Circulating Tumor DNA Mutation Profiling Reveals Prognostic Signatures in Breast Cancer

당신의 몸을 활기찬 도시라고 상상해 보세요. 그리고 암은 특정 구역을 점령하려는 반란군 집단이라고 상상해 봅시다. 보통 이 반란군들을 이해하기 위해 의사들은 특수 작전팀을 투입하여 물리적으로 그 구역에 들어가 건물의 샘플을 채취하고 설계도를 분석해야 합니다. 이것을 "조직 생검(tissue biopsy)"이라고 부릅니다. 효과적이긴 하지만, 집 안으로 침입해 우편물을 확인하는 것과 같이 침습적이며, 오직 그 특정 지점에서 그 특정 순간에 무엇이 일어나고 있는지만을 알려줍니다. 반란군들이 도시의 다른 곳에 숨어 있을 수도 있고, 마지막 방문 이후에 계획을 바꿨을 수도 있습니다.

이제 "액체 생검(liquid biopsy)"이라는 개념을 만나봅시다. 반란군들이 도시의 혈류를 따라 이동하면서 파쇄된 문서, 찢어진 페이지, 흩어진 메모들을 남긴다고 생각해 보세요. 이것들은 순환 종양 DNA(ctDNA)라고 불리는 아주 작은 DNA 파편들입니다. 이 파편들은 혈액 속에 자유롭게 떠다니고 있기 때문에, 간단한 바늘 찌르기만으로도 그것들을 포착할 수 있으며, 이는 전신에 걸쳐 반란군들이 무엇을 하고 있는지 볼 수 있는 비침습적인 방법을 제공합니다. 과학자들은 수년 동안 이 흩어진 메모들을 읽으려고 노력해 왔지만, 종종 그들은 자신들이 예상하는 특정하고 잘 알려진 단어들(예: "핫스팟 돌연변이")만을 찾아보곤 했습니다. 이 새로운 연구는 더 큰 질문을 던집니다: 만약 우리가 파쇄된 문서의 '모든 것'을 읽는다면 어떨까? 만약 우리가 전체 게놈 시퀀싱(Whole-Genome Sequencing)을 사용하여 혈액 속의 모든 글자를 스캔하여, 단지 헤드라인뿐만 아니라 암이 말하고자 하는 전체 이야기를 찾아낸다면 어떨까?

거대한 스캔: 파쇄된 메모 읽기

이 연구에서 연구자들은 거대하고 모든 눈을 뜨고 있는 접근 방식을 취하기로 했습니다. 그들은 유방암 환자 349명으로부터 혈액 샘플을 수집했으며, 이것이 단순히 평범한 삶의 배경 소음이 아니라는 것을 확실히 하기 위해 1,124명의 건강한 기증자들과 비교했습니다. 그들은 강력한 도구인 전체 게놈 시퀀싱(WGS)을 사용하여 혈액 속에 떠다니는 DNA의 모든 글자를 읽었습니다.

단순히 용의자들을 찾는 대신, 그들은 5,930개의 서로 다른 유전자 전반에 걸쳐 흩어져 있는 10,380개의 서로 다른 유전적 "오타"(돌연변이)라는 거대한 도서관을 발견했습니다. 그것은 마치 반란군들이 단지 한 가지 종류의 암호만을 사용하는 것이 아니라, 그들만의 혼란스럽고 다양한 언어를 사용하고 있다는 것을 발견한 것과 같았습니다. 그들은 가장 흔한 "오타"가 오타(missense mutations)라는 것을 발견했지만, 또한 빠진 단어(frameshift deletions)와 문장이 갑자기 끝나는 현상(nonsense mutations)도 목격했습니다. 흥eli롭게도, 반란군들이 사용하는 특정 단어들은 암이 위치한 "구역"에 따라 변하는 것처럼 보였습니다. 예를 들어, 한 종류의 유방암(Luminal A)은 TTN 및 OBSCN 같은 유전자에 많은 오타가 있는 반면, 다른 유형(삼중 음성)은 LARGE2 및 COL7A1 같은 다른 선호 유전자 세트를 가지고 있었습니다.

