🧬 biology

Omitting tumor proliferation from prognostic gene expression models: a preregistered cross-cancer test, a transcriptome-wide measurement, and a survey of how often the omission is made

이 사전 등록된 연구는 간세포암 및 기타 암종의 예후 유전자 발현 모델에서 종양 증식을 생략하는 것이 거의 모든 유전자 추정치에 체계적인 편향을 일으킨다는 점을 입증하였으나, 코호트 전반에 걸친 이 편향의 일관성과 규모에 관한 저자의 구체적인 예측은 데이터에 의해 대체로 반박되었다.

원저자: SOON WOO NAM

게시일 2026-10-07

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: SOON WOO NAM

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

암 연구의 세계에서 과학자들은 종양 세포 내부의 유전적 지침 속에서 패턴을 찾아내어 환자의 질병이 어떻게 진행될지 예측하곤 합니다. 그들은 특정 유전자가 경고 신호처럼 작동하는 것을 찾아내어, 종양이 빠르게 성장하거나 퍼질 가능성이 높은지를 의사에게 알려줄 수 있는 마커 목록을 찾기를 희망합니다. 이를 위해 연구자들은 수천 개의 유전자의 활성도와 환자의 생존 시간을 대조하여 가중치를 두는 통계 모델을 구축합니다. 하지만 이러한 모델은 환자의 연령이나 종양의 크기와 같이 생존에 영향을 미치는 다른 요인들을 반드시 고려해야 합니다. 만약 연구자가 유전자와 생존 시간 모두에 영향을 미치는 주요 요인을 포함하는 것을 잊는다면, 모델은 오해의 소지가 있는 결과를 낼 수 있습니다. 특정 유전자가 나쁜 결과의 원인처럼 보일 수 있지만, 실제로는 그 유전자가 측정되지 않은 다른 힘에 의해 운전되는 버스에 타고 있는 승객에 불과할 수도 있기 때문입니다. 이러한 힘 중 가장 강력한 것 중 하나가 바로 종양 증식인데, 이는 단순히 암세포가 얼마나 빨리 분열하고 증식하는지를 나타내는 척도입니다. 빠르게 분열하는 세포는 느리게 성장하는 세포와는 다른 유전적 활성을 보이는 경우가 많기 때문에, 이 속도를 무시하면 유전자가 실제로 무엇을 하고 있는지에 대한 전체적인 그림을 왜곡할 수 있습니다.

남순우라는 이름의 한 연구자는 이러한 특정한 실수가 얼마나 자주 발생하는지, 그리고 발생했을 때 어떤 대가를 치르는지 조사하기 위해 나섰습니다. 그는 간암에 초점을 맞춘 최근의 과학 논문 50편을 살펴보는 것으로 시작했습니다. 그는 저자가 모델에 세포 분열 속도에 대한 척도를 포함했는지 확인하기 위해 논문들을 정독했습니다. 결과는 극명했습니다. 그가 온전히 읽을 수 있었던 41편의 논문 중 단 한 편도 종양 증식을 조정하지 않았습니다. 사실, 그 논문들 중 절반 이상은 자신들의 고위험군이 빠른 세포 분열의 징후를 보인다고 언급하면서도, 그 속도를 수학적으로 통제해야 할 변수가 아닌 생물학적 호기심의 대상으로 취급했습니다. 이는 생존을 예측하는 유전자에 관한 수많은 발표된 결론들이 중요한 퍼즐 조각을 놓친 채, 흔들리는 토대 위에 세워져 있을 수 있음을 시사했습니다.

