UK 바이오뱅크, 49만명의 WGS에서 무엇을 알아내었나

오늘은 지난주에 오픈된 따끈따끈한 논문을 가져와봤습니다. 제목은 Whole-genome sequencing of 490,640 UK Biobank participants 으로 UK Biobank에서 지금까지 모은 49만명에 대해서 무엇을 확인하였는지에 대한 내용되겠습니다.

SNP와 InDel, SV들을 어마무시하게 많이(약 15억개) 발견했다고 합니다. 

그리고 700여개의 질병(ICD-10코드)과 70여개의 특징들(예, 콜레스테롤 수치)을 변이와의 연관성을 분석했다고 합니다.

WGS이다보니 coding외에도 non-coding과 UTR과 같은 영역에서 확인된 변이가 질병에 미치는 영향도 확인보았다고 하네요. 

간단하게 아무리 Array와 WES로 돌려서 imputation은 해봐라 WGS에서 찾은거 너님들 못찾아이지 않나 합니다. 그리고 저자에 포함된 기관들에 AZ, Amgen, GSK, J&J 들어있는것이 보기 좋네요 :)

DOI: 10.1038/s41586-025-09272-9

clova-x

490,640명의 영국 바이오뱅크 참가자들의 전체 게놈 시퀀싱 데이터를 통해 유전자 변이와 질병 생물학 간의 연관성을 심화시키고, 인간 생물학과 건강 연구에 대한 귀중한 자원을 제공합니다.

1. **전체 게놈 시퀀싱의 의의**

   - 전체 게놈 시퀀싱은 인간 게놈의 완전한 뷰를 제공하며, 기존의 유전자형 분석 기술의 기술적 한계를 극복합니다.

   - 이 데이터는 유전자 변이와 질병 생물학 간의 관계를 심화시켜 인간 생물학과 건강 연구에 기여합니다.

2. **데이터셋의 특징과 가치**

   - 이 데이터셋은 풍부한 표현형 데이터와 결합하여 인종 간 유전자 연관성을 조사하고 새로운 유전적 및 임상적 통찰력을 발견합니다.

   - 구조적 변이체와 엑손 변이체를 정확히 genotyping함으로써 전체 엑솜 시퀀싱 분석보다 더 깊은 통찰력을 제공합니다.

3. **유전자 변이의 식별과 특성**

   - WGS를 통해 약 1.5조 개의 변이체(SNPs, 삽입-삭제 변이체, SVs 포함)를 식별하였으며, 이는 추정 배열 및 WES에 비해 훨씬 높은 수의 변이체입니다.

   - 이러한 변이체는 다양한 질병 특성 및 특성과 연관되어 있어 질병 메커니즘의 개선된 특성화를 가능하게 합니다.

4. **연구의 목적과 성과**

   - 연구의 목적은 UKB 490,640 WGS 자원을 설명하고 특성화하며, 독특한 통찰력과 향후 탐색 방향을 제시하는 것입니다.

   - WGS 데이터는 약물 발견 및 개발 문제를 해결하고, 정밀 의학 전략을 발전시키며 글로벌 건강을 향상시킬 잠재력을 가지고 있습니다.

gemini

## 영국 바이오뱅크 49만 명의 전장 유전체 분석 연구 요약 보고서

### 연구 배경

인간의 유전 정보는 신체적 특성, 질병 위험 등 다양한 생물학적 현상과 밀접한 관련이 있습니다. [cite_start]기존의 유전체 연구는 주로 '단일염기다형성(SNP) 지노타이핑'이라는 기술을 사용하여 전체 유전체 중 일부만을 분석하거나, 유전체 전체의 2~3%를 차지하는 단백질 코딩 부위(엑솜)만을 분석하는 '전장 엑솜 시퀀싱(WES)'에 의존해왔습니다[cite: 3, 10, 13]. [cite_start]이 방법들은 상대적으로 흔한 유전적 변이를 파악하는 데 효과적이었지만, 드문 유전적 변이나 유전체 내에서 단백질을 만들지 않는 비코딩 영역의 중요성은 간과되는 한계가 있었습니다[cite: 12, 13, 14].

[cite_start]최근에는 드문 비코딩 변이도 질병에 영향을 미친다는 사실이 밝혀지면서, 전체 유전 정보를 모두 분석하는 '전장 유전체 시퀀싱(WGS)'의 필요성이 대두되었습니다[cite: 14]. [cite_start]이 연구는 기존의 기술적 한계를 극복하고 인간 유전체에 대한 더 완전한 그림을 얻기 위해, 대규모 인구 집단인 **영국 바이오뱅크(UKB) 참가자 490,640명의 전장 유전체 정보를 분석**했습니다[cite: 2, 8].

---

### 연구 목적

[cite_start]이 연구의 주된 목적은 크게 두 가지입니다[cite: 21].

1.  **UKB 490,640명 전장 유전체 데이터 자원을 상세히 설명하고 특징을 규명하는 것.**

2.  **이 데이터셋을 활용하여 얻을 수 있는 고유한 통찰력과 향후 연구 방향에 대한 초기 사례를 제시하는 것.**

[cite_start]이를 통해 유전학이 질병 생물학과 어떻게 연결되는지 이해하고, 인류 건강 연구를 위한 귀중한 자원을 제공하는 것을 목표로 합니다[cite: 3, 4, 7].

---

### 연구 방법

[cite_start]연구팀은 영국 바이오뱅크에 참여한 490,640명의 전장 유전체 데이터를 **일루미나 노바시크 6000(Illumina NovaSeq 6000)** 이라는 시퀀싱 장비를 이용하여 분석했습니다[cite: 23]. [cite_start]분석은 여러 유전체 분석 방법(GraphTyper, DRAGEN)을 사용하여 진행되었으며, 이는 다양한 분석 워크플로우의 가능성을 탐색하기 위함이었습니다[cite: 28, 29, 30].

[cite_start]또한, 참가자들의 조상(ancestry)을 기준으로 다섯 개의 주요 코호트(아프리카, 아슈케나지 유대인, 동아시아, 비핀란드 유럽인, 남아시아)로 분류하여 유전적 연관성 분석을 수행했습니다[cite: 25]. [cite_start]이 데이터셋은 대부분 유럽계 조상으로 구성되어 있지만, 비유럽계 개인에 대한 광범위한 전장 유전체 분석을 진행했다는 점에서 큰 의미가 있습니다[cite: 26].

