The Biobank Rare Variant consortium powers the discovery of rare genetic associations through global collaboration

Biobank Rare Variant Analysis(BRaVa) 컨소시엄은 10 개 다양한 바이오뱅크에 속한 120 만 명 이상의 개인에 대한 글로벌 메타분석을 활용하여 514 개의 희귀 유전자 - 형질 연관성을 발견함으로써, 개별 코호트의 능력을 넘어서는 희귀 유전 변이와 그 생물학적 기전의 검출을 연방 통합이 크게 향상시킨다는 것을 입증했습니다.

핵심

특정하고 매우 희귀한 바늘을 건초더미에서 찾아보려 한다고 상상해 보세요. 유전학 세계에서는 이러한 '바늘'이 질병을 유발하거나 예방할 수 있는 희귀한 DNA 돌연변이를 의미합니다. 문제는 단일 병원이나 연구 그룹 (즉, '바이오뱅크') 안에서는 이러한 특정 돌연변이를 가진 사람이 너무 적어서, 이것이 실제로 문제를 일으키는 것인지 아니면 단순한 우연인지 확신할 수 없다는 점입니다. 마치 단일 건초더미에서 바늘을 찾으려는 것과 같습니다. 몇 년을 찾아봐도 아무것도 찾을 수 없을지도 모릅니다.

이 논문은 전 세계의 열 개의 서로 다른 '건초더미'를 하나의 거대한 슈퍼 건초더미로 결합함으로써 이 문제를 해결한 BRaVa(Biobank Rare Variant Analysis, 바이오뱅크 희귀 변이 분석) 라는 대규모 글로벌 프로젝트를 설명합니다.

다음은 그들이 어떻게 이를 수행했고 무엇을 발견했는지를 쉽게 설명한 내용입니다:

1. 전략: 글로벌 슈퍼 팀 구축

한 팀이 한 더미의 데이터만 보는 대신, 연구자들은 영국 바이오뱅크, 미국의 'All of Us' 프로그램, 그리고 일본과 에스토니아 등 다른 국가의 바이오뱅크를 포함한 10 개 다른 바이오뱅크에서 120 만 명을 모았습니다.

• 비유: 전 세계 보물찾기를 생각해보세요. 한 섬에 희귀한 지도를 가진 사람이 10 명뿐이라면 보물을 찾지 못할지도 모릅니다. 하지만 10 개의 섬에서 온 지도를 합치면 갑자기 단서를 가진 사람이 100 명이 되는 것입니다.
• 다양성: 그들은 유럽계 조상을 가진 사람들만 본 것이 아니라, 아프리카, 아시아, 아메리카 대륙 출신 사람들을 포함했습니다. 이는 어떤 언어가 특정 지역에서만 사용되듯이, 일부 희귀 돌연변이는 특정 집단에서만 나타나기 때문에 매우 중요합니다.

2. 발견: 보이지 않는 것 찾기

이 모든 데이터를 한데 모아, 그들은 33 가지 질병 (당뇨병, 심장병, 천식 등) 과 11 가지 신체 측정치 (키와 콜레스테롤 등) 와 희귀 DNA 돌연변이 간의 연관성을 찾기 위해 거대한 컴퓨터 검색을 수행했습니다.

• 큰 발표: 그들은 유전자와 질병 간의 514 개의 새로운 연결고리를 발견했습니다.
• 병합의 '마법': 가장 흥미로운 점은, 만약 단일 바이오뱅크가 데이터를 단독으로 분석했다면 이 발견 중 36% 는 결코 찾을 수 없었을 것이라는 것입니다. 시끄러운 방에서 속삭임을 듣는 것과 같습니다. 한 사람은 들을 수 없지만, 10 명이 가까이 서서 함께 들으면 속삭임이 선명해집니다.
• 국경 간 승리: 이 발견 중 약 91 개는 서로 다른 인종 그룹의 데이터를 혼합했을 때만 나타났습니다. 이는 인간 건강의 전체 그림을 찾기 위해서는 한 집단뿐만 아니라 모두를 살펴봐야 함을 증명합니다.