이 요인을 빠뜨림으로써 무엇을 잃게 되는지 정확히 이해하기 위해, 남은 수백 명의 간암 환자의 유전 및 생존 데이터를 담고 있는 거대한 공공 데이터베이스를 활용했습니다. 그는 종양에서 활성화된 거의 모든 유전자에 대해 포괄적인 테스트를 수행했습니다. 각 유전자에 대해 그는 생존을 예측하는 두 가지 서로 다른 모델을 구축했습니다. 첫 번째 모델은 연령, 성별, 암의 단계를 고려한 표준 모델입니다. 두 번째 모델은 동일하지만, 종양이 얼마나 빨리 분열하는지를 나타내는 점수를 추가로 포함했습니다. 그런 다음 그는 결과를 비교했습니다. 세포 분열 속도가 방정식에 추가되었을 때, 거의 모든 유전자의 중요도 추정치가 변화했습니다. 이 변화의 크기는 무작위가 아니었습니다. 그것은 해당 유전자의 활성이 분열 속도와 얼마나 밀접하게 연결되어 있는지에 따라 직접적으로 결정되었습니다. 만약 특정 유전자가 빠른 성장에 강하게 결합되어 있다면, 성장 속도를 고려했을 때 그 유전자의 예측된 영향력은 극적으로 변했습니다. 간암 데이터의 경우, 이 조정은 매우 강력하여 통계적으로 유의미해 보였던 유전자의 수가 수백 개에서 단 하나로 급감하게 만들었습니다.

그 후 남은 더 깊은 질문을 던졌습니다. 이 패턴이 모든 종류의 암에 적용되는 것인지, 아니면 간암에만 국한된 것인지 말입니다. 데이터를 보기 전, 그는 공공 과학 등록소에 공식적인 예측을 등록하며, 이 하향 이동이 적어도 90% 이상의 서로 다른 암 유형에서 일어날 것이라고 기술했습니다. 그는 폐암과 신장암부터 대장암과 난소암에 이르기까지 10가지 서로 다른 암 데이터 세트를 통해 이 예측을 테스트했습니다. 결과는 자신의 가설을 반박하는 것이었습니다. 패턴은 모든 곳에서 유지되지 않았습니다. 그가 테스트한 암 유형의 절반에서는 변화의 방향이 그가 예상했던 것과 반대였습니다. 어떤 암에서는 세포 분열 점수를 추가했을 때 유전자 추정치가 올라갔고, 다른 암에서는 내려갔습니다. 변화의 방향은 생물학의 고정된 규칙이 아니라, 세포 분열 자체가 해당 암에서 생존의 예측 인자로서 얼마나 강력하게 작용하느냐에 따라 결정되었습니다. 빠른 분열이 좋지 않은 결과의 강력한 징후인 암에서는, 분열 속도를 고려했을 때 연결된 유전자들이 덜 위험해 보였습니다. 분열이 결과를 강력하게 예측하지 않는 암에서는 변화가 미미하거나 역전되었습니다.

이 발견은 종양 증식을 무시함으로써 발생하는 편향이 항상 한 방향으로만 밀어붙이는 단순한 오류가 아님을 보여줍니다. 대신, 그것은 연구되는 암의 구체적인 생물학에 따라 완전히 달라지는 유동적인 왜곡입니다. 또한 이 연구는 과학이 보고되는 방식의 실질적인 문제도 강조했습니다. 대부분의 논문은 어떤 요인을 조정했는지 명시하지 않기 때문에, 독자는 보고된 유전자가 질병의 진정한 동력인지 아니면 단순히 측정되지 않은 세포 분열의 반영인지 알 수 없습니다. 연구자는 간단한 해결책을 제시합니다. 과학자들은 자신들의 특정 환자 집단에서 세포 분열 신호의 강도를 보고해야 하며, 이 신호를 포함했을 때 유전자 추정치가 어떻게 변하는지를 보여주어야 합니다. 이것이 반드시 어떤 유전자가 진정으로 인과적인지를 해결해주지는 않겠지만, 의존성을 가시화하여 의사들과 다른 연구자들이 그 숫자를 읽을 때 전체적인 맥락을 볼 수 있게 해줄 것입니다. 이 연구는 암 유전학이라는 복잡한 풍경 속에서, 단일 유전자에 대한 질문의 답은 종양 전체의 행동과 분리될 수 없다는 점을 상기시켜 줍니다.