---

### 연구 결과

이 연구의 주요 결과는 다음과 같습니다.

* [cite_start]**방대한 유전 변이의 발견:** 전장 유전체 시퀀싱(WGS)을 통해 약 15억 개의 유전 변이(단일염기다형성, 삽입-결실, 구조 변이 등)를 확인했습니다[cite: 16]. [cite_start]이는 기존의 지노타이핑 및 전장 엑솜 시퀀싱(WES) 분석에 비해 각각 **18.8배, 40배 이상** 증가한 수치입니다[cite: 17, 34].

* [cite_start]**비코딩 영역 변이의 중요성:** 기존 WES 분석에서는 단백질 코딩 영역 밖의 'UTR(Untranslated Region)' 변이가 69.2%에서 최대 89.9%까지 누락되었지만, WGS는 이 비코딩 영역의 변이까지 정확하게 찾아냈습니다[cite: 36, 44].

* [cite_start]**새로운 질병 연관성 발견:** 이 방대한 유전체 데이터와 참가자들의 건강 정보를 결합하여 분석한 결과, 3,991개의 질병 연관성이 기존의 유전체 분석으로는 발견할 수 없었던 **새로운 연관성**으로 확인되었습니다[cite: 75]. [cite_start]특히, 대부분의 새로운 연관성은 빈도가 매우 낮은 **드문 변이(rare variant)**와 관련이 있었습니다[cite: 76]. [cite_start]예를 들어, 전장 유전체 분석을 통해서만 발견된 드문 변이 중 하나는 **백내장** 발병 위험과 유의미한 연관성이 있었습니다[cite: 79].

* [cite_start]**구조 변이(SV) 분석의 진전:** 유전체의 큰 변화인 구조 변이 역시 기존 연구보다 약 3배 더 많이 발견되었으며, 이들 중 76.3%는 매우 드문 변이였습니다[cite: 463, 461]. [cite_start]연구는 **PCSK9 유전자의 결손 변이**가 **콜레스테롤 수치를 낮추는** 것과 같은 질병 관련 구조 변이를 확인하는 데 성공했습니다[cite: 151, 152, 153].

* [cite_start]**다양한 인구 집단별 분석:** 연구는 유럽인 조상 외에도 아프리카, 아시아 등 다양한 조상 그룹에서 특이적으로 나타나는 유전 변이와 질병 연관성을 발견했습니다[cite: 5, 80, 81]. [cite_start]예를 들어, **겸상 적혈구 질환**의 주요 원인인 HBB 유전자의 변이(rs334)는 아프리카 조상 집단에서 매우 흔하게 발견되었는데, 이는 **말라리아에 대한 방어 효과** 때문에 선택적 이점을 가지기 때문인 것으로 밝혀졌습니다[cite: 607, 608].

---

### 고찰 및 의의

[cite_start]이 연구는 전장 유전체 시퀀싱이 단순히 기존 방법을 대체하는 것을 넘어, 유전학 연구의 새로운 지평을 열었다는 것을 보여줍니다[cite: 15, 20, 171].

* [cite_start]**유전체 분석의 정확성 향상:** 기존 WES가 놓쳤던 유전체 비코딩 영역의 변이까지 포착함으로써, 유전체와 질병 간의 관계를 더욱 정확하게 파악할 수 있게 되었습니다[cite: 6, 15].

* [cite_start]**드문 변이의 중요성 강조:** 질병과의 연관성이 높은 새로운 변이 대부분이 드문 변이였다는 사실은, 소규모 연구에서는 놓치기 쉬운 드문 변이의 역할을 이해하는 데 WGS가 필수적임을 입증했습니다[cite: 76].

* [cite_start]**다양한 인구 집단 유전학 연구의 발판:** 유럽인 중심이었던 기존 연구의 한계를 넘어, 비유럽계 인구 집단에서 특이적으로 나타나는 유전적 변이를 밝혀냄으로써 유전학 연구의 다양성을 높이는 데 기여했습니다[cite: 5, 178, 179].

---

### 이 연구가 왜 중요한가요?

이 연구는 **인간 유전체와 질병의 연결 고리를 완전히 새로운 수준에서 이해하게 해주는 혁신적인 발판**을 마련했다는 점에서 매우 중요합니다.

1.  [cite_start]**정밀 의학의 기반 마련:** 방대한 고품질 유전체 데이터와 상세한 건강 정보를 결합함으로써, 특정 질병의 유전적 원인을 정확하게 찾아낼 수 있는 토대가 마련되었습니다[cite: 7]. [cite_start]이는 환자 개개인의 유전적 특성에 맞는 맞춤형 진단 및 치료 전략인 **정밀 의학**의 발전을 가속화할 것입니다[cite: 7, 19].

2.  [cite_start]**신약 개발 효율성 증대:** 유전적 변이가 질병에 미치는 영향을 명확히 이해함으로써, 신약 개발 과정에서 가장 효과적인 표적을 선정하고, 약물의 안전성 프로파일을 예측하며, 특정 유전자를 가진 환자 집단을 식별하는 데 이 데이터를 활용할 수 있습니다[cite: 19]. [cite_start]이는 결국 **더 높은 효능과 안전성을 가진 의약품**을 개발하는 데 기여할 것입니다[cite: 7].

3.  [cite_start]**인류 건강 증진에 대한 잠재력:** 이 데이터셋은 전 세계 연구 커뮤니티에 공개되어, 유전체 연구의 발전을 촉진하고 궁극적으로 인류 건강을 향상시키는 데 기여할 것입니다[cite: 7, 20, 171]. [cite_start]이 연구는 유전학이 향후 수십 년 동안 치료법 개발에 어떻게 기여할지에 대한 중요한 통찰력을 제공합니다[cite: 172].

chatGPT

다음은 업로드하신 **Nature** 논문 *"Whole-genome sequencing of 490,640 UK Biobank participants"* 내용을 바탕으로, 생명과학 비전공자도 이해할 수 있도록 작성한 요약입니다.

