Non-independence in network-structured Mendelian randomization: a permutation framework and six failure modes

과학자들은 약물이 환자에게 도달하기 전에 그것이 효과가 있을지 예측할 수 있는 신뢰할 수 있는 방법을 오랫동안 찾아왔다. 멘델 무작위 배정(Mendelian randomization)이라고 알려진 강력한 방법은 자연의 자체적인 무작위성을 사용하여 인과관계를 테스트한다. 이 방법은 사람들이 태어날 때 물려받는 유전적 변이를 활용하는데, 이는 자연적인 실험 역할을 한다. 만약 특정 유전적 변이가 사람의 혈액 내 특정 단백질 수치를 높이는 원인이 되고, 그 동일한 사람이 또한 특정 질병의 위험도 높다면, 연구자들은 그 단백질 자체가 질병을 유발할 가능성이 높다고 추론할 수 있다. 이러한 접근 방식은 새로운 약물 표적을 지명하는 표준적인 도구가 되었으며, 특히 심장 질환 분야에서 그러하다. 이 분야의 흔한 가정은 만약 어떤 단백질(리간드)이 질병을 일으킨다면, 그 신호를 받는 단백질(그의 수용체) 또한 동일한 이야기를 들려주어야 한다는 것이다. 전령이 위험하다면, 수신자 역시 문제의 일부여야 한다는 논리다.

그러나 최근 한 연구는 이러한 가정을 반박하며, 이 두 가지 측정을 상호 교환 가능한 증거로 취급하는 것이 실수임을 밝혀냈다. 연구진은 수천 쌍의 상호작용하는 단백질을 분석하여, 그들의 유전적 신호가 관상동맥 질환의 위험성에 대해 일치하는지 확인했다. 그들은 전령과 수신체의 신호가 서로 일치하지 않는 경우가 많으며, 설령 일치하더라도 무작위로 짝을 지었을 때보다 더 자주 일치하는 것은 아니라는 사실을 발견했다. 또한 이 연구는 과학자들이 발견를 집계하는 방식에 숨겨진 결함이 있음을 드러냈다. 단백질들은 복잡한 그물망처럼 연결되어 있기 때문에, 동일한 단백질이 여러 다른 쌍에 등장하게 되어 표준적인 통계적 보정이 유효하지 않게 된다는 것이다. 결과적으로, 연구자들은 단지 두 부분이 유전적으로 연결되어 있다고 해서 하나의 경로가 동일하게 작동한다고 가정해서는 안 된다는 것을 보여줌으로써, 약물 표적을 식별하는 방식에 대해 더 명확하고 신중한 시각을 제시했다.

연구진은 먼저 약 5만 명의 혈액에서 측정된 660개의 서로 다른 단백질 데이터를 수집하며 시작했다. 그들은 멘델 무작위 배정 방법을 확신을 가지고 사용할 수 있도록, 근처에 명확한 유전적 스위치가 있는 단백질들에 집중했다. 그런 다음, 알려진 생물학적 상호작용 데이터베이스에 의해 매핑된, 하나는 신호 역할을 하고 다른 하나는 수신 역할을 하는 1,129개의 단백질 쌍을 조사했다. 각 쌍에 대해, 연구진은 신호 단백질이 심장 질환에 미치는 영향을 계산하고, 이를 수신체 단백질의 영향과 비교했다. 만약 일반적인 가정이 사실이라면, 이 두 수치는 같은 방향으로 움직여야 한다. 하지만 연구팀은 신호와 수신체 사이의 일치도가 우연보다 나을 것이 없다는 것을 발견했다. 한 대규모 데이터셋에서 두 단백질은 약 48.5%의 확률로만 같은 방향을 가리켰는데, 이는 단백질들을 무작위로 짝지었을 때와 구별할 수 없는 결과였다. 두 번째의 더 큰 데이터셋에서는 일치도가 47%로 더욱 낮아졌다.

