The identification of key immune related genes and pathways in polycystic ovary syndrome by bioinformatics analysis of Single-cell RNA sequencing data

당신의 몸이 활기차고 첨단 기술이 집약된 도시라고 상상해 보세요. 이 도시 안에는 세포라고 불리는 수백만 명의 아주 작은 일꾼들이 있으며, 각자 특정한 직업을 가지고 있습니다. 어떤 이들은 도로를 건설하고, 어떤 이들은 택배를 배달하며, 또 어떤 이들은 침입자를 물리치며 평화를 유지하는 경찰 역할을 합니다. 이 "경찰 조직"이 바로 당신의 면역 체계입니다. 보통은 완벽하게 작동하지만, 때때로 도시는 약간의 혼란에 빠지기도 합니다. 다낭성 난소 증후군(PCOS)이라는 상태에서는 도시의 리듬이 흐트러집니다. PCOS가 있는 여성들은 종종 불규칙한 생리, 임신 어려움, 높은 수준의 남성 호르몬 문제로 어려움을 겪습니다. 오랫동안 의사들은 도시에서 무엇이 일어나고 있는지는 알고 있었지만, 왜 면역 경찰이 그렇게 이상하게 행동하는지, 혹은 어떤 구체적인 일꾼들이 문제를 일으키고 있는지에 대해서는 확신하지 못했습니다.

이 미스터리를 해결하기 위해 과학자들은 "단일 세포 RNA 시퀀싱(single-cell RNA sequencing)"이라는 강력한 도구를 사용합니다. 이것은 단순히 도시 전체를 흐릿하게 찍은 사진을 찍는 것이 아니라, 모든 개별 일꾼의 지침서(RNA)를 읽어내는 초정밀 현미경이라고 생각하면 됩니다. 건강한 도시의 일꾼들과 PCOS가 있는 도시의 일꾼들의 지침서를 비교함으로써, 연구자들은 어떤 청사진이 다시 쓰였는지, 찢어졌는지, 혹은 복제되었는지를 정확히 찾아낼 수 있습니다. 이 논문은 이 데이터를 깊이 파고들어 혼란을 일으키는 "불량 일꾼"과 끊어진 통신망을 찾아냅니다.

---

디지털 탐정 이야기: PCOS의 범인을 찾아서

이 연구에서 한 팀의 디지털 탐정들은 다낭성 난소 증후군(PCOS)에서 면역 체계의 역할을 조사하기로 했습니다. 그들은 실험실에서 시험관이나 현미경을 사용하지 않았습니다. 대신, 그들은 GSE336823라고 명명된 특정 데이터 세트를 포함하는 거대한 컴퓨터 데이터베이스인 유전자 발현 옴니버스(Gene Expression Omnibus, GEO)를 사용했습니다. 이 데이터 세트는 혈액 세포의 유전적 지침서를 담고 있었습니다. 구체적으로, 그들은 PCOS 환자로부터 얻은 10,585개의 세포를 조사하고, 이를 건강한 개인으로부터 얻은 16,763개의 세포와 비교했습니다.

위대한 유전자 추적
연구진은 이 수천 개의 지침서를 훑어보기 위해 Seurat라는 정교한 소프트웨어 도구를 사용했습니다. 그들은 "차등 발현 유전자(Differentially Expressed Genes, DEGs)"를 찾고 있었는데, 이는 기본적으로 건강한 세포에 비해 PCOS 세포에서 너무 크게 소리를 지르거나 너무 작게 속삭이는 유전자를 의미합니다.

그들의 탐색은 매우 정밀했습니다. 그들은 엄격한 규칙을 설정했습니다. 어떤 유전자가 의심 대상으로 간주되려면 5.628배보다 더 크게 상향 조절(소리 지름)되거나, -5.889배보다 더 낮게 하향 조절(속삭임)되어야 했습니다. 또한 허위 경보일 확률(통계적 값, 즉 adj.P.Value)이 0.05 미만이어야 한다는 조건도 요구했습니다.

결과는 어땠을까요? 그들은 다르게 행동하는 958개의 유전자를 찾아냈습니다. 정확히 479개는 소리를 지르고 있었고(상향 조절), 479개는 속삭이고 있었습니다(하향 조절). 이는 마치 갑자기 직무 기술서가 바뀐 958명의 직원을 찾아낸 것과 같았습니다.

이 유전자들은 무엇을 하고 있는가?
이 958개의 유전자가 실제로 무엇을 하고 있는지 이해하기 위해, 팀은 유전자 온톨로지(Gene Ontology, GO) 및 REACTOME이라는 도구를 사용하여 "기능 점검"을 실시했습니다. 이것은 유전자들에게 "당신은 어떤 종류의 일을 하고 있습니까?"라고 묻는 것과 같습니다.

그 답변들은 면역 체계를 강력하게 가리켰습니다. 소리를 지르는 유전자들은 "자극에 대한 반응" 및 "선천 면역 체계" 활동 등에 분주했습니다. 속삭이는 유전자들은 "생물학적 조절" 및 "인터루킨-10 신호 전달"과 관련이 있었습니다. 결과적으로 면역 체계는 단순한 방관자가 아니었습니다. 그것은 특히 신체가 염증과 면역 조절을 처리하는 방식에서 PCOS 드라마에 깊이 관여하고 있었습니다.