(분량: A4 약 2장, 구성: 연구 배경–목적–방법–결과–고찰–의의와 시사점–중요성)

---

## 1. 연구 배경

유전 정보는 질병의 원인과 진행, 그리고 치료 반응까지 폭넓게 영향을 미칩니다. 지금까지의 대규모 유전체 연구는 주로 **유전체 칩(genotyping array)** 또는 **전장엑솜서열분석(WES)** 을 활용했습니다.

* **유전체 칩**: 비교적 저렴하고 빠르지만, 이미 알려진 변이(특히 흔한 변이)에만 강점이 있습니다. 드문 변이와 복잡한 구조 변이는 잘 잡히지 않습니다.

* **전장엑솜서열분석(WES)**: 단백질을 만드는 엑손(전체 유전체의 2\~3%)에 집중해 질병 관련 코딩 변이를 찾을 수 있지만, 나머지 97%의 **비번역(non-coding)** 영역과 구조 변이는 거의 다루지 못합니다.

비번역 영역과 희귀 변이도 질병 발생에 중요한 역할을 한다는 사실이 알려졌지만, 대규모로 이를 분석한 사례는 드물었습니다. 이를 보완하기 위해 영국 바이오뱅크(UK Biobank)는 **약 49만 명의 전장유전체서열분석(WGS)** 데이터를 구축했습니다.

---

## 2. 연구 목적

1. 49만여 명의 UK Biobank 참가자 전장유전체 데이터를 구축·특성화

2. 코딩·비코딩·구조 변이를 포함해 질병과의 연관성을 찾고, 인종 간 비교를 통해 새로운 의학적·생물학적 통찰 제공

3. 향후 정밀의료, 신약개발, 질병 예측 등에 활용할 수 있는 개방형 대규모 유전체 자원 제공

---

## 3. 연구 방법

* **대상자**: 영국 바이오뱅크에 등록된 490,640명

* **유전체 분석**: Illumina NovaSeq 6000으로 평균 32.5배 커버리지 WGS 수행

* **분석 범위**:

  * 단일염기변이(SNP), 삽입/결실(indel), 구조변이(SV) 모두 탐지

  * 코딩, 비코딩(5′·3′ UTR 포함), 인트론, 유전자 주변 및 인터젠 구간 분석

  * 다양한 조상 집단(유럽·아프리카·동아시아·남아시아·아슈케나지 유대인 등) 구분

* **통계 분석**:

  * 단일 변이 GWAS, 드문 변이 누적(collapsing) 분석, 다인종 메타분석

  * 전장유전체(WGS) vs WES 비교

---

## 4. 주요 결과

1. **변이 발견 규모**

   * 약 **15억 개 변이** 발견

   * WES보다 **40배**, 유전체 칩+추론(imputation)보다 **18.8배** 많은 변이 포착

   * 특히 **비코딩 변이**와 **UTR 변이** 탐지에서 큰 차이 (WES는 3′ UTR 변이의 90% 이상 놓침)

2. **구조 변이(SV)**

   * 총 273만 개 SV 발견, 개인당 평균 1.3만 개

   * PCSK9 유전자 결실 → LDL 콜레스테롤 감소,

     MIP 유전자 결실 → 백내장 위험 25배 증가 등 질병 관련 사례 확인

3. **질병 연관성**

   * 총 33,123개의 유의한 변이-질병/형질 연관성 중 약 12%는 WGS에서만 발견

   * 특히 **희귀 변이(MAF < 0.0001)** 연관성의 86%가 WGS 전용 발견

   * 아프리카/남아시아 집단에서만 확인되는 유전질환 변이 발견(예: 말라리아 보호 관련 HBB, G6PD 변이)

4. **희귀 비코딩 변이 영향**

   * UTR 변이만으로도 63개의 유의한 형질 연관성 확인

   * UTR+코딩 변이를 함께 분석하면, 단독 분석보다 더 많은 연관성 발견

5. **임상적 활용 가능성**

   * 미국의학유전학회(ACMG)가 권고하는 ‘임상적으로 보고해야 하는 변이’ 보유자: SNP/indel 기준 4.1% + SV 포함 시 0.6%p 증가

   * 약 15% 증가한 ‘행동 가능한 유전자 변이’ 확인 가능

---

## 5. 고찰

* **WGS의 강점**: 희귀 변이, 비코딩 변이, 구조 변이 모두를 포괄적으로 탐지해 기존 기술의 사각지대를 메움

* **인종 다양성 확보**: 아직 유럽계가 93%로 편중되어 있지만, 비유럽 집단에서도 가장 대규모의 WGS 데이터 제공

* **비코딩 변이 연구 가능성**: 현재 예측 정확도는 코딩 영역보다 낮지만, 질병 연관성을 보이는 사례가 점점 늘어남

* **정밀의료 기반 확장**: 질병 위험도 예측, 표적 치료, 약물 재창출(drug repurposing) 등 폭넓은 활용 가능

---

## 6. 의의와 시사점

* 세계 최대 규모의 전장유전체 데이터로, **희귀·비코딩 변이까지 포함한 질병 유전학 연구의 기준점**이 됨

* 신약개발에서 **안전성·효과 예측**을 높이고, **환자 맞춤형 치료 전략** 수립에 기여

* 유럽 외 다양한 인종 데이터 확대를 통해 **글로벌 보건 형평성** 향상 가능

* 장기적으로 다른 바이오데이터(단백질체, 대사체 등)와 결합해 **질병 기전 규명과 예방**에 활용

---

## 7. 이 연구가 중요한 이유

이 프로젝트는 단순히 ‘많은 사람의 유전체를 분석했다’는 수준을 넘어, **질병 원인·예방·치료 방법을 새롭게 정의할 수 있는 데이터 인프라**를 마련했습니다. 특히 기존 분석에서 놓쳤던 **희귀 변이**와 **비코딩 영역**을 대규모로 포착해, 정밀의료의 ‘빈 칸’을 채울 수 있게 되었습니다. 앞으로 이 데이터는 전 세계 연구자들이 공유·활용하며 인류 건강 증진에 직접적인 변화를 가져올 잠재력을 가지고 있습니다.

