Integrative Mendelian randomization, single-cell, and bulk transcriptomic analyses reveal the landscape of druggable genome- and gut microbiome-associated biomarkers in osteoarthritis

기술 요약: 골관절염에서의 통합적 멘델 무작위 분석, 단일 세포 및 벌크 전사체 분석

문제 정의
골관절염(OA)은 연골 퇴행과 저강도 활막염을 특징으로 하는 흔한 퇴행성 관절 질환이다. 현재의 임상적 중재는 주로 증상을 완화할 뿐 질병의 진행을 멈추지는 못하는데, 이는 주로 약물 투여 가능 유전체(druggable genome, DG)와 장내 미생물군집(gut microbiome, GM) 사이의 조절적 상호작용, 특히 이들의 시너지 효과를 내는 교차 메커니즘에 대한 이해가 부족하기 때문이다. DG 유전자와 GM은 각각 골관절염과 연관되어 있으나, 이들의 구체적인 협력 메커니즘과 특정 바이오마커는 아직 명확히 밝혀지지 않았다. 본 연구는 DG와 GM을 연결하는 골관절염 관련 바이오마커를 식별하고, 그 기저 메커니즘을 탐구하며, 이 조절 축에 관여하는 핵심 세포 유형을 정의하는 것을 목표로 한다.

연구 방법론
본 연구는 멘델 무작위 분석(MR), 벌크 전사체학, 머신러 러닝, 그리고 단일 세포 RNA 시퀀싱(scRNA-seq)을 결합한 다중 오믹스 통합 접근법을 사용하였다.

1. 데이터 수집: GEO 데이터베이스에서 벌크 전사체 데이터(GSE51588 및 GSE114007)를 확보하였다. 골관절염 관련 약물 투여 가능 유전체 유전자(DRGs)는 문헌에서 추출하였으며, 골관절염 관련 유전적 변이 데이터는 IEU OpenGWAS 플랫폼에서 검색하였다. 장내 미생물군집(GM) 데이터는 MiBioGen 데이터베이스에서 가져왔다.
2. 멘델 무작위 분석 (MR): 인과 관계를 확립하기 위해 두 가지 별도의 MR 분석을 수행하였다.
   • DRG-OA: DRG의 eQTL을 도구 변수(IVs)로 사용하여 OA에 미치는 인과적 효과를 평가하였다.
   • GM-OA: GM 분류군(taxa)의 eQTL을 도구 변수로 사용하였다.
   • 분석에는 TwoSampleMR 패키지를 사용하였으며, 역분산 가중법(IVW)을 주요 방법으로 사용하고, MR Egger, 가중 중앙값(weighted median), 그리고 민감도 분석(이질성, 수평적 다표현성, leave-one-out, Steiger 방향성 테스트)을 보조적으로 활용하였다.
3. 후보 유전자 식별:
   • 대사체-타겟 예측: 장내 미생물 관련 대사체는 gutMGene 데이터베이스에서 검색하였다. 타겟 유전자(GRGs)는 SEA 및 STP 플랫폼을 사용하여 예측하였다.
   • 교집합 분석: 벌크 RNA-seq에서 얻은 차별 발현 유전자(DEGs)를 OA 관련 DRG 및 GRG와 교차 분석하여 후보 유전자를 식별하였다.
4. 바이오마커 스크리닝: 후보 유전자의 순위를 매기기 위해 XGBoost 및 Random Forest와 같은 머신러닝 알고리즘을 적용하였다. 교차되는 유전자들은 Wilcoxon 검정과 ROC 곡선 분석을 통해 독립된 데이터셋에서 검증되었다. 예측 성능을 평가하기 위해 역전파(Back Propagation, BP) 신경망을 구축하였다.
5. 기능 및 메커니즘 분석:
   • 농축 분석: GSEA, GO 및 KEGG 경로 분석을 수행하였다.
   • 분자 상호작용: 핵심 대사체와 바이오마커로 코딩된 단백질 간의 결합 안정성을 평가하기 위해 분자 도킹 및 분자 역학(MD) 시뮬레이션(GROMACS 사용)을 실시하였다.
   • 면역 및 세포 내 분석: GSVA를 통해 면역 세포 침윤을 평가하였고, 세포 내 위치를 예측하였다.
6. 단일 세포 분석: scRNA-seq 데이터를 Seurat을 사용하여 품질 관리, 클러스터링 및 주석 달기를 수행하였다. 또한, 식별된 주요 세포군에 대해 위상 시간 궤적 분석(Monocle), 세포 간 통신(CellChat), 대사 프로파일링(scMetabolism)을 수행하였다.

