Database for ancestry-specific cross-tissue gene expression models: AGEMdb

기술 요약: AGEMdb – 조상 특이적 교차 조직 유전자 발현 모델

문제 제식 (Problem Statement)
전사체 연관 분석(TWAS)은 유전적으로 조절되는 유전자 발현과 전장 유전체 연관 분석(GWAS) 데이터를 통합하여 GWAS 신호의 근간이 되는 후보 유전자의 우선순위를 정하는 데 있어 핵심적인 전략입니다. 그러나 TW사(TWAS)의 정확도는 유전형과 전사체 데이터를 모두 포함하는 참조 데이터셋을 통해 훈련된 유전자 발현 임퓨테이션(imputation) 모델에 크게 의존합니다. 현재 리소스의 중대한 한계는 인구 다양성의 부족입니다. 널리 사용되는 모델들(예: GTEx 프로젝트의 모델)은 주로 유럽 혈통(84.9%)의 개인들을 기반으로 합니다. 이러한 편향은 비유럽 인구에 대한 유전자 발현 모델의 전이 가능성과 일반화 가능성을 제한합니다. 이전 연구들은 유럽 데이터로만 훈련된 모델이 대립유전자 빈도와 연관 불균형(LD) 패턴의 차이로 인해 다른 조상 집단에서 성능이 저하된다는 것을 보여줍니다. 아프리카계 미국인은 GTEx에서 두 번째로 큰 조상 집단(12.6%)을 차지하고 있지만, 이 인구를 위한 전용 사전 훈련 유전자 발현 모델은 거의 제공되지 않아 공평한 유전체 연구를 저해하고 있습니다.

방법론 (Methodology)
이러한 격차를 해소하기 위해 저자들은 GTEx 프로젝트(dbGaP accession phs000424.v9.p2)의 고품질 데이터를 사용하여 AGEMdb(조상 특이적 교차 조직 유전자 발현 모델 데이터베이스)를 개발했습니다.

• 데이터 처리 및 품질 관리:

  • 953명의 개인으로부터 유전형 및 유전자 발현 데이터를 처리했습니다.
  • 유전형 호출율(>99.9%)과 이형접합성 분포를 기준으로 샘플을 필터링하여 조상 그룹을 식별했습니다.
  • 조상 이상치를 제외하고 엄격한 품질 관리(호출율 90% 미만의 SNV 제거, 하디-와인버그 평형 P < 10⁻⁶, LD 프루닝 적용)를 거친 후, 최종 데이터셋은 689명의 유럽 혈통과 111명의 아프리카계 미국인 혈통으로 구성되었습니다.
  • 49개 조직의 유전자 발현 데이터는 성별, 시퀀싱 플랫폼, 라이브러리 프로토콜, 유전형 주성분(PC), 그리고 PEER 요인(조직 샘플 크기에 따라 변동)을 포함한 혼란 변수에 대해 조정되었습니다.

• 모델 훈련:

  • 저자들은 UTMOST(Unified Test for MOlecular SignaTures) 프레임워크를 활용하여 각 조상 그룹에 대해 별도의 교차 조직 유전자 발현 임퓨테이션 모델을 훈련했습니다.
  • 모델은 전사 시작/종료 지점으로부터 1 Mb 이내에 위치한 SNV를 사용하여 38,539개의 상염색체 유전자에 대해 훈련되었습니다.
  • 유럽 혈통: 49개 모든 조직에 대해 모델을 생성하였으며, 총 35,090개의 유전자 발현 임퓨테이션 모델이 생성되었습니다.
  • 아프리카계 미국인 혈통: 샘플 크기가 불충분한 5개 조직을 제외한 44개 조직에 대해 모델을 생성하였으며, 총 34,918개의 모델이 생성되었습니다.
  • 교차 조직 접근 방식은 조직 간 공유되는 유전적 조절을 활용하여 예측 성능을 향상시키며, 이는 특히 아프리카계 미국인 코호트처럼 조직당 샘플 크기가 작은 경우(7~77개 사이) 매우 중요합니다.

