한 데이터 세트를 병합함으로써, 어느 도서관도 단독으로 찾을 수 없었던 193 개의 새로운 유전자 - 질병 연결 고리를 발견했습니다. 이는 이전에 너무 작아 보이지 않았던 건초더미 속의 바늘을 찾은 것과 같지만, 건초더미의 크기를 두 배로 늘렸을 때 비로소 보일 수 있었습니다.

5. 도구: 모두를 위한 공개 지도

연구자들은 이러한 발견을 자신들만 간직하지 않았습니다. 그들은 구글 맵과 같은 공개형 인터랙티브 브라우저 (유전학용) 를 구축했습니다.

• 작동 방식: 전 세계의 어떤 과학자든 온라인에 접속하여 유전자나 질병을 입력하면 이 연구에서 발견된 모든 연결 고리를 즉시 볼 수 있습니다. DNA 의 특정 부분을 확대하거나 서로 다른 인구 집단 간의 비교를 살펴볼 수도 있습니다.
• 중요성: 이는 진입 장벽을 낮춥니다. 이 데이터를 사용하려면 슈퍼컴퓨터 전문가가 될 필요는 없으며, 웹 브라우저만 있으면 됩니다.

중요한 주의사항 (이 논문이 말하지 않는 것)

저자들은 이 연구가 무엇이 아닌지를 매우 신중하게 명시합니다.

• 진단 도구가 아님: 유전자와 질병 사이의 연결 고리를 발견했다고 해서 그 유전자가 모든 경우에 질병을 유발한다는 뜻은 아닙니다. 이는 통계적 단서일 뿐, 의학적 판결이 아닙니다.
• 치료가 아님: 이 논문은 향후 연구의 표적을 식별하지만, 새로운 치료법이나 약물을 제공하지는 않습니다.
• 완벽하지 않음: 이 연구는 건강 기록 (예: 청구 코드) 이 개인의 실제 건강을 완벽하게 반영하지는 않으며, 다양한 인구 집단이 다르게 대표되었을 수 있음을 인정합니다.

요약

간단히 말해, 이 논문은 인간 유전학의 거대한'연합 연설'입니다. 거대하고 다양한 데이터 세트를 사용하고 이를 다른 주요 글로벌 데이터 세트와 결합함으로써, 연구자들은 우리 유전자가 건강과 어떻게 관련되는지에 대한 강력한 새로운 지도를 만들었습니다. 그들은 수천 개의 새로운 연결 고리를 발견하고 많은 기존 연결 고리를 확인했으며, 전 세계 과학자들이 이 지도를 사용하여 인간 생물학에 대해 더 많이 배울 수 있도록 무료로 사용하기 쉬운 도구를 구축했습니다.

기술 요약

기술적 요약: All of Us 의 392,030 개 전체 유전체에서 체계적인 일반 및 희귀 변이 연관성 검정

문제 및 배경
대규모 바이오뱅크는 복잡한 형질의 유전적 기저를 발견하기 위해 전장 유전체 연관 분석 (GWAS) 과 희귀 변이 연관 분석 (RVAS) 의 유용성을 입증해 왔습니다. 그러나 기존 자원들은 종종 유전적 조상 다양성이 부족하거나, 높은 확신으로 희귀 변이 효과를 검출하기에 필요한 규모가 미흡합니다. All of Us 연구 프로그램은 다양한 미국 인구를 모집하여 이러한 격차를 해소하고자 하지만, 유전자 발견을 위한 활용도를 극대화하기 위해 전체 표현형에 걸쳐 전체 유전체 시퀀싱 (WGS) 데이터를 포괄적이고 통합적으로 분석할 필요가 있었습니다.

방법론
저자들은 All of Us 연구 프로그램 v8 릴리스에 적용된 "All by All"컴퓨팅 프레임워크를 제시합니다. 본 연구는 엄격한 품질 관리 (QC) 를 거친 392,030 명의 참가자의 WGS 데이터와 조화된 표현형 정보를 활용했습니다.

• 코호트 층화: 인구 구조를 통제하면서 샘플 크기를 극대화하기 위해 참가자들은 참조 패널과의 유사성에 기반하여 여섯 가지 유전적 유사성 그룹 (AFR 유사, AMR 유사, EAS 유사, EUR 유사, MID 유사, SAS 유사) 에 할당되었습니다. 이러한 그룹들은 생물학적으로 구별되는 범주가 아닌 이산적 분석 층으로 처리되었습니다.
• 표현형 범위: 분석은 신체 및 실험실 측정치, 질병 (PhecodeX 를 통해 정의됨), 처방약 (ATC 분류), 그리고 자가 보고 데이터를 포함한 3,602 개의 고유한 표현형을 포괄했습니다.
• 통계적 프레임워크:
  • 일반 변이: SAIGE 를 사용하여 단일 변이 연관성 검정을 수행했습니다.
  • 희귀 변이: SAIGE-GENE+ 를 사용하여 기능적 주석에 따라 희귀 단백질 코딩 변이 (최대 대립유전자 빈도 [MAF] 0.1%) 를 집계한 유전자 수준 부담 분석을 수행했습니다.
  • 메타 분석: 연구는 단일 변이 검정에 대해 고정 효과 역분산 가중 모델을, 유전자 기반 희귀 변이 검정에 대해 Stouffer 방법을 사용하여 여섯 가지 유전적 유사성 그룹 간 메타 분석을 수행했습니다.
  • 바이오뱅크 간 통합: 2 차 메타 분석은 All of Us 결과와 UK 바이오뱅크 (UKB) 데이터를 결합하여 최대 786,871 개의 샘플을 포함했습니다. 질병 표현형은 All of Us PhecodeX 코드를 UKB ICD-10 코드에 매핑하여 조화시켰습니다.
• 데이터 공개: 결과는 공개 인터랙티브 브라우저와 All of Us 연구자 워크벤치를 통해 제공되었습니다.