점 연결하기: PPI 네트워크
유전자는 홀로 작동하지 않습니다. 그들은 서로 대화하는 거대한 사회적 네트워크의 일부입니다. 연구진은 누가 누구와 대화하는지 보기 위해 "단백질-단백질 상호작용(Protein-Protein Interaction, PPI)" 네트워크를 구축했습니다. 이 네트워크는 매우 거대하여, 7,803개의 노드(유전자)와 18,408개의 연결(에지)을 포함하고 있었습니다.

이 거대한 웹에서, 그들은 특별한 필터를 사용하여 네트워크의 보스 역할을 하는 가장 인기 있고 잘 연결된 유전자인 "허브 유전자(Hub Genes)"를 찾아냈습니다. 그들은 다음과 같은 10개의 주요 허브 유전자를 식별했습니다:

• ANLN, MKI67, AR, PDGFRA, TEX101, MYBBP1A, HSPB1, SLC22A4, NPM3, 그리고 RPS5.

이 열 가지 유전자는 PCOS 면역 이야기에서 가장 영향력 있는 플레이어들이었습니다.

컨트롤 타워: miRNAs와 전사 인자
하지만 누가 이 허브 유전자들에게 무엇을 할지 명령하고 있을까요? 연구진은 "컨트롤 타워"를 찾기 위해 더 깊이 파고들었습니다.

1. 문자 메시지 보내는 이들 (miRNAs): 그들은 유전자가 일할지 쉴지를 결정하는 문자 메시지처럼 작동하는 마이크로RNA(miRNA)라는 작은 분자들을 발견했습니다. 그들은 MKI67 유전자가 347개의 서로 다른 miRNA로부터 문자를 받고 있으며, ANLN은 269개의 서로 다른 miRNA로부터 문자를 받고 있다는 것을 발견했습니다. 두 가지 특정 발신자가 눈에 띄었습니다: hsa-miR-548au-5p와 hsa-miR-3689b-5p입니다.
2. 보스들 (전사 인자, TFs): 그들은 또한 이 유전자들의 스위치를 켜는 "보스들"(전사 인자 또는 TFs)을 찾았습니다. 그들은 BACH1과 HAND2가 허브 유전자를 조절하는 핵심 보스라는 것을 발견했습니다.

약물 매칭
마지막으로, 팀은 결정적인 질문을 던졌습니다: "만약 우리가 어떤 유전자가 고장 났는지 안다면, 그것을 고칠 수 있는 약을 찾을 수 있을까?" 그들은 기존의 약물들이 이러한 특정 허브 유전자들을 표적으로 삼을 수 있는지 확인하기 위해 DrugBank라는 데이터베이스를 사용했습니다.

• 너무 크게 소리를 지르는 유전자들에 대해서는, Venlafaxine과 Umeclidinium 같은 약물을 제안했습니다.
• 너무 작게 속삭이는 유전자들에 대해서는, Sitagliptin과 Fibrinolysin 같은 약물을 지목했습니다.

결론: 진단은 얼마나 정확한가?
이 10개의 허브 유전자가 실제로 실생활에서 PCOS를 진단하는 데 사용될 수 있는지 확인하기 위해, 팀은 **ROC 곡선(Receiver Operating Characteristic curve)**이라는 테스트를 실시했습니다. 이 테스트는 도구가 환자와 건강한 사람을 얼마나 잘 구별하는지 측정합니다. 결과는 유망했습니다:

• AR 유전자의 점수는 0.919였습니다.
• NPM3는 0.914를 기록했습니다.
• HSPB1은 0.906을 기록했습니다.
• ANLN은 0.878을 기록했습니다.

의료 테스트의 세계에서 0.9 이상의 점수는 매우 우수하다고 간주되며, 0.8 이상은 매우 좋은 수준입니다. 이는 이 유전자들이 향후 의사들이 PCOS를 더 정확하게 진단하는 데 도움을 줄 수 있는 강력한 후보임을 시사합니다.

핵심 요약
이 논문은 PCOS를 치료하거나 마법의 알약을 찾아냈다고 주장하는 것이 아닙니다. 대신, 면역 체계가 우리가 생각했던 것보다 훨씬 더 큰 역할을 한다는 것을 시사합니다. 컴퓨터 분석을 사용하여 혈액 세포의 유전적 지침서를 읽음으로써, 저자들은 왜 PCOS가 발생하는지를 설명할 수 있는 10개의 핵심 유전자, 특정 면역 경로, 그리고 잠재적인 약물 표적을 식별해 냈습니다. 그들은 이러한 발견이 우리가 질병을 더 잘 이해하도록 돕고, 어쩌면 이를 진단하고 치료하는 새로운 방법을 이끌어낼 수 있다고 제안하지만, 이러한 아이디어들을 실제 세상에서 확인하기 위해서는 더 많은 연구가 필요합니다.