Genomic context structures CpG-gene expression direction across human tissues

기술 요약: 인간 조직 전반의 CpG-유전자 발현 방향에 대한 게놈 맥락 구조

문제 정의
후성유전체 전장 연관 연구(EWAS)는 표현형과 연관된 CpG 사이트를 식별하는 데는 능숙해졌으나, 이러한 연관성의 조절 방향을 해석하는 데는 어려움을 겪고 있다. DNA 메틸화는 고정된 조절 부호를 가지지 않는다. 프로모터 메틸화는 종종 전사를 억제하지만, 유전자 본체(gene body)나 원위부(distal) 영역의 메틸화는 발현 증가와 상관관울 수 있다. 결과적으로, 특정 CpG가 유전자와 연관되어 있다는 사실을 아는 것만으로는 메틸화의 상승이 발현의 상승을 의미하는지 혹은 하락을 의미하는지 알 수 없다. 이전 연구들은 eQTM(발현 양적 형질 메틸화) 방향이 게놈 특징을 통해 예측 가능하다는 것을 입증했지만, 이 방향성이 이질적인 데이터셋, 조직 및 게놈 로커스(loci) 전반에서 얼마나 이식 가능한지는 여전히 불분명하다. 또한, 전사 인자(TF) 모티프 함량과 같은 기전적 정보가 이 방향성 구조를 설명할 수 있는지, 아니면 단순히 게로믹 맥락(예: 전사 시작 부위(TSS)까지의 거리)만으로 충분한지도 알려지지 않았다.

연구 방법론
본 연구는 혈액, 비강 상피 및 6개의 고형 조직(TCGA 종양 샘격 포함)을 아우르는 12개의 cis-eQTM 데이터셋을 수집하였으며, 약 105,829개의 조화된 CpG-유전자 쌍을 포함하였다. 분석은 다음과 같은 몇 가지 뚜렷한 단계로 진행되었다:

1. 특징 공학 및 모델 학습: 저자는 두 가지 주요 방향성 정보원을 테스트하였다:

   • 기전적 (TF 기반): 특징에는 JASPAR 모티프 일치, 모티프 점수, 그리고 CollecTRI, TRRUST, DoRothEA와 같은 데이터베이스에서 추출한 정제된 부호화된 조절 관계(활성제/억제제 상태)가 포함되었다.
   • 게놈 맥락: 특징에는 TSS까지의 절대 거리, 로그 거리 및 이웃 우선순위(주변에 등록된 CpG들의 평균 방향)가 포함되었다.

   모델은 그래디언트 부스팅 결정 트리(gradient-boosted decision trees)와 엘라스틱 넷 로지스틱 회귀(elastic-net logistic regression)를 사용하여 학습되었다. 이식성을 평가하기 위해 세 가지 교차 검증 체계를 사용하였다: CpG 단위 그룹화(알려지지 않은 CpG, 알려진 로커스), 대상 유전자 단위 그룹화(알려지지 않은 유전자), 그리고 1-Mb 게놈 블록 단위 그룹화(알려지지 않은 로커스).

2. 교차 조직 검증: 연구는 공유된 CpG-유전자 쌍이 서로 다른 조직(예: 혈액 대 비강 상피) 간에 공유된 연관성 부호를 유지하는지 평가하였으며, 주변 방향 빈도에 기초하여 우연히 발생할 수 있는 수준을 넘어서는 "초과 일치도(excess concordance)"를 측정하였다.

3. 보정된 예측 및 기권(Abstention): 최종 리소스는 등조 보정(isotification calibration)을 거친 조직별 모델을 사용하여 구축되었다. 모델은 증거가 불충분할 경우 예측을 수행하지 않도록 설계되었으며, 등록된 맥락의 가용성에 따라 계층적 주석 시스템(Tier A, B, C)을 생성하였다.

4. 유전적 앵커링 검증: 독립적인 증거 계층은 요약 데이터 멘델 무작위 배정(SMR) 및 Wald-ratio 통계량을 사용하여 생성되었다. 이는 측정된 eQTM 카탈로그에 의존하지 않고 CpG-유전자 쌍의 방향을 추론하기 위해 GoDMC의 mQTL 데이터와 eQTLGen(둘 다 혈액 기반)의 eQTL 데이터를 활용하였다. 공유된 인과적 구조를 평가하기 위해 이질적 도구(HEIDI) 테스트도 수행되었다.