주요 결과

• 분석 규모: 본 연구는 약 1.337 조 개의 연관성 검정을 수행했습니다. QC 후, 저자들은 LD-프러닝 ($r^2 < 0.1$, $p < 5 \times 10^{-8}$) 된 48,831 개의 거의 독립적인 고품질 단일 변이 신호와 최대 MAF 0.1% 에서 1,032 개의 유의한 유전자 부담 연관성 ($p < 6.7 \times 10^{-7}$) 을 확인했습니다.
• 표현형 일치성: 자가 보고 질병과 임상 청구 PhecodeX 질병 간의 비교는 유병률에서 높은 상관관계 ($r = 0.74$) 를 보였으나, 자가 보고 데이터는 더 경미한 상태를 더 자주 포착했습니다.
• 그룹 일관성: 유전적 유사성 그룹 간에 효과 방향은 대체로 일치했습니다. 유의한 변이 연관성의 0.4% 만이 그룹 간 반대 효과 방향을 보였으며, 이들은 높은 이질성을 나타냈습니다.
• 메타 분석의 힘: 유전적 그룹 간 메타 분석은 발견을 크게 향상시켰습니다. 세 개의 가장 큰 그룹에서 분석된 표현형의 경우, 유의한 pLoF (단백질 절단 변이) 유전자 - 표현형 연관성의 42.4% 는 단일 그룹만으로는 식별되지 않았고 오직 메타 분석을 통해서만 발견되었습니다.
• 바이오뱅크 간 발견: All of Us 와 UK 바이오뱅크 (최대 786,871 개 샘플) 의 메타 분석은 개별 코호트에서는 유의하지 않았던 193 개의 pLoF 유전자 - 표현형 연관성을 확인했습니다. 이 중 22 개는 이전 자동화된 문헌 큐레이션에서 강조되지 않은 새로운 신호였습니다. 예시는 다음과 같습니다:
  • 반복 확인: 제 2 형 당뇨병과 관련된 MIB1 의 희귀 pLoF 변이와 비만과 관련된 ZMYM4.
  • 신규: TREM1 과 배꼽탈장, 그리고 TMEM127 과 피부사상균증 간의 연관성.
  • 교차 표현형: 본 연구는 콜레스테롤 생체지표와 임상 고지혈증에 영향을 미치는 PCSK9 변이, 그리고 갑상선 관련 표현형에 영향을 미치는 TSHR 변이와 같은 44 개의 교차 표현형 연관성을 가진 유전자 - 주석 쌍을 확인했습니다.
• 성별 층화 결과: GLP-1 유사체 사용에 대한 분석은 남성에서는 TCF7L2 와, 여성에서는 FTO 와 더 강한 연관성을 보여주었으며, 이는 처방 패턴과 질병 유병률의 차이를 반영합니다.

의의 및 주장
본 논문은 이 자원이 전장 유전체 및 엑솜 전체 변이를 아우르는 가장 큰 공개 이용 가능 연관성 데이터셋 중 하나라고 주장합니다. 주요 의의는 다음과 같습니다:

1. 향상된 발견 능력: 다양한 유전적 그룹과 바이오뱅크 간 메타 분석이 개별 코호트에서는 검출 불가능한 희귀 변이 연관성을 탐지하는 데 필수적임을 입증했습니다.
2. 다양성: 이전 대규모 바이오뱅크 연구에 비해 비유럽계 대표성이 크게 개선된 자원을 제공하여, 인구 간 대립유전자 빈도 차이로 귀속되는 연관성을 식별할 수 있게 했습니다.
3. 활용성: All of Us 코호트가 성장함에 따라 반복적인 데이터 릴리스를 위한 프레임워크를 구축하여 체계적인 유전자 발견, 치료 표적 우선순위 결정, 그리고 다유전자 위험 점수 개발을 가능하게 했습니다.
4. 접근성: 요약 통계와 인터랙티브 브라우저 공개를 통해 데이터 접근 장벽을 낮추어 전 세계 연구 커뮤니티의 신속한 쿼리 및 해석을 용이하게 했습니다.

저자들은 연관성이 인과적 증명 대신 통계적 상관관계를 나타낸다는 점, EHR 기반 표현형 분석에서 비롯된 잠재적 잔류 편향, 그리고 UK 바이오뱅크의 구성으로 인해 바이오뱅크 간 메타 분석이 여전히 유럽 특이적 신호를 불균형적으로 반영한다는 한계를 지적했습니다. 또한 유전적 유사성 그룹은 오류 통제를 위한 분석 도구일 뿐, 생물학적으로 이산적인 범주로 해석되어서는 안 된다고 강조했습니다.