Investigating the pathogenicity of missense spliceogenic variants using whole-genome sequencing, RNA-sequencing, and proteomics data from population and clinical research cohorts

인간의 건강은 DNA에 기록된 복잡한 설명서, 즉 세포가 생명 유지에 필요한 단백질을 어떻게 만들어야 하는지 알려주는 코드에 의존합니다. 수십 년 동안 과학자들은 이 코드의 변화가 최종 단백질의 형태와 기능에 어떻게 영향을 미치는지에 집중해 왔는데, 이는 마치 레시피의 오타가 케이크의 맛을 망치는지 확인하는 것과 같습니다. 하지만 이 설명서에는 최종 제품이 만들어지기 전 중요한 편집 단계가 있습니다. '스플라이싱(splicing)'이라고 알려진 이 과정은 불필요한 부분을 잘라내고 남은 부분들을 꿰매어 깨끗하고 사용 가능한 메시지를 형성합니다. 만약 이 편집 단계가 잘못되면, 세포는 메시지를 통째로 버리거나 고장 난 버전을 만들어내어 질병으로 이어질 수 있습니다. 연구자들은 이러한 구역의 가장자리에서 발생하는 오류가 그러한 실수를 유발한다는 사실을 오래전부터 알고 있었지만, 최종 단백질이 여전히 정상적으로 보인다면 구역 중간의 변화는 안전할 것이라고 대체로 가정해 왔습니다.

새로운 연구는 많은 유전적 변화가 무해하다고 생각되었던 것들이 실제로는 스플라이싱 과정을 방해한다는 사실을 밝혀냄으로써 이러한 가설에 도전합니다. 약 50만 명의 유전 데이터를 분석하고 혈액 내 단백질 수치를 측정한 결과, 연구진은 이른바 '미스센스 스플라이스오제닉 변이(missense spliceogenic variants)'라고 불리는 상당수의 '중간' 변화들이 스플라이싱 기구를 방해한다는 것을 발견했습니다. 현재의 진단 도구들은 단지 최종 단백질의 형태만을 살필 뿐 편집 과정은 보지 못하기 때문에, 이러한 오류들은 종종 눈에 띄지 않은 채 지나갑니다. 이 연구 결과는 현재 불확실하거나 양성으로 분류되는 유전적 변이 중 상당수가 실제로 세포가 필요한 단백질을 만드는 것을 막음으로써 질병을 유발하고 있음을 시사합니다.

이 숨겨진 문제의 규모를 파악하기 위해 연구팀은 약 50만 명의 자원봉사자로부터 얻은 유전 정보와 건강 기록이 담긴 거대 데이터베이스인 UK 바이오뱅크(UK Biobank)를 활용했습니다. 연구진은 '미스센스 변이(missense variant)'라고 불리는 특정 유형의 유전적 변화에 집중했는데, 이는 보통 단백질에서 다른 구성 요소를 사용하게 만드는 DNA 코드의 단일 글자 변화를 의미합니다. 연구팀은 800만 개 이상의 이러한 변이들을 조사하여 이들이 스플라이싱 과정을 방해하는지 확인했습니다. 그들은 각 변이가 유전 메시지의 편집에 어떤 영향을 미칠지 예측하기 위해 정교한 컴퓨터 모델을 사용했습니다. 결과는 놀라웠습니다. 미스센스 변이 중 약 2.7%가 스플라이싱을 방해할 것으로 예측되었는데, 이는 단백질을 전혀 바꾸지 않는 '동의 변이(synonymous variants)'의 비율과 거의 동일했습니다. 이는 편집 과정을 방해할 위험이 코드의 가장자리에서만큼이나 중간에서도 흔하다는 것을 시사합니다.

연구팀은 이 예측된 오류들이 실제로 현실 세계에서 어떤 결과를 초래하는지 조사했습니다. 연구진은 5만 명 이상의 참가자로부터 얻은 혈액 샘겨와 유전 데이터를 비교하여 혈액 속에 순환하는 약 3,000가지의 서로 다른 단백질 수치를 살펴보았습니다. 그 결과, 이러한 특정 미스센스 변이를 가진 개인들은 그에 대응하는 단백질 수치가 유의미하게 낮다는 것을 발견했습니다. 많은 경우, 단백질 수치의 감소는 단백질 생산을 완전히 중단시키는 것으로 알려진 치명적인 유전적 오류를 가진 사람들에게서 나타나는 수준만큼 심각했습니다. 이는 예측된 스플라이싱 오류가 단순히 이론적인 것에 그치지 않고, 신체가 필요한 단백질을 충분히 만드는 것을 실제로 방해하고 있음을 확인시켜 주었습니다.