3. 그들이 발견한 것: '고장 난 부품'과 '초능력'

연구자들은 두 가지 주요 유형의 유전적 변화를 찾았습니다:

1. **고장 난 부품 **(위험) 유전자 기능을 손상시켜 질병 위험을 높이는 돌연변이.
   • 예시: NAA15라는 유전자의 희귀한 결함이 제 2 형 당뇨병과 연관되어 있음을 발견했습니다.
   • 예시: ANKRD12의 결함이 천식과 폐질환과 연관되어 있음을 발견했습니다.
2. **초능력 **(보호) 때로는 유전자를 손상시키는 것이 실제로 당신을 돕기도 합니다.
   • 예시: SLC22A12 유전자의 손상된 버전을 가진 사람들은 통풍 (아주 고통스러운 관절염의 일종) 위험이 훨씬 낮았습니다. 이는 손상된 유전자를 모방하는 약물을 개발하면 통풍을 치료할 수 있음을 시사하므로 일종의 '초능력'입니다.
   • 예시: 손상된 F11 유전자는 위험한 혈전 발생 위험이 낮아지는 것과 연관되어 있었습니다.

4. 이것이 중요한 이유: 의학의 '청사진'

이 논문은 이러한 희귀 돌연변이가 질병이 어떻게 작동하는지 이해하는 직접적인 청사진과 같다고 주장합니다.

• 일반적 vs 희귀: 이전 연구들은 주로 갈색 눈 대 파란 눈과 같은 '일반적인' 유전적 변이를 살펴보았는데, 이는 노래의 배경 소음과 같습니다. 희귀 돌연변이는 질병의 선율을 연주하는 악기가 정확히 무엇인지 알려주는 독특하고 큰 소리입니다.
• 치료 표적: 이러한 돌연변이가 매우 강력하기 때문에, 약물이 표적할 수 있는 신체의 특정 단백질들을 직접 가리킵니다. 예를 들어, 손상된 F11 유전자가 혈전을 예방한다는 발견은 F11을 차단하는 약물이 새로운 더 안전한 혈액 희석제가 될 수 있음을 시사합니다.

5. 결론

BRaVa 컨소시엄은 단순히 몇 개의 새로운 바늘을 찾은 것이 아니라, 과학자들이 이러한 희귀 유전적 단서를 무료로 찾아볼 수 있는 거대한 공유 도서관을 구축했습니다.

• 핵심 메시지: 전 세계적으로 협력하고 다양한 인구를 포함함으로써, 과학자들은 이제 이전에 보이지 않았던 유전적 패턴을 볼 수 있게 되었습니다. 이는 질병의 근본 원인을 이해하고 새로운 치료법으로 가는 길을 제시하지만, 신호를 충분히 크게 만들어 들을 수 있게 하려면 수백만 명의 사람들이 힘을 합쳐야 합니다.

중요한 참고 사항: 이 논문은 이러한 발견이 생물학을 이해하고 잠재적인 약물 표적을 식별하는 데 강력하지만, 현재는 연구 결과일 뿐이라고 강조합니다. 이 연구는 아직 동료 검토를 통해 완전히 인증되지 않은 프리프린트 (preprint) 이므로, 의사가 환자 치료에 사용할 임상 지침은 아닙니다.

기술 요약

기술 요약: 바이오뱅크 희귀 변이 (BRaVa) 컨소시엄

문제 제기
희귀 코딩 변이는 질병 위험에 큰 영향을 미치고 인과 유전자 및 치료 표적으로 가는 직접적인 경로를 제공할 수 있습니다. 그러나 그 발견은 특히 유병률이 낮은 질병과 이분법적 종결 지점에서 표본 크기에 의해 제한받습니다. 대규모 바이오뱅크가 희귀 변이 검출을 확장시켰음에도, 단일 코호트는 인간 집단의 전체 다양성, 질병 구조, 또는 환경적 맥락을 포착하지 못합니다. 또한, 바이오뱅크 간 조정된 분석은 표현형, 시퀀싱 데이터, 거버넌스 프레임워크를 조화화해야 하는 필요성으로 인해 복잡해집니다. 공통 변이에 대한 기존 메타분석 방법은 표본 중복 및 집단 계층화 문제로 인해 희귀 변이에 적용될 때 편향된 결과를 초래하는 경우가 많습니다.