NotebookLM

## UK 바이오뱅크 50만 명 전장 유전체 분석: 질병 이해의 새로운 지평을 열다

안녕하세요, 독자 여러분! 오늘은 과학 기술이 우리의 건강과 질병 이해에 어떻게 혁신적인 변화를 가져오고 있는지 보여주는 놀라운 연구 결과를 소개해 드릴까 합니다. 바로 영국 바이오뱅크(UK Biobank)에서 약 50만 명의 참가자로부터 얻은 **전장 유전체 서열(Whole-Genome Sequencing, WGS) 데이터를 분석한 연구**입니다. 이 연구는 마치 우리 몸의 설계도인 유전체 전체를 아주 자세히 들여다보는 것과 같아서, 지금까지 알지 못했던 질병의 비밀을 밝혀낼 중요한 단서들을 제공하고 있습니다.

### 연구 배경: 왜 유전체 전체를 들여다봐야 할까요?

영국 바이오뱅크는 약 49만 명의 영국인 참가자로부터 생체 샘플과 함께 건강 관련 정보, 생활 습관, 인구 통계학적 정보 등 매우 상세한 데이터를 수집한 대규모 인구 기반 연구입니다. 지금까지는 주로 'SNP 유전자형 분석'이나 '전체 엑솜 서열 분석(Whole-Exome Sequencing, WES)' 같은 방법으로 유전체 데이터를 분석해 왔습니다.

*   **SNP 유전자형 분석:** 이 방법은 비교적 흔한 유전적 변이를 파악하는 데 유용하지만, 드문 유전적 변이나 유전체의 복잡한 영역을 정확하게 분석하기에는 한계가 있었습니다.

*   **전체 엑솜 서열 분석(WES):** 우리 유전체 중 단백질을 만드는 '엑솜'이라는 부분(전체 유전체의 2~3%에 불과합니다)만 분석하는 방식입니다. 이는 단백질 기능을 직접적으로 변화시키는 변이를 찾는 데는 효과적이지만, **단백질을 만들지 않는 비암호화 영역(non-coding region)의 변이**는 거의 놓치게 됩니다. 그런데 이 비암호화 영역의 드문 변이들이 사람의 질병이나 다른 복합적인 특성에 기여한다는 사실이 알려지면서도, 상대적으로 덜 연구되어 왔습니다.

이러한 한계를 극복하고 인간 유전체를 **편향 없이 완전히 파악**하며, 기존 기술로는 어려웠던 유전적 변이를 발견하기 위해 **전장 유전체 서열 분석(WGS)**이 필요하게 되었습니다. WGS는 유전체 전체를 분석하여, 유전체의 암호화 영역뿐만 아니라 방대한 비암호화 영역까지 포함한 모든 유전적 변이를 발견할 수 있게 합니다.

### 연구 목적: 무엇을 알아내고 싶었을까요?

이 연구의 주요 목적은 두 가지였습니다:

1.  **영국 바이오뱅크의 490,640명 전장 유전체 서열 데이터베이스를 상세히 설명하고 특징을 파악하는 것**.

2.  **이 데이터를 통해 얻을 수 있는 독특한 통찰력과 앞으로 연구할 수 있는 방향을 제시하는 것**.

궁극적으로 이 연구는 유전체가 질병 생물학과 어떻게 연관되는지에 대한 우리의 이해를 깊게 하고, 희귀한 비암호화 변이가 건강과 질병에 미치는 영향을 파악하여, 진단 및 치료법 개발, 그리고 정밀 의학 전략 발전에 기여하고자 합니다.

### 연구 방법: 어떻게 유전체 데이터를 분석했을까요?

연구팀은 **490,640명의 영국 바이오뱅크 참가자들의 전체 유전체를 평균 32.5배 커버리지로 시퀀싱**했습니다. 이렇게 얻은 방대한 데이터를 분석하기 위해 'GraphTyper'와 'DRAGEN'이라는 두 가지 주요 소프트웨어 도구를 사용하여 **SNP(단일 염기 다형성), Indel(삽입-결실 변이), SV(구조적 변이)** 등 다양한 종류의 유전적 변이를 식별했습니다.

또한, 참가자들의 유전적 데이터를 바탕으로 **아프리카계(AFR), 아슈케나지 유대인계(ASJ), 동아시아계(EAS), 비핀란드 유럽계(NFE), 남아시아계(SAS)** 등 다섯 가지 주요 조상 그룹으로 분류했습니다. 이 분류를 기반으로 각 조상 그룹 내에서, 그리고 여러 조상 그룹을 통합하여 질병 관련 특성 및 양적 특성과의 유전적 연관성을 분석했습니다. 특히, **드문 변이들의 영향을 파악하기 위해 '희귀 변이 응집 분석(rare-variant collapsing analysis)'이라는 강력한 통계 기법**도 사용했습니다.

### 연구 결과: 어떤 놀라운 발견을 했을까요?

이 연구는 전장 유전체 서열 분석이 기존 방법에 비해 얼마나 더 많은 정보를 제공하는지 명확히 보여주었습니다.

*   **압도적인 변이 발견율 증가**: WGS를 통해 약 15억 개의 변이(SNP, Indel, SV 포함)를 발견했는데, 이는 기존의 SNP 유전자형 분석보다 약 **18.8배**, WES보다 **40배 이상** 많은 수치입니다. 특히 WES에서는 놓쳤던 5' 및 3' 비번역 영역(UTR) 변이의 69.2%와 89.9%를 WGS에서는 확인했습니다. 심지어 단백질 코딩 엑솜 내에서도 WES에서는 13.7%의 변이가 누락된 것으로 추정되었습니다. 이는 WGS가 유전체 정보를 훨씬 더 **완전하고 깊이 있게 제공**한다는 것을 의미합니다.

*   **희귀 변이 발견의 가치**: 샘플 수가 증가할수록 극히 드문 변이(빈도 0.001% 이하)의 발견이 크게 늘어나는 것을 확인했습니다. 이는 대규모 시퀀싱 노력이 새로운 희귀 변이를 찾아내는 데 매우 중요하다는 것을 뒷받침합니다.

*   **구조적 변이(SVs)의 심층 분석**: 길이가 50bp 이상인 2,739,152개의 구조적 변이를 식별했으며, 이 중 70.3%가 신뢰할 수 있는 것으로 확인되었습니다. 흥미롭게도 이들 SV의 대부분(76.3%)은 10명 미만의 참가자에게서 발견되는 **매우 희귀한 변이**였습니다. SV는 SNP나 Indel보다 수는 적지만, 유전체에서 영향을 미치는 염기쌍의 수는 SNP와 유사할 정도로 큽니다.