기술 요약: 예후 유전자 발현 모델에서 종양 증식 변수의 누락

문제 제기
예후 유전자 발현 연구는 일반적으로 후보 유전자를 생존 결과와 대조하여 스크리닝한 후, 임상 공변량(연령, 성별, 병기)을 조정한 다변량 Cox 모델을 적합시킨다. 이러한 분석 관행의 결정적인 결함은 종양 증식(tumor proliferation)을 빈번하게 누락한다는 점이다. 증식은 생존 결과 및 많은 유전자의 발현과 강력하게 연관되어 있는 변수이다. 공변량이 결과(outcome)와 후보 예측 변수 모두와 연관되어 있을 때, 이를 누락하면 해당 후보들의 위험비(hazard ratios, HRs) 추정치에 편향(bias)이 발생한다. 증식이 예후 인자이며 무작위 유전자 세트에 의해 포착된다는 사실은 확립되어 있으나, 전사체 전체 스크리닝 과정에서 증식 누락으로 인해 발생하는 편향의 크기와 방향이 어떠한지, 그리고 이러한 패턴이 다양한 암종에 걸쳐 유지되는지는 아직 정량화되지 않았다. 또한, 출판된 연구들이 이 변수를 얼마나 자주 조정하는지도 불분명하다.

연구 방법론
본 연구는 문헌 조사, 간세포암(HCC)에서의 전사체 전체 측정, 그리고 사전 등록된 교차 암종 테스트를 결합한 세 가지 접근 방식을 채택하였다.

문헌 조사: PubMed에서 최근 HCC 관련 예후 유전자 발현 논문 50편을 표본으로 추출하였다. 전문 확인이 가능한 41편에 대해, 저자는 모델이 증식(Ki-67, MKI67, 유사분열 계수 또는 증식 점수 사용 여부)을 조정했는지, 그리고 공변량이 텍스트에 명시적으로 기술되었는지 코딩하였다.
전사체 전체 측정 (발견 단계): TCGA-HCC 코호트(발견)와 독립적인 GSE14520 코호트(재현)에서, 저자는 모든 발현 유전자에 대해 두 가지 Cox 모델을 적합시켰다:
- 모델 A: 연령, 성별, 병기를 조정한 모델.
- 모델 B: 모델 A에 표준화된 증식 점수(8개의 증식 관련 유전자인 MKI67, TOP2A, CCNB1, PCNA, BUB1, CCNA2, AURKA, RRM2의 평균)를 추가한 모델.
- 지표: "이동(shift)"은 모델 B의 위험비(HR)를 모델 A의 HR로 나눈 비율로 정의하였다. "경관(landscape)"은 유전자의 증식 점수와의 Spearman 상관계수에 대한 로그 이동(log shift)의 단순 최소제곱 회귀(OLS)로 정의하였다.
사전 등록된 교차 암종 테스트: 데이터를 분석하기 전, 저자는 Open Science Framework(OSF)에 가설을 등록하였다. 예측은 포함된 암종의 최소 90%에서 경관 기울기가 음수이며, 중앙값 $R^2 \geq 0.50$ 일 것이라는 것이었다. 테스트는 특정 포함 기준(n $\ge$ 200, 사망자 $\ge$ 60, 완전한 데이터)을 충족하는 TCGA 코호트에 적용되었다. 분석 시 통계적 독립성을 보장하기 위해 원발(disjoint) 코호트와 통합 코호트를 구분하였다.
사후 분석 (Post Hoc Analyses):
- 비협집성 (Non-collapsibility): 증식과의 상관관계가 거의 없는 유전자들(즉, "null band")을 대상으로 로그 이동을 로그 HR에 대해 회귀 분석하여, 산술적 비협집성과 혼란(confounding)을 구분하였다.
- 누락된 변수의 발현 (Omitted Variable Expression): 1차 선형 근사(증식 계수와 점수의 부분 상관관계의 곱)가 관찰된 이동을 설명할 수 있는지 테스트하였다.
- 실제 사례 (Worked Example): CYB5R3 유전자를 분석하여 메커니즘을 설명하고 조직 구성 점수 및 비례 위험 위반에 대한 견고성을 테스트하였다.