이러한 불일치는 신호를 측정하는 것과 수신체를 측정하는 것이 실제로 서로 다른 질문에 답하고 있음을 시사한다. 연구는 연구자들이 두 단백질이 크게 불일치하는 쌍을 찾을 때, 더 많은 심장 질환 사례가 포함된 더 큰 데이터셋을 사용하면 "발견"의 수가 10개에서 31개로 세 배 증가한다는 것을 보여주었다. 결정적으로, 무작위 소음(noise)에 대한 통계적 기대치 또한 9에서 30으로 함께 상승했는데, 이는 해당 증가가 생물학적 신호가 아니라 우연에 의한 것임을 의미한다. 연구진은 표준적인 보정 방법들이 모든 단백질 쌍을 독립적인 테스트로 취급하기 때문에 이러한 오류를 바로잡는 데 실패하고 있음을 입증했다. 실제로 단백질들은 네트워크 형태로 연결되어 있으며, 단일 단백질은 수십 개의 쌍의 일부가 될 수 있다. 동일한 단백질이 여러 테스트에 등장할 때 데이터는 독립적이지 않으며, 표준적인 보정은 발견된 진정한 발견의 수를 과대평가한다.

이를 해결하기 위해 연구팀은 네트워크 구조를 존중하는 새로운 방식으로 결과를 테스트하는 방법을 개발했다. 그들은 두 가지 접근 방식을 시도했는데, 하나는 단백질 자체와 연결 수를 정확히 유지하면서 단백질 간의 연결을 섞는 방식이었고, 다른 하나는 통계적 수치를 다른 단백질으로 이동시키는 방식이었다. 연구진은 통계적 수치를 다른 단백질으로 이동시키는 방식은 연결성이 높은 단백질이 더 큰 효과를 나타내는 경향을 무시하기 때문에 부적절하다고 판단했다. 그러나 단백질과 연결은 고정하고 짝짓기만을 섞는 방식은, 표준적인 방법으로 발견된 "유의미한" 불일치들이 실제로는 네트워크의 형태에서 비롯된 인공적인 결과물(artifact)일 가능성이 높다는 것을 보여주었다. 더 엄격한 이 테스트를 적용했을 때, 관찰된 불일치의 수는 무작위적인 기회에 의해 예상되는 수준과 유의미한 차이가 없었다. 연구진은 또한 PCSK9과 같이 심장 질환의 원인이 되는 것으로 알려진 단백질들이 특별한 일치 패턴을 보이는지 조사했다. PCSK9은 위험 요인으로 올바르게 식별되었지만, 신호와 수신체 사이의 광범위한 일치 패턴은 성립되지 않았다. 연구진은 결과가 실험 장비의 오류 때문이 아님을 확인하기 위해 다른 측정 기술을 사용하여 검증했음에도 불구하고, 신호와 수신체 사이의 불일치는 여전히 지속되었다.

이러한 발견의 함의는 향후 약물 표적이 선택되는 방식에 있어 매우 중요하다. 이 연구는 현재의 관행이 연구자들을 잘못된 길로 인도할 수 있는 여섯 가지 구체적인 방법을 식별했는데, 여기에는 네트워크 연결을 고려하지 못하는 점과 복잡한 게놈 영역에서의 단일 유전적 신호에 의존하는 점 등이 포함된다. 주요 문제 중 하나는 많은 단백질이 여러 유전적 신호가 겹치는 게놈 영역에 위치하여, 어떤 신호가 실제로 질병을 주도하는지 구별하기 어렵다는 것이다. 연구진은 심장 질환을 정의하는 데 사용된 데이터셋을 변경했을 때, 특정 단백질과 질병이 유전적 원인을 공유하는지에 대한 결론이 종종 뒤바뀐다는 것을 발견했다. 이러한 불안정성은 기존의 많은 경로 공유에 대한 주장들이 견고하지 않을 수 있음을 시사한다. 연구는 멘델 무작위 배정이 여전히 가치 있는 도구이지만, 리간드와 그 수용체가 생물학적 경로에 대해 상호 교환 가능한 증거를 제공한다는 가정은 데이터에 의해 뒷받침되지 않는다는 결론을 내렸다. 과학자들은 이제 이 두 가지 측정을 하나의 통합된 이야기가 아닌, 별개의 증거로 취급해야 한다.