*   **조상 집단별 변이 분포 차이**: 아프리카계(AFR) 참가자에게서 가장 많은 수의 변이가 발견되었고, 비핀란드 유럽계(NFE) 참가자에게서 가장 적은 변이가 발견되었습니다. 이는 인간 유전적 다양성의 중요성을 시사합니다.

*   **질병 연관성 분석의 진보**:

    *   **새로운 유전적 연관성 발견**: WGS 데이터를 통해 총 33,123개의 유전적 연관성(특정 변이가 특정 질병이나 특성과 관련이 있다는 증거)을 확인했으며, 이 중 **3,991개(12.05%)는 기존의 SNP 유전자형 분석에서는 발견되지 않았던 새로운 연관성**이었습니다. 특히 이 새로운 연관성의 86%는 매우 드문 변이에서 나타났습니다. 예를 들어, 'FOXE3' 유전자의 희귀 변이가 백내장과 유의미하게 연관되어 있다는 새로운 생물학적 발견이 있었습니다.

    *   **다중 조상 메타 분석의 힘**: 다양한 조상 집단을 포함한 메타 분석을 통해 28,674개의 유의미한 유전적 연관성을 확인했으며, 이 중 **1,934개는 메타 분석에서만 관찰된 새로운 연관성**이었습니다. 특히 샘플 크기가 작음에도 불구하고, 비유럽계 조상 집단에서 더 강력한 신호가 나타난 126개의 연관성도 발견되었습니다.

        *   **말라리아 및 혈액 질환 관련 유전자의 조상별 특이성**: 예를 들어, 겸상 적혈구 빈혈증의 주요 원인인 'HBB' 유전자의 변이(rs334)는 아프리카계에서 매우 흔한데, 이는 말라리아에 대한 보호 효과 때문인 것으로 밝혀졌습니다. 반면, 베타-탈라세미아와 관련된 또 다른 HBB 변이(rs33915217)는 남아시아계에서, 또 다른 HBB 변이(rs11549407)는 비핀란드 유럽계에서 높은 빈도로 나타났습니다. 이처럼 WGS는 **각 지역 환경에 대한 선택 압력에 의해 형성된 유전적 변이**를 파악하는 데 기여했습니다.

*   **단백질 기능 상실 변이(LoF) 연구**: WGS는 WES보다 훨씬 더 많은 고위험 변이(pLoF, P, LP 변이)의 보인자를 식별할 수 있었습니다. 이는 특정 유전자의 기능 상실이 건강에 미치는 영향을 예측하는 데 중요한 '인간 녹아웃 모델' 연구를 가능하게 합니다.

*   **비번역 영역(UTRs)의 희귀 변이 영향**: 이 연구는 단백질을 만들지 않는 5' 및 3' UTR 영역의 희귀 변이가 질병과 연관될 수 있음을 보여주었습니다. 예를 들어, 'NWD1' 유전자의 UTR 변이가 신장 결석과 연관될 수 있음을 시사했습니다. 이는 **지금까지 간과되었던 비암호화 영역의 유전적 변이 연구에 큰 잠재력**이 있음을 입증합니다.

*   **구조적 변이(SVs)의 표현형 효과**: WGS는 심지어 'CALR' 유전자의 52bp 결실과 같이 엑솜 내부에 있음에도 불구하고 WES 데이터에서는 발견되지 않았던 병원성 SV를 식별하여, 혈소판 분포와 강력한 연관성을 보이는 것을 확인했습니다. 또한, 백내장, 지연성 근병증(nemaline myopathy), 베타-탈라세미아 등 다양한 질병과 관련된 새로운 SV 연관성을 발견했습니다.

### 고찰 및 의의: 이 연구가 왜 중요할까요?

이 연구는 단순히 대규모 데이터를 생산했다는 것을 넘어, 인간 유전학 연구의 새로운 시대를 열었습니다.

1.  **질병 이해의 심화**: WGS를 통해 유전체의 모든 변이를 포괄적으로 파악함으로써, 질병 메커니즘을 더 깊이 이해하고, 특히 **비암호화 영역의 드문 변이가 질병에 미치는 영향**을 밝혀낼 수 있게 되었습니다.

2.  **약물 개발 및 정밀 의학 발전**: 질병 위험에 대한 정확한 유전적 이해는 **더 효과적이고 안전한 진단 및 치료법 개발, 그리고 환자 맞춤형 정밀 의학 전략 수립**에 중요한 기반이 됩니다. 특정 유전자의 기능 상실이 가져오는 표현형을 예측하여 약물 표적을 선정하고 부작용을 평가하는 데도 활용될 수 있습니다.

3.  **유전적 다양성 반영 및 연구 편향 해소**: 기존의 유전체 연구 데이터는 주로 유럽계 조상에 편중되어 있어 비유럽계 인구의 질병 유전적 기반 이해에 한계가 있었습니다. 이 연구는 비유럽계 참가자들에게서도 유의미한 유전적 연관성을 식별함으로써, **유전체 연구의 다양성을 높이고 편향을 해소**하는 중요한 발걸음을 내디뎠습니다. 특히 아프리카계 인구에서 말라리아에 대한 보호 효과를 제공하는 'HBB' 및 'G6PD' 유전자의 변이와 같은 지역 특이적 유전적 변이를 찾아냄으로써, **전 세계적인 건강 증진**에 기여할 수 있는 잠재력을 보여주었습니다.

4.  **미래 유전체 연구의 '골드 스탠다드'**: 영국 바이오뱅크의 이 대규모 WGS 데이터는 앞으로 수행될 인구 규모의 유전체 연구에서 **'골드 스탠다드'이자 귀중한 개방형 자원**으로 활용될 것입니다. 전 세계 과학자들의 협력을 통해 이 데이터를 활용한다면, 인류 질병 생물학에 대한 우리의 이해를 크게 향상시키고 안전하고 효과적인 의약품 개발을 가속화할 수 있을 것입니다.