주요 결과

• 게놈 거리가 방향을 구조화함: 모든 12개 데이터셋에서, 양의 연관성(높은 메틸화 = 높은 발현) 확률은 TSS로부터의 거리에 따라 체계적으로 증가했다. 거리 자체가 단일 쌍의 방향을 결정하지는 않았지만, 확률 분포를 재현 가능하게 구조화했다. 거리 유래 특징을 사용한 모델은 AUC 0.606(HELIX)에서 0.804(이웃 우선순위 포함 시)를 달 기록하며, TF 모티프만을 사용한 모델보다 유의미하게 높은 성능을 보였다.
• 전사 인자 모티프의 방향 예측 실패: 메틸화가 TF 결합을 변화시킨다는 생물학적 타당성에도 불구하고, 모티프 수준의 정보와 정제된 조절 극성을 결합했을 때 방향성을 예측하는 신호가 거의 없었다(AUC ~0.50–0.52). 알려진 부호화된 조절 범위를 제한하거나 각 인자의 효과를 직접 추정하더라도 모델은 일반화에 실패했으며, 이는 모티프 발생 자체가 세포 상태(점유율, 공동 인자, 상태)를 반영하는 필수적인 세포 맥락을 결여하고 있음을 시사한다.
• 공유 쌍에 대한 높은 교차 조직 일치도: 검출된 eQTM의 집합은 조직마다 크게 달랐지만(낮은 Jaccard 중첩), 공유된 연관성의 방향은 매우 잘 보존되었다. 가장 밀접하게 매칭된 비교군(EVA-PR 백혈구와 비강 상피)에서 공유된 쌍들은 부호에 대해 95.4% 일치하였으며, 이는 우연에 의해 기대되는 54.8%를 훨씬 상회하는 수치이다.
• 이식성 한계: 홀드아웃(holdout) 조건이 엄격해질수록 방향성 정보는 저하된다. 성능은 AUC 0.804(알려진 로커스 내 알려지지 않은 CpG)에서 0.694(알려지지 않은 유전자), 그리고 0.593(알려지지 않은 1-Mb 로커스)으로 떨어졌다. 조직 클래스 간의 전이는 완만한 비용(0.04–0.09 AUC 하락)을 초래했으나, 혈액 간 전이는 연령 및 플랫폼의 이질성으로 인해 놀라울 정도로 약했다.
• 유전적 앵킹: SMR 기반의 유전적 계층은 측정된 카탈로그에 없는 많은 CpG를 포함하여 103,285개의 CpG에 대한 방향성 증거를 제공했다. 여러 개의 일치하는 도구가 있는 쌍(S1 티어)에 대한 측정된 eQTM과의 일치도는 95.9%였고, 단일 도구 쌍(S2)의 경우 84.9%였다. HEIDI 테스트는 방향 구별 능력을 개선하지 못했으며, 오히려 HEIDI를 통과하지 못한 쌍들이 측정된 부호와 더 높은 일치도를 보였는데, 이는 도구의 수에 의한 혼란 변수 때문인 것으로 보인다.

의의 및 주장
본 논문은 핵심 발견이 단순히 eQTM 방향이 예측 가능하다는 것이 아니라, eQTM의 존재(presence)와 eQTM의 방향(direction)이 서로 다른 이식성 특성을 가진다는 점이라고 주장한다.

1. 존재와 방향의 분리: 조직들은 어떤 CpG-유전자 연관성이 검출 가능한지(존재)에 대해서는 크게 다르지만, 일단 검출되면 그 연관성의 방향은 조직 전반에 걸쳐 재현 가능한 게놈적 특성이다.
2. 기전보다 게놈 맥락: 방향성 구조는 전사 인자 모티프 내용보다는 게놈 맥락(특히 TSS까지의 거리)에 의해 주도된다. 본 연구는 세포 상태 특이적 점유 데이터가 없는 모티프 수준의 주석만으로는 메틸화-발현 관계의 부호를 복구하기에 불충분함을 입증했다.
3. 보정된 주석 리소스: 저자는 이러한 경계 조건을 cpgdirection 패키지라는 실용적인 리소스로 변환하여 604,456개의 CpG에 대한 방향성 주석을 제공한다. 결정적으로, 이 리소스는 직접 측정된 연관성, 유전적으로 앵커링된 증거, 맥락 예측된 방향을 구분하는 보정된 기권(abstention) 및 출처 라벨을 포함한다. 이는 모든 방향성 할당이 동일한 무게를 갖는다는 잘못된 가정을 방지한다.
4. 인과 추론의 한계: 연구는 유전적 계층이 메틸화가 발현을 매개한다는 인과성을 증명한다고 주장하는 것을 명시적으로 피한다. 대신, 유전적 증거를 측정된 데이터와 삼각 측량하는 "유전적으로 앵커링된 방향성 증거"로 규정하며, 공유된 서열 변이가 두 표현형 모두에 독립적으로 영향을 미칠 수 있음을 인정한다.

요약하자면, 본 연구는 검출 가능한 eQTM의 지형은 매우 조직 특이적이지만, 일단 검출되면 그 연관성의 부호를 규정하는 근본적인 규칙은 안정적이고 거리 의존적인 게놈 구조에 의해 지배되며, 이를 통해 일치하는 전사체 데이터가 없는 상황에서도 주석을 활용할 수 있음을 확립하였다.