PRS-CARV: A summary statistics framework for integrating annotation-informed rare variants to improve polygenic risk prediction

한 사람의 유전적 청사진을 보고 그 사람의 미래 건강을 예측하는 것을 상상해 보십시오. 수년 동안 과학자들은 그 청사진에서 가장 흔하게 나타나는 글자들, 즉 전체 인구에서 빈번하게 나타나는 미세한 DNA 변이들에 집중해 왔습니다. 이러한 흔한 변이들은 마치 완만하고 광범위하게 부는 산들바람과 같아서, 심장 질환이나 고콜레스테롤혈증 같은 질환에 대한 개인의 위험도에 아주 적은 양을 각각 기여합니다. 이러한 작은 효과들을 모두 더함으로써, 연구자들은 개인의 유전적 취약성을 추정하는 단일 수치인 '다유전자 위험 점수(polygenic risk score)'를 만들 수 있습니다. 그러나 이 접근 방식은 오랫동안 희귀하고 강력한 돌풍, 즉 100명 중 1명 미만으로 나타나는 유전적 변이를 간과해 왔습니다. 이러한 희귀 변이들은 종종 훨씬 더 강력하여 상당한 생물학적 변화를 일으킬 수 있지만, 너무 드물게 나타나기 때문에 개별 유전 코드가 담긴 거대하고 비용이 많이 드는 데이터베이스 없이는 연구하기가 어려웠습니다.

이제 한 연구팀이 개인의 프라이빗한 데이터베이스에 접근하지 않고도 이러한 희귀하고 강력한 유전적 신호를 예측 과정에 포함할 수 있는 새로운 방법을 개발했습니다. PRS-CARV라고 불리는 이들의 접근 방식은 공개적으로 사용 가능한 요약 데이터를 사용하여, 흔한 유전적 변이의 꾸준한 영향력과 희귀한 변이의 날카로운 충격을 결합할 수 있게 해줍니다. 연구진은 이 방법을 임신부의 실제 데이터를 대상으로 테스트했을 때, 희귀 변이를 추가하는 것이 혈중 콜레스테롤 및 기타 지방 수치를 예측하는 능력을 유의미하게 향상시킨다는 것을 발견했습니다. 이 획기적인 성과는 공통적인 배경 소음과 우리 DNA 속에 숨겨된 희귀하고 고영향력인 신호 모두를 포착하는, 더 완전한 유전적 위험의 그림을 그리는 것이 가능하다는 것을 시사합니다.

연구진이 해결한 핵심 과제는 물류적, 즉 실행상의 문제였습니다. 희귀한 유전적 변이의 효과를 정확하게 측정하기 위해, 과학자들은 전통적으로 수십만 명의 원시(raw) 개별 유전 데이터를 수집해야 했습니다. 하지만 이는 개인정보 보호법, 높은 비용, 그리고 그러한 민감한 정보를 공유하는 데 따르는 막대한 어려움 때문에 종종 불가능한 일이었습니다. 한편, UK 바이오뱅크(UK Biobank)와 같은 대규모 프로젝트들은 이미 수백만 개의 유전 샘플을 분석하여, 누가 그 유전자를 가졌는지는 밝히지 않으면서 특정 유전자가 형질과 어떻게 연결되는지를 보여주는 집계된 수치인 '요약 통계량(summary statistics)'을 발표해 왔습니다. PRS-CARV는 바로 이 간극을 메우기 위해 설계되었습니다. 이 방법은 이러한 대규모 공공 자원의 요약 데이터를 가져와 특정 집단의 개별 유전 데이터와 결합하여 더 정확한 위험 점수를 구축합니다.

연구진은 이 프레임워크를 지질 형질, 즉 고밀도 지질단백질(HDL), 저밀도 지질단백질(LDL), 중성지방, 총 콜레스테롤과 같은 혈중 지방 수치를 조사하여 테스트했습니다. 그들은 nuMoM2b-Heart Health Study의 유럽 혈통 임신부 약 3,000명을 대상 그룹으로 사용했습니다. 기초 데이터로는 39만 명 이상의 정보를 포함한 UK 바이오뱅크의 요약 통계량을 활용했습니다. 과정은 크게 두 단계로 진행되었습니다. 첫째, 해당 분야의 표준 관행에 따라 흔한 유전적 변이를 기반으로 위험 점수를 계산했습니다. 둘째, 희귀 변이에 대한 별도의 점수를 계산했습니다. 이를 위해 연구진은 희귀한 유전적 변화를 단백질을 파괴할 가능성이 있는지 혹은 단순히 약간 변화시킬 것인지와 같은 기능에 따라 특정 유전자 내에서 그룹화했습니다. 그런 다음 대규모 공공 데이터베이스에서 제공하는 가중치를 사용하여 이러한 희귀 그룹의 효과를 합산했습니다. 마지막으로, 이 두 점수를 하나의 통합된 예측 모델로 결합했습니다.