결론적으로, 이 연구는 단순히 많은 데이터를 쌓아 올린 것이 아니라, **인간 유전체의 복잡한 비밀을 풀어내고 질병과의 관계를 밝혀내어 인류 건강 증진에 기여할 막대한 잠재력**을 보여주었다는 점에서 매우 중요하다고 할 수 있습니다. 앞으로 이 데이터를 활용한 연구들이 우리의 건강을 어떻게 변화시킬지 기대가 됩니다.

grok

### UK Biobank 전장유전체시퀀싱 연구 요약: 인간 유전체의 비밀을 풀다

#### 연구 배경

유전자는 우리의 건강과 질병에 큰 영향을 미치는 설계도와 같습니다. UK Biobank는 약 50만 명의 영국인으로부터 유전 정보와 건강 데이터를 수집한 대규모 연구 프로젝트입니다. 이 연구는 490,640명의 참가자 유전체를 모두 분석(전장유전체시퀀싱, WGS)하여, 기존의 제한적인 유전자 분석 방식(예: 특정 유전자만 분석하는 전장엑솜시퀀싱, WES)보다 더 많은 정보를 얻고자 했습니다. 이 프로젝트는 인간 유전체의 다양한 변이를 탐색하고, 이를 건강 및 질병과 연결해 새로운 치료법과 진단법을 개발하는 데 기여하고자 합니다.

#### 연구 목적

이 연구는 두 가지 주요 목표를 가지고 있습니다:

1. **UK Biobank의 WGS 데이터 설명**: 약 50만 명의 유전체 데이터를 분석해 어떤 종류의 유전 변이(예: SNP, indel, 구조 변이)가 얼마나 많이 발견되었는지 정리하고, 이 데이터의 특징을 설명합니다.

2. **새로운 통찰 제공**: 이 데이터를 활용해 질병과 유전 변이 간의 연관성을 밝히고, 특히 비유전자 영역(코딩되지 않는 부분)이나 드문 변이가 건강에 미치는 영향을 탐구합니다.

#### 연구 방법

- **데이터 수집**: UK Biobank에 참여한 490,640명의 DNA 샘플을 Illumina NovaSeq 6000 기기로 평균 32.5배 깊이로 시퀀싱했습니다. 이는 유전체의 모든 염기를 매우 정밀하게 읽는 과정입니다.

- **인종 분류**: 참가자를 아프리카(AFR), 아시케나지 유대인(ASJ), 동아시아(EAS), 비핀란드 유럽인(NFE), 남아시아(SAS) 등 5개 조상 그룹으로 나누었습니다. 약 93.5%가 유럽인(NFE)이었지만, 다른 인종 그룹도 포함해 다양성을 확보했습니다.

- **변이 분석**: GraphTyper와 DRAGEN이라는 두 가지 분석 도구를 사용해 단일염기다형성(SNP), 삽입/삭제(indel), 구조 변이(SV)를 찾아냈습니다. 약 15억 개의 변이가 발견되었으며, 이는 기존 WES 데이터(유전자의 2~3%만 분석)보다 40배 이상 많은 양입니다.

- **질병 연관성 분석**: 764개의 질병 코드(ICD-10)와 71개의 정량적 특성(예: 콜레스테롤 수치)을 대상으로 유전 변이와의 연관성을 분석했습니다. 단일 변이 테스트, 다인종 메타 분석, 드문 변이 분석 등을 수행했습니다.

- **비유전자 영역 연구**: 코딩되지 않는 영역(5’ 및 3’ UTR)에서 드문 변이가 질병에 미치는 영향을 분석해, 기존 연구에서 간과되었던 부분을 탐구했습니다.

#### 주요 결과

1. **대규모 변이 발견**: 약 10억 개의 SNP, 1억 개의 indel, 270만 개의 구조 변이를 찾아냈습니다. 이는 기존 데이터보다 훨씬 많은 변이를 포함하며, 특히 비유전자 영역과 드문 변이를 많이 발견했습니다.

2. **질병 연관성**: 33,123개의 유전자와 질병 간 연관성을 발견했으며, 이 중 12%는 WGS로만 확인된 새로운 연관성이었습니다. 예를 들어, 갑상샘기능저하증 위험을 낮추는 변이(rs371858405)와 백내장 관련 변이(FOXE3)가 새롭게 확인되었습니다.

3. **다인종 분석**: 아프리카, 남아시아 등 비유럽인 그룹에서 독특한 유전 변이와 질병 연관성을 발견했습니다. 예를 들어, HBB 유전자의 변이는 아프리카인에서 겸상적혈구병과 말라리아 저항성을, 남아시아인에서 베타지중해빈혈을 유발하는 것으로 나타났습니다.

4. **비유전자 영역의 중요성**: 5’ 및 3’ UTR 영역의 드문 변이가 특정 질병(예: 신장 결석)과 연관이 있음을 발견했습니다. 이는 비유전자 영역이 건강에 미치는 영향을 이해하는 데 새로운 단서를 제공합니다.

5. **구조 변이(SV)**: 구조 변이(예: PCSK9 유전자의 삭제)는 콜레스테롤 수치와 백내장 같은 질병에 영향을 미쳤습니다. ClinVar 데이터베이스와 비교해 임상적으로 중요한 변이를 추가로 확인했습니다.

#### 고찰

이 연구는 WGS가 WES나 기존 유전자 배열 데이터보다 훨씬 더 많은 정보를 제공한다는 점을 보여줍니다. 특히, 비유전자 영역과 드문 변이를 분석함으로써 기존에 놓쳤던 질병 연관성을 발견할 수 있었습니다. 다인종 분석은 유럽 중심의 기존 연구에서 부족했던 다양한 인종의 유전적 특성을 밝히는 데 기여했습니다. 하지만 비유전자 영역의 변이 기능 예측은 여전히 어려움이 있으며, 추가 연구가 필요합니다. 이 데이터는 유전체의 복잡한 지역(예: HLA, KIR) 분석과 미래 연구의 기준이 될 수 있습니다.

#### 의의와 시사점

이 연구는 인간 유전체의 다양성을 이해하고, 이를 질병 예방과 치료에 활용하는 데 중요한 발판을 제공합니다. 새로운 유전 변이와 질병 간 연관성을 발견함으로써, 특정 질병에 취약한 환자 그룹을 식별하거나 새로운 약물 표적을 찾는 데 도움을 줄 수 있습니다. 예를 들어, PCSK9 변이는 콜레스테롤 관리 약물 개발에, HBB 변이는 빈혈 치료에 활용될 가능성이 있습니다. 또한, 비유전자 영역 연구는 기존에 간과되었던 유전체의 역할을 밝혀 정밀의학(개인 맞춤 의료)을 발전시킬 수 있습니다.