이 조사의 핵심적인 부분은 의사와 유전학자들이 이러한 변이를 해석하기 위해 현재 사용하는 도구들의 신뢰성을 테스트하는 것이었습니다. 대부분의 표준 소프트웨어 프로그램은 유전적 변화가 단백질의 구조를 손상시킬지 예측하도록 설계되어 있습니다. 연구진은 자신들이 식별한 스플라이싱 방해 변이들에 대해 기존 도구들이 종종 '안전' 판정을 내린다는 것을 발견했습니다. 실제로 스플라이싱을 망가뜨릴 것으로 예측된 변이 중 절반 이상이 단백질 중심의 도구들에 의해 양성 또는 중립으로 분류되었습니다. 이는 위험한 사각지대를 만듭니다. 즉, 변이가 단백질의 형태는 괜찮아 보여서 무해한 것으로 표시될 수 있지만, 실제로는 세포가 단백질을 아예 생산하지 못하고 있는 상황입니다. 이러한 불일치는 단백질이 본래 유연하고 경직된 구조가 없는 영역에서 더욱 두드러졌으며, 이곳은 표준 도구들이 문제를 예측할 가능성이 가장 낮은 곳이기도 합니다.

컴퓨터 예측이 생물학적 현실과 일치함을 증명하기 위해, 연구팀은 이전에 진단을 받지 못한 희귀 질환 환자들의 실제 유전 데이터를 살펴보았습니다. 연구진은 NHS 게놈 의학 서비스(NHS Genomic Medicine Service)로부터 얻은, 스플라이싱을 방해할 것으로 예측되는 14개의 미스센스 변이(불확실한 유의성을 가진 변이)를 식별했습니다. 연구진이 이 환자들의 RNA, 즉 유전 메시지를 검사했을 때, 스플라이싱이 실제로 방해받고 있음을 확인했으며, 이는 해당 변이들을 병원성 또는 병원성 가능성이 높은 것으로 분류할 수 있는 강력한 근거를 제공했습니다. 한 사례에서는 이전에 무해하다고 여겨졌던 VRK1 유전자의 변이가 세포가 메시지의 전체 구역을 건너뛰게 만들어 심각한 신경계 질환을 유발한다는 것이 밝혀졌습니다. 또 다른 사례인 관절 및 심장 문제를 일으키는 PRG4 유전자의 변이는 세포가 잘못된 편집 지점을 사용하도록 강제하여 메시지의 중요한 부분을 삭제한다는 것이 발견되었습니다. 이러한 발견은 컴퓨터 모델이 전통적인 방식으로는 놓쳤던 질병 유발 오류를 정확하게 식별하고 있다는 직접적인 증거를 제공했습니다.

연구진은 또한 이 새로운 접근 방식을 희귀 질환의 유전적 원인을 찾기 위한 국가적 이니셔티브인 100,000 게놈 프로젝트(100,000 Genomes Project)의 미해결 사례 그룹에 적용했습니다. 이러한 특정 스플라이싱 오류를 스크리닝함으로써, 연구진은 수년간 진단을 받지 못했던 한 환자에게서 강력한 진단 후보를 찾아냈습니다. 이 환자는 이전에 불확실한 것으로 간주되었던 DYSF 유전자의 유전적 변화를 가지고 있었습니다. 새로운 분석 결과, 이 변화가 편집 지점을 파괴하여 근이영양증의 한 형태를 유발한다는 것이 드러났으며, 이 결과는 환자의 증상과 강력하게 일치하여 추가적인 임상 검사가 필요함을 시사했습니다. 또한 연구진은 유사한 미해결 상태를 보이는 다른 두 환자에 대해서도 강력한 후보를 찾아냈습니다. 이러한 성공 사례들은 단백질 자체뿐만 아니라 편집 과정을 들여다보는 것이 오랫동안 지속된 의학적 미스터리를 해결할 수 있음을 입증합니다.

본 연구는 유전적 변화를 해석하는 현재의 방식이 진화해야 한다고 결론짓습니다. 수년 동안 초점은 변화가 단백질의 형태를 깨뜨리는지에 맞춰져 왔지만, 이번 연구는 변화가 메시지를 올바르게 편집하는 것을 막을 때도 똑같이 해로울 수 있음을 보여줍니다. 스플라이싱 오류를 예측하는 도구를 표준 진단 워크플로우에 통합함으로써, 의사들은 훨씬 더 많은 환자에게서 질병의 진정한 원인을 밝혀낼 수 있습니다. 이러한 관점의 전환은 최종 제품이라는 좁은 초점에서 제조 과정 전체에 대한 폭넓은 이해로 나아가는 것이며, 이를 통해 단순한 유전적 오류가 눈에 띄지 않는 곳에 숨어 있다는 이유만으로 간과되지 않도록 보장합니다.