결과는 희귀 변이를 포함하는 것이 명확한 이점이 있음을 보여주었습니다. 연구진이 이 점수들이 여성의 실제 콜레스테롤 수치를 얼마나 잘 예측하는지 살펴보았을 때, 흔한 변수만을 사용한 모델보다 흔한 변수와 희귀 변수를 모두 포함한 모델의 성능이 더 뛰어났습니다. 이러한 개선은 모든 형질에 걸쳐 균일하게 나타나지는 않았는데, HDL 콜레스테롤의 경우 AUC(곡선 아래 면적)가 0.02 증가한 것부터 LDL 콜레스테롤의 경우 0.11 증가한 것까지 다양했습니다. 모든 경우에서 희귀 변이는 흔한 변수들이 놓친 정보의 층을 추가해 주었습니다. 또한 연구진은 희귀 변수 점수에 기여하는 유전자가 흔한 변수 점수의 유전자와는 크게 다르다는 점을 관찰했습니다. 흔한 변수들이 작은 효과를 가진 광범위한 유전자 네트워크를 가리켰다면, 희귀 변수는 지방을 분해하는 데 관여하는 유전자처럼 단백질 기능을 방해할 가능성이 높은 특정 유전자들을 강조했습니다.

결과의 견고함을 보장하기 위해, 팀은 알려진 특성을 가진 가짜 유전 데이터를 생성하는 컴퓨터 시뮬레이션을 수행했습니다. 이 시뮬레이션에서는 어떤 유전적 변이가 형질을 유발하는지, 그리고 그 효과가 얼마나 강한지를 정확히 알고 있었습니다. 시뮬레이션 결과는 희귀 변수 단독으로는 형질을 잘 예측할 만큼 강력하지 않지만, 흔한 변수에 추가되었을 때는 상당한 상승 효과를 제공한다는 것을 확인해 주었습니다. 이는 연구진이 시뮬레이션 내의 유전적 원인의 수를 변경하더라도 동일하게 유지되었습니다. 시뮬레이션과 실제 데이터 사이의 이러한 일관성은 연구팀의 방법론이 의도한 대로 작동하고 있다는 확신을 주었습니다.

그러나 이 연구는 이 방법이 작동하는 경계 또한 밝혀냈습니다. 연구진이 동일한 접근 방식을 임신성 당뇨병이나 임신 중 고혈압과 같이 질환의 유무(존재 또는 부재)를 따지는 이진 결과(binary outcomes)에 적용했을 때, 희귀 변수를 추가해도 예측력이 향 улуч되었습니다. 즉, 희귀 변수를 포함해도 포함하지 않았을 때보다 모델의 성능이 나아지지 않았습니다. 저자들은 이는 사용된 대규모 공공 데이터베이스에 이러한 특정 임신 관련 질환에 대한 사례가 충분하지 않아, 희귀 유전적 효과를 통계적 확실성을 가지고 감지할 수 없었기 때문이라고 제안합니다. 또한, 이러한 임신 관련 질환들은 호르몬이나 환경과 같은 유전 외의 복잡한 요인들에 의해서도 영향을 받으며, 이것이 희귀 변수의 신호를 희석시킬 수 있습니다.

이 연구는 PRS-CARV가 유전적 위험 예측을 더욱 포괄적으로 만드는 실용적인 방법을 제공한다고 결론짓습니다. 공개적으로 사용 가능한 요약 통계량을 활용함으로써, 이 방법은 개인 수준의 프라이빗한 데이터에 접근하지 않고도 강력한 정보를 담고 있는 희귀 유전적 변수를 연구에 포함할 수 있게 해줍니다. 이는 개인의 전체적인 유전적 위험 프로필(흔한 요소와 희귀한 요소를 모두 포함하는)을 이해함으로써 더 나은 예방과 케어 전략을 이끌어낼 수 있는 정밀 의료를 향한 중요한 진전입니다. 연구진은 현재의 작업이 유럽 혈통과 게놈의 단백질 코딩 영역에 집중되어 있지만, 향후 데이터가 더 확보됨에 따라 다양한 인구 집단과 비코딩 유전 영역으로 확장될 수 있다고 언급했습니다. 현재로서 이 방법은 콜레스테롤 수치와 같은 복잡한 형질의 유전적 구조를 이해하는 데 있어 정교함을 더해주는 검증된 도구로 자리 잡고 있습니다.