#### 왜 중요한가?

이 연구는 인류의 건강을 개선하는 데 큰 기여를 할 수 있습니다. 약 50만 명이라는 대규모 데이터는 유전자와 질병 간의 복잡한 관계를 이해하는 데 강력한 도구입니다. 특히, 다양한 인종의 데이터를 포함해 전 세계적으로 적용 가능한 결과를 도출할 수 있습니다. 이 데이터는 연구자들에게 공개되어, 새로운 진단법과 치료법 개발을 가속화할 것입니다. 궁극적으로, 이 연구는 우리가 질병을 예방하고 치료하는 방식을 바꿀 수 있는 잠재력을 가지고 있으며, 개인 맞춤 의료의 시대를 열어줄 중요한 첫걸음입니다.

perplexity.ai

좋습니다. 업로드하신 Nature 논문 **"Whole-genome sequencing of 490,640 UK Biobank participants"** 내용을  

생명과학 전공이 아닌 일반 성인 독자도 이해할 수 있도록, 블로그 게시물 형식으로 쉽게 요약해 드리겠습니다.

***

## 1. 연구 배경

우리 몸에는 약 30억 개의 DNA 염기서열이 있고, 사람마다 조금씩 차이가 있습니다. 이런 차이를 **유전 변이**라고 부르며, 어떤 변이는 질병 위험이나 약물 반응과도 관련됩니다. 그동안 연구자들은 주로 **유전체 일부(유전자 부위)**만 읽는 ‘엑솜(Exome) 서열 분석’이나, 미리 정해둔 특정 지점을 읽는 ‘유전자 칩(Genotyping Array)’을 사용해 왔습니다.  

하지만 이 방식들은 **드문 변이**나 **비암호(non-coding) 구역**의 변이는 놓칠 수밖에 없었습니다.

영국에서는 50만 명 규모의 **UK 바이오뱅크(UK Biobank)**를 통해 건강·생활습관·검진·유전정보를 수집하는 세계 최대 수준의 장기 연구가 진행 중입니다. 이번 논문은 이 참가자 중 무려 49만 명의 **전장 유전체(Whole Genome) 서열(WGS)**를 해독한 대규모 연구를 보고합니다.

***

## 2. 연구 목적

연구진의 목표는 두 가지였습니다.

1. UK Biobank 참가자 49만 명의 전장 유전체 서열 데이터를 구축하고 특징을 분석  

2. 이 데이터로 어떤 새로운 건강·질병 관련 유전 정보를 발견할 수 있는지 초기 사례를 제시

***

## 3. 연구 방법

- **대상** : UK Biobank 참여자 490,640명  

- **분석 방법** : 최신 고속 시퀀싱 장비(Illumina NovaSeq 6000)로 DNA 전체를 평균 32.5배 깊이로 읽음  

- **변이 탐지** :  

  - 단일염기변이(SNP)와 작은 삽입·결실(indel)  

  - 구조변이(SV, DNA조각이 크게 빠지거나 뒤집히는 등)  

  - 비암호부위(5’·3’ UTR 포함)까지 모두 분석  

- **데이터 분류** : 참가자를 5개 주요 계통(유럽 비핀란드계, 아프리카계, 남아시아계, 동아시아계, 아시케나지 유대계)로 구분해 분석  

- **연관 분석** : 건강 기록(ICD-10 병명), 혈액검사·신체 측정 등 800여 가지 특성과 유전 변이 관계를 통계 분석

***

## 4. 주요 결과

### (1) 압도적인 변이 탐지 능력

- 총 **약 15억 개 변이** 발견 → 기존 유전자 칩보다 18.8배, 엑솜 시퀀싱보다 40배 이상 많음  

- 특히 **비암호 구역 변이와 희귀 변이**를 많이 찾아냄  

- 구조변이도 270만여 개 확인, 여기에는 기존 데이터에서 전혀 보지 못한 드문 변이 다수 포함

### (2) 다양한 인종 집단에서의 발견

- 전체의 93%는 유럽계지만, 아프리카·남아시아·동아시아 계열 데이터도 기존보다 훨씬 대규모  

- 예: 아프리카계에서 말라리아 저항성 관련 변이(HBB와 G6PD 유전자)가 높은 빈도로 존재  

- 남아시아 계통에서 β-지중해빈혈 관련 변이가 집중적으로 발견

### (3) 희귀 변이와 질병 연관

- WGS만으로 발견 가능한 새로운 희귀 변이와 질병 연관성 다수 확인  

- 예: FOXE3 유전자 프레임시프트 변이 → 백내장 위험 증가  

- PCSK9 유전자 일부 결실 → LDL 콜레스테롤 감소, 심혈관질환 보호 효과 가능성

### (4) 비암호 부위(UTR) 변이의 영향

- 드문 UTR 변이도 혈액 수치, 콜레스테롤, 혈소판 등 다양한 건강 지표와 연관성  

- 일부 경우, UTR 변이를 함께 고려했을 때 단백질 암호 부위만 볼 때보다 유전 원인 규명이 향상

### (5) 임상적으로 중요한 변이

- 미국의학유전학회(ACMG)가 ‘꼭 알려야 하는’ 유전질환 관련 변이 중 다수가 확인됨  

- WGS 덕분에 기존 검사(WES)로 놓쳤던 변이까지 찾아낼 수 있었음

***

## 5. 고찰

- 전장유전체 해독은 **희귀 변이 발견·비암호 영역 분석·구조변이 검출**에서 기존 방법을 압도  

- 인종별 분석을 통해 **특정 지역·환경에 적응한 변이**의 의학적 의미를 검증  

- 희귀변이 + 대규모 건강데이터 조합은 질병 원인 규명, 잠재적 신약 표적 발굴에 강력한 도구  

- 비암호 영역의 기능 예측이 아직 부족하므로, 후속 연구로 정밀한 기능 분석 필요

***

## 6. 연구 의의와 시사점

1. **세계 최대 규모 전장유전체 데이터**  

   → 앞으로의 유전·의학 연구, 신약 개발, 맞춤의료의 핵심 인프라

2. **다양한 변이 유형 한 번에 분석 가능**  

   → 질병 예측 정확도 높이고, 놓쳤던 희귀 질환 원인 발견

3. **비유럽계 데이터 확충**  

   → 글로벌 보건 형평성 향상, 특정 인구집단에서만 중요한 질병 원인 규명 가능

4. **정밀의료 기반 마련**  

   → 개인의 유전형에 맞춘 예방·치료 전략 수립 가능성 확대

***

## 7. 결론 – 왜 중요한가?

이 연구는 “한 사람의 DNA 전체를 읽어낼 때 의학과 건강 연구가 얼마나 달라질 수 있는지”를 실증한 사례입니다. 49만 명이 넘는 사람들의 전장유전체와 방대한 건강 데이터를 결합함으로써,

- 새로운 질병 원인을 찾고,

- 인종별 맞춤 의학 지식을 확장하며,

- 차세대 진단·치료법 개발의 길을 열었습니다.