방법론
저자들은 전 세계 10 개 바이오뱅크 및 코호트에서 시퀀싱 및 연결된 건강 기록 데이터를 통합하여 바이오뱅크 희귀 변이 분석 (BRaVa) 컨소시엄을 설립하였으며, 이는 아프리카계, 혼혈 아메리카계, 동아시아계, 유럽계, 중남아시아계 등 다양한 계통에 속한 120 만 명 이상의 개인을 포함합니다.

• 데이터 조화화: 표현형은 컨소시엄 구성원들이 제안하고 ICD 및 SNOMED 매핑을 사용하여 조화화되었습니다. 분석은 5 개 바이오뱅크에 걸친 10 개 이상의 서브코호트에서 최소 100 건의 사례가 있거나, UK 바이오뱅크에서 사례 유병률이 1% 초과인 (바이오뱅크, 계통) 서브코호트로 제한되었습니다.
• 통계적 프레임워크: 본 연구는 표본 관련성과 사례 - 대조군 불균형을 고려하기 위해 SAIGE 및 SAIGE-GEN+ 를 사용한 조화화된 다계통 워크플로우를 적용했습니다. 연관성 분석은 메타분석 전에 계통별 및 바이오뱅크별 하위 집합 내에서 수행되어 교란을 줄였습니다.
• 유전자 기반 검정: 가해성 변이는 기능적 주석 마스크를 사용하여 집계되었습니다: 예측된 기능 상실 (pLoF), 손상성 미스센스 또는 단백질 변경 (DM/PA), 그리고 이들의 합집합입니다. 검정에는 버든 (burden), SKAT, SKAT-O 가 포함되었습니다.
• 품질 관리: 동의어 유전자 기반 검정은 잔여 교란 또는 기술적 인공물을 플래그하기 위한 내부 보정 대조군으로 작용했습니다. 유의한 팽창이 있는 층은 제외되었습니다. 다운스트림 분석에서 생식세포 신호의 교란을 방지하기 위해 DNMT3A, TET2, ASXL1과 같은 표준 유전자에서 클로날 조혈 (CHIP) 을 유발하는 연령 관련 체세포 변이는 제외되었습니다.
• 메타분석 전략: 모든 (바이오뱅크, 계통) 쌍에 대해 고정효과 메타분석이 수행되었습니다. 버든 검정에 대해서는 역분산 가중치가 사용되었고, 분산 성분 (SKAT) 및 하이브리드 (SKAT-O) 검정에 대해서는 Stouffer 방법이 적용되었습니다. 표본 중복 문제를 해결하기 위해 저자들은 동의어 변이 부하 통계량의 상관관계를 사용하여 중복 가중치를 추정하는 경험적 전략을 개발하고, 유전자 기반 메타분석을 위해 METAL 스타일 보정을 적용했습니다.
• 신규성 평가: AI 기반 에이전트가 유전자 - 표현형 연관성의 신규성을 평가하기 위해 생물의학 문헌과 Open Targets 플랫폼을 평가한 후 수동 검토를 거쳤습니다.