주요 결과

• 인과적 요인: MR 분석 결과 8개의 OA 관련 DRG와 4개의 OA 관련 GM이 식별되었다. 특히, LDHA와 GRIK1은 보호 인자(OR < 1)로 확인되었으며, Bifidobacterium(속 수준)은 위험 인자로 식별되었다.
• 바이오마커: 교차 분석과 머신러닝을 통해 두 개의 견고한 바이오마커가 확인되었다: LDHA(OA에서 하향 조절됨)와 GRIK1(OA에서 상향 조절됨). 두 유전자는 독립된 데이터셋에서 높은 진단 정확도(AUC > 0.7)를 보였으며, 결합된 BP 신경망 모델은 AUC 0.963 및 0.880을 달기하였다.
• 대사체-바이오마커 축: 위험과 관련된 Bifidobacterium은 22개의 대사체와 연결되었다. 분자 도킹 및 MD 시뮬레이션 결과, 핵심 대사체(예: 엽산, 디하이드로카페익산)와 바이오마커 간의 안정적인 결합이 밝혀졌다. 구체적으로, 엽산은 LDHA와 강하게 결합하였고, 디하이드로카페익산은 GRIK1과 결합하였다.
• 기능적 농축: 두 바이오마커 모두 미접힘 단백질 반응(UPR) 경로에 유의하게 농축되어 있었다. LDHA 발현은 활성화된 수지상 세포 및 중심 기억 CD4+ T 세포와 상관관계가 있었다.
• 핵심 세포 유형: scRNA-seq 분석을 통해 LDHA를 높게 발현하는 핵심 세포군으로 **내피세포(endothelial cells)**를 식별하였다. 이 세포들은 다시 네 가지 하위 유형(Tip-like, Stalk-like, Lymphatic, Tumor EC)으로 세분화되었다. OA 샘플에서 내피세포와 골수계 세포 간의 강력한 세포 간 통신이 감지되었다.
• 조절 네트워크: 포괄적인 축이 구축되었다: Bifidobacterium(GM) → 대사체(엽산/디하이드로카페익산) → 바이오마커(LDHA/GRIK1) → 대사 경로(엽산 일탄소 회로/시스테인-메티오닌 대사) → 내피세포.

의의 및 주장
본 연구는 DG-GM-OA 조절 네트워크를 체계적으로 규명했다고 주장한다. MR을 다중 오믹스와 통합함으로써, 저자들은 LDHA와 GRIK1을 골관절염 진단을 위한 새로운 보호 바이오마커로 정의하였다. 본 연구는 내피세포가 전신 대사 신호(장 유래 대사체를 통해)와 국소 관절 염증을 잇는 중요한 기질 조절자임을 강조한다.

저자들은 식별된 바이오마커와 장 유래 대사체(특히 디하이드로카페익산 및 엽산)가 미생물 대사체 기반의 중재 및 정밀 치료 전략의 잠재적 타겟이 될 수 있다고 제언한다. 본 연구는 이러한 발견이 골관절염에서의 '장-관절 축'에 대한 이해를 업데이트한다고 강조하지만, 다민족 검증 및 식별된 메커니즘에 대한 실험적 검증(in vitro/in vivo)의 필요성이라는 한계를 인정하고 있다.