혼돈에서 명확함으로: 일곱 개의 열쇠 찾기

이 거대하고 무질서한 유전적 단서 더미를 발견한 후, 팀은 어떤 것들이 실제로 환자의 경과를 예측하는 데 중요한지를 알아내야 했습니다. 그들은 단순히 추측할 수 없었기에, 수천 명의 다른 환자들로부터 얻은 조직 샘플과 생존 기록 데이터를 사용하여 "점 잇기" 게임을 수행했습니다. 그들은 특정 패턴, 즉 유전자가 특정 방식으로 돌연변이를 일으키거나 발현될 때 환자가 더 오래 생존할지 아니면 짧게 생존할지를 예측할 수 있는 유전자 세트를 찾고 있었습니다.

수많은 소음을 걸러낸 끝에, 그들은 "일곱 유전자 스쿼드(Seven-Gene Squad)"로 범위를 좁혔습니다. 이 유전자들은 NFKBIA, PDCD1, ARID1B, CFB, JAK1, MUC4, 그리고 FCGBP입니다.

여기서 놀라운 점은, 연구진이 이 일곱 유전자를 기반으로 "위험 점수(risk score)"를 구축했다는 것입니다. 그들은 유전자를 탐정 팀처럼 다루었습니다. 어떤 유전자들(예: NFKBIA 및 PDCD1)은 보디가드처럼 작동합니다. 이들이 잘 작동할 때 환자는 더 오래 생존하는 경향이 있습니다. 반면 다른 유전자들(예: ARID1B)은 문제아처럼 작동합니다. 이들이 망가졌을 때 위험도는 올라갑니다. 이 유전자들이 어떻게 행동하는지 그 무게를 측정함으로써, 팀은 환자들을 "고위험군"과 "저위험군" 두 그룹으로 분류할 수 있었습니다.

결과는 인상적이었습니다. "고위험군"은 "저위험군"보다 더 빨리 사망할 확률이 훨씬 높았습니다. 실제로 고위험군의 위험도는 두 배 이상(Hazard Ratio 2.31)이었습니다. 이것은 그들이 테스트한 특정 349명의 환자들에게만 나타난 우연한 결과가 아니었습니다. 팀은 이 일곱 유전자 공식을 1,385명의 더 많은 환자 데이터를 포함하는 7개의 다른 거대 데이터베이스에 적용하여 테스트했습니다. 거의 모든 테스트에서 그 공식은 작동했으며, 누가 앞으로 더 힘겨운 싸움을 하게 될지를 정확하게 식ের 식별해 냈습니다.

이것이 의미하는 바 (그리고 의미하지 않는 바)

이 연구는 혈액 속의 "파쇄된 메모"를 읽음으로써, 우리가 유방암 생존을 예측하는 강력한 수정구슬 역할을 하는 일곱 개의 특정 유전적 단서를 찾을 수 있음을 시사합니다. 이는 우리가 단지 가장 유명한 암 유전자들에만 의존할 필요가 없다는 것을 보여줍니다. 혈액 속에는 질병을 더 잘 이해하기 위해 사용할 수 있는 숨겨진 정보의 층이 통째로 존재합니다.

하지만 저자들은 이것이 마법의 치료제나 완성된 제품이라고 말하지 않도록 주의를 기울였습니다. 그들은 자신들의 연구가 주로 특정 시점의 "스냅샷"이었다는 점을 지적합니다. 즉, 그들은 혈액을 한 번 보고 나중에 기록을 확인했을 뿐입니다. 그들은 질병이 진행됨에 따라 위험 점수가 어떻게 변하는지 보기 위해 장기간 반복적인 혈액 검사를 통해 환자들을 추적 관찰하지 않았습니다. 따라서 이 일곱 유전자 모델은 위험을 예측하는 새로운 방법에 대한 매우 강력한 제안이기는 하지만, 의사들이 스캔을 통해 재발이 눈에 띄기 전에 이를 포착할 수 있도록 "파쇄된 메모"가 시간에 따라 어떻게 변하는지 관찰할 수 있는 미래 연구에서 여전히 검증되어야 합니다.

현재로서, 이 논문은 매혹적인 새로운 지도를 제공합니다. 그것은 혈액이 유방암에 관한 이야기들로 가득 차 있으며, 만약 우리가 올바른 일곱 개의 장을 읽는 법을 배운다면, 오늘날보다 훨씬 더 일찍 이야기의 결말을 예측할 수 있을지도 모른다는 것을 알려줍니다.