주요 결과

• 규모 및 발견: 메타분석은 33 개의 임상 종결 지점과 11 개의 정량적 형질에 걸쳐 가해성 변이를 포함하는 514 개의 고유한 유전자 - 표현형 연관성을 확인했습니다.
• 집합의 힘:
  • 36.1%(186 개) 의 유전자 - 형질 연관성은 개별 바이오뱅크 중 어느 곳에서도 검출할 수 없었습니다.
  • 91 개의 연관성은 오직 교차 계통 메타분석을 통해서만 나타났으며, 이는 분산된 통합이 단일 코호트 범위를 넘어선 발견을 가능하게 함을 보여줍니다.
  • 변이 수준에서 **25.0%**의 표현형 - 로커스 연관성은 메타분석을 통해서만 검출 가능했습니다.
• 일반화 가능성: 효과 크기 추정은 계통 간에 효과 방향이 일치하는 강한 상관관계를 보였으며, 이는 희귀 변이 연관성의 일반화 가능성을 지지합니다.
• 구체적인 생물학적 통찰:
  • 대사 형질: MIB1의 희귀 pLoF 변이는 제 2 형 당뇨병 (T2D) 및 허리 - 엉덩이 비율과 연관되었고, UBR3와 그 파라로그 UBR2는 고혈압, T2D 및 BMI 와 연관되었습니다. KEAP1 변이는 HDL 콜레스테롤 및 WHRadjBMI 와 연관되어 지질 대사에 대한 그 역할을 확장시켰습니다.
  • 인체 측정: GIGYF1(단백질 번역) 및 LCORL의 희귀 변이는 각각 체지방 분포 및 키와 연관되었습니다. BSN과 CALCR은 BMI 와 연관되었습니다.
  • 면역 및 호흡기: SETD1A(크로마틴 조절) 및 ANKRD12(전사 공동 조절자) 는 천식 및 만성 폐쇄성 폐질환 (COPD) 과 연관되었습니다.
  • 보호 변이: 본 연구는 통풍 (SLC22A12) 및 정맥 혈전색전증 (F11) 에 대한 확립된 보호 연관성을 확인했습니다. 특히, PI4KA의 희귀 변이와 연관된 고혈압에 대한 새로운 보호 신호를 발견했습니다.
  • 정자모세포 선택: 유의한 연관성은 정자모세포에서 긍정적 선택과 이전에 연관된 유전자들 (예: MIB1, PPM1D, NF1) 에서 풍부하게 나타났으며, 이는 생식세포 선택이 희귀 변이 발견의 지형에 영향을 미친다는 것을 시사합니다.
• 공통 변이와의 독립성: 연관된 유전자에서 500kb 이내의 공통 변이를 조건으로 할 때, 대부분의 희귀 변이 신호는 근처 공통 GWAS 로커스와 독립적이었습니다.

의의 및 주장
이 논문은 BRaVa 가 전 세계 바이오뱅크 간 희귀 변이 메타분석을 위한 확장 가능한 프레임워크와 무료로 제공되는 커뮤니티 자원을 확립했다고 주장합니다. 주요 의의는 다양한 바이오뱅크의 분산된 통합이 통계적 힘을 크게 증가시켜 개별 코호트에는 보이지 않는 희귀 변이 연관성을 발견 가능하게 한다는 것을 입증하는 데 있습니다.

저자들은 이 접근법이 다음을 지원한다고 강조합니다:

1. 질병 유전자 발견: 희귀 코딩 변이 연관성의 참조 지도 제공.
2. 생물학적 해석: 전사/후생유전적 조절, 대사, 혈관 생물학, 면역 기능의 경로 관련성 규명.
3. 치료 표적 우선순위 결정: 치료적 억제를 위한 표적을 지명하는 보호 희귀 변이 (예: PI4KA, F11) 강조.
4. 공정한 대표성: 비유럽계 계통을 포함함으로써 발견 힘을 증가시키고 인구 간 효과 크기 일관성을 검증함을 입증.

본 연구는 데이터 생성 및 표현형 정의의 이질성이 과제를 제시하지만, 신중한 조화화 및 필터링을 통해 공통 변이 분석을 보완하여 질병 생물학을 규명하는 견고하고 해석 가능한 희귀 유전적 연관성을 도출할 수 있다고 결론지었습니다. 요약 통계는 시퀀싱 연결 건강 기록 자원이 계속 확장됨에 따라 향후 연구를 지원하기 위해 공개적으로 배포됩니다.