주요 결과

문헌 조사: 조사된 41편의 논문 중 증식을 조정한 논문은 없었다 (0%; 95% CI 0.0–8.6). 그러나 56.1%는 고위험군(high-risk groups)의 특성으로서 증식 경로 활성도를 보고하였으며, 68.3%는 텍스트에 공변량 목록을 명시하지 않았다.
HCC 경관: 발견 코호트에서 경관 기울기는 -0.278 ( $R^2 = 0.785$ )이었으며, 이는 증식과 양의 상관관계를 갖는 유전자가 증식을 추가했을 때 HR이 감소하고, 음의 상관관계를 갖는 유전자는 HR이 증가함을 나타낸다. 이 패턴은 GSE14520에서도 재현되었다 (기울기 -0.180).
유의성에 미치는 영향: HCC에서, 허위 발견 제어(q < 0.10)를 통과하는 유전자의 수는 증식을 포함하지 않았을 때(338개)에서 증식을 포함했을 때(1개)로 급격히 감소하였다.
사전 등록된 예측의 반증: 경관 기울기가 90% 이상의 암종에서 음수일 것이라는 사전 등록된 예측은 반증되었다. 8개의 원발(disjoint) 코호트 중 기울기가 음수인 것은 50%(4/8)뿐이었다. 코호트 간 이동의 중앙 쌍별 일치도(median pairwise agreement)는 음수(-0.268)였으며, 이는 일관된 방향성을 예측한 것과 상반되었다.
반증의 메커니즘: 경관 기울기의 부호는 해당 코호트 내 증식 점수 자체의 위험비(HR) 부호에 의해 완벽하게 결정됨이 밝혀졌다. 만약 증식이 유해하다면(HR > 1), 기울기는 음수였다. 반대로 증식이 보호적이거나 효과가 없다면(HR $\le$ 1), 기울기는 양수이거나 0에 가까웠다. 이는 13개 코호트(탐색적 코호트 포함)에서 공통적으로 나타났다.
정량적 분해 (Quantitative Decomposition):
- 비협집성: 작은 이동(로그 HR당 약 6.6%의 HR 증가)을 설명하였으나, 경관 전체를 설명하기에는 불충분하였다.
- 1차 발현 (First-Order Expression): HCC에서 이동 분산의 약 84%를 설명하였으나, 사전 등록된 임계치인 95%에는 미치지 못하였다. 발현 모델은 이동의 크기를 약 10% 정도 체계적으로 과대평가하였다.
- 잔차 (Residuals): 설명되지 않는 분산은 단순히 점수와 높은 공선성을 가진 유전자들 때문이 아니었다. 이 유전자들을 제거하더라도 선형 발현의 예측력은 회복되지 않았다.

의의 및 주장

본 논문은 종양 증식을 예후 모델에서 누락하는 것이 거의 모든 유전자의 추정치를 변화시키는 체계적이고 예측 가능한 편향을 초래한다고 주장한다. 이 이동의 방향은 전사체의 고정된 속성이 아니라, 해당 코호트 내에서 증식의 예후적 강도와 방향에 따라 결정된다.

본 연구의 핵심적인 실패는 저자가 간(liver) 코호트에서 관찰된 속성(증식이 매우 유해함)을 보편적인 법칙으로 취급하여, 이를 다른 암종에도 적용하려 했다는 데 있다. 논문은 다음과 같이 결론짓는다:

보고 표준: 예후 보고 시 증식을 조정했는지 여부를 반드시 명시해야 한다.
투명성: 연구자들은 자신의 코호트 내 증식 점수의 HR을 보고해야 하며, 증식 항을 포함했을 때와 포함하지 않았을 때의 유전자 추정치 및 해당 유전자의 점수와의 상관관계를 함께 제공해야 한다.
인과적 모호성: 데이터는 증식이 혼란 변수(confounder), 매개 변수(mediator), 또는 선택 편향(collider) 중 무엇인지 확정할 수는 없지만, 추정치가 해당 항의 포함 여부에 따라 체계적으로 달라진다는 기술적 주장은 인과 구조와 관계없이 유효하다.

본 논문은 이러한 결과들이 연관적(associative)이며 고차원 스크리닝 관행에 특화된 것임을 강조한다. 이는 특정 바이오마커를 식별하려는 것이 아니라, 흔히 발생하는 방법론적 누락의 결과를 측정하는 것이다. 본 연구는 다른 종양에서 얻은 가정에 의존하기보다 자신의 데이터가 가진 구체적인 맥락을 측정할 것을 촉구하는 메타 연구적 비판으로서 의미를 갖는다.

유사한 논문