• 데이터베이스 인프라:

  • AGEMdb는 맨체스터 대학교에서 호스팅하는 웹 기반 데이터베이스로, 유럽 및 아프리카계 미국인 데이터를 위한 별도의 포털을 갖추고 있습니다.
  • 백엔드는 SQLAlchemy를 사용하는 PostgreSQL을 사용하며, 프론트엔드는 Flask, Jinja 템플릿, Tailwind CSS로 구축되었습니다.
  • 데이터베이스는 세 가지 주요 테이블인 "Weights"(SNP 효과 크기), "Gene Level Metadata"(5-겹 교차 검증을 통한 R² 및 MSE와 같은 모델 성능 지표), "Gene Tissue Metadata"를 저장합니다.
  • 또한 다운스트림 TWAS 분석에 필요한 SNP 용량(dosage)의 사전 계산된 공분산 행렬을 제공합니다.

주요 기여 및 결과 (Key Contributions and Results)

• 조상 특이적 모델: AGEMdb는 기존의 유럽 모델과 더불어, 특히 아프리카계 미국인을 위해 훈련된 최초의 공개 가능한 교차 조직 유전자 발현 임퓨테이션 모델을 제공합니다.
• 포괄적 범위: 데이터베이스는 수천 개의 유전자에 대해 수십 개의 조직 모델을 포함하며, 유전자, 조직 및 SNP 속성에 따른 유연한 필터링 옵션을 제공합니다.
• 성능 지표: 데이터베이스는 교차 검증에서 도출된 성능 지표(평균 R² 및 MSE)를 보고합니다. 저자들은 교차 조직 프레임워크가 더 작은 아프리카계 미국인 샘플 크기로 인한 통계적 힘의 한계를 완화하는 데 도움이 되지만, 샘플 수가 매우 적은(예: <20) 조직은 예측이 덜 안정적일 수 있다고 언급했습니다.
• 상호 운용성: 모델은 UTMOST, S-PrediXcan, PrediXcan을 포함한 다양한 TWAS 도구와 호환되어, GWAS 요약 통계량과 개별 수준의 유전형/표현형 데이터 모두와 통합될 수 있습니다.

의의 및 주장 (Significance and Claims)
본 논문은 AGEMdb가 TWAS 리소스의 유럽 혈통 편향을 해결함으로써 유전체 연구의 불평등을 줄이는 데 중요한 단계라고 주장합니다. 조상 특이적 모델을 제공함으로써, 이 데이터베이스는 특히 아프리카계 미국인 GWAS를 위한 더 정확하고 공평한 유전자-형질 연관 분석을 지원합니다. 저자들은 다중 조상 모델이 더 큰 결합 샘플 크기의 이점을 가짐에도 불구하고, 조상 일치 평가에서는 조상 특이적 모델이 더 우수한 성능을 보인다는 점을 강조합니다.

그러나 저자들은 자신의 연구 한계에 대해 겸허한 어조를 유지합니다. 그들은 GTEx 내 아프리카계 미국인 개인의 상대적으로 작은 샘플 크기가 결과 모델, 특히 샘-플 수가 매우 적은 조직의 통계적 검정력과 안정성에 제한을 준다는 점을 인정합니다. 또한, 많은 다른 조상 그룹들이 여전히 GTEx에서 심각하게 과소 대표되어 있으며, 유전 연구의 혜택이 전 세계적으로 공평하게 분배되기 위해서는 다양한 인구 집단에 걸친 유전형 및 전사체 데이터 수집을 확대하는 노력이 향후 반드시 필요하다고 언급합니다. AGEMdb는 최종적인 해결책이 아니라, 더 포용적인 연구를 가능하게 하고 복잡한 질병에 대한 GWAS 결과의 임상적 번역을 촉진하기 위한 가치 있는 리소스로 제시됩니다.