앞으로 이 데이터는 **전 세계 연구자들이 질병의 복잡한 원리를 풀고, 더 효과적이고 안전한 의약품을 만드는 데 중요한 초석**이 될 것입니다.

출처: @ye._.vely618

텔로미어 길이!! 중요할까 안중요할까?

오늘은 UK Biobank에서 수집된 WGS 데이터를 가지고 텔로미어를 조사한 연구를 가져왔습니다. 제목은 Genetic architecture of telomere length in 462,666 UK Biobank whole-genome sequences 입니다.

DOI: 10.1038/s41588-024-01884-7

gemini

이 논문은 462,666명의 UK Biobank 참가자의 전장 게놈 시퀀스에서 텔로미어 길이의 유전적 구조를 조사합니다. 텔로미어는 염색체의 끝을 손상으로부터 보호하고 길이는 인간 질병 및 노화와 관련이 있습니다. 연구팀은 qPCR(quantitative PCR)과 전장 게놈 시퀀싱 측정을 결합한 새로운 텔로미어 길이 지표를 개발했습니다. 이 지표는 SNP의 유전력을 증가시켜 텔로미어 길이의 유전적 조절을 더 잘 포착할 수 있었습니다. 엑솜 전체 희귀 변이 및 유전자 수준의 붕괴 연관성 연구에서 텔로미어 길이와 유의하게 연관된 64개의 변이와 30개의 유전자가 확인되었으며, 여기에는 ACD 및 RTEL1의 대립형질 계열도 포함됩니다. 주목할 점은 이 중 16%의 유전자가 골수계 암 및 여러 비악성 질환과 관련된 연령 관련 체세포 모자이크인 클론성 골수 증식증의 원인으로 알려져 있다는 점입니다. 체세포 변이 분석은 텔로미어 길이와의 유전자 특이적 연관성을 밝혀냈는데, 예를 들어 SRSF2 돌연변이 클론이 큰 개인의 경우 텔로미어가 길어지고, 다른 유전자에 의해 구동되는 클론 확장이 있는 개인의 경우 텔로미어가 짧아졌습니다. 이러한 결과는 희귀 변이가 텔로미어 길이에 미치는 영향과 클론성 골수 증식증과도 관련된 유전자에서 더 큰 영향이 관찰된다는 것을 보여줍니다.

clova-x

텔로미어 길이와 관련된 연구는 인간의 노화와 수명에 대한 이해를 높이기 위해 진행되었습니다. 텔로미어는 염색체의 끝 부분에 위치하며 세포 분열 시 DNA가 손상되지 않도록 보호하는 역할을 하는데, 텔로미어의 길이가 짧을수록 세포의 수명이 짧아지고 노화가 가속화된다는 사실이 밝혀졌기 때문입니다.

일부 연구에서는 인종 간에 텔로미어 길이에 차이가 있다는 결과를 보여주기도 했지만, 다른 연구에서는 인종 간 차이가 없다는 결과를 보여주기도 하여, 텔로미어 길이가 인종 간 차이를 완전히 설명하지는 못한다는 것을 알 수 있습니다.

또한, 텔로미어 길이는 다양한 질병과 관련이 있는데, 심혈관 질환, 당뇨병, 알츠하이머병, 암 등의 질병과 텔로미어 길이 사이에 연관성이 있다는 연구 결과가 있으며, 짧은 텔로미어 길이는 이러한 질병의 발병 위험을 증가시킬 수 있습니다.

텔로미어의 길이의 짧고 긴 것에 대한 질병과 외부 환경에 대한 적응 여부는 아직 명확하게 밝혀지지 않았지만, 텔로미어 길이는 유전적 요인과 환경적 요인 모두에 의해 영향을 받을 수 있고, 환경적 요인으로는 스트레스, 식습관, 운동 등이 있습니다.

그리고 텔로미어 길이에 영향을 주는 유전자들은 텔로미어에만 영향을 주는 것이 아니라 다른 생물학적 과정에도 영향을 미칠 수 있어, 이들의 이해는 건강과 질병 예방에 중요한 통찰력을 제공할 수 있습니다.

chatGPT

텔로미어는 우리 몸속 세포의 염색체 끝에 위치한 특별한 DNA 조각입니다. 이 텔로미어는 세포가 분열할 때마다 조금씩 짧아지며, 세포가 무한히 분열하는 것을 막는 일종의 "타이머" 역할을 합니다. 텔로미어가 너무 짧아지면 세포는 더 이상 분열하지 못하고 결국 노화하거나 죽게 됩니다. 이 때문에 텔로미어 길이는 노화와 밀접하게 연관되어 있으며, 여러 연구자들이 텔로미어 길이가 다양한 질병과 어떻게 관련되는지에 대해 연구를 진행하고 있습니다.

텔로미어 길이 연구의 필요성

텔로미어 길이 연구는 주로 노화와 관련된 질병을 이해하고 예방하기 위해 진행됩니다. 예를 들어, 짧은 텔로미어는 심혈관 질환, 당뇨병, 암 등 여러 연령 관련 질병과 관련이 있습니다. 반면, 길어진 텔로미어는 세포가 계속해서 분열할 수 있는 능력을 유지시켜주지만, 이로 인해 암과 같은 질병의 위험이 증가할 수 있습니다. 따라서, 텔로미어 길이를 조절하는 방법을 이해하는 것은 질병 예방과 치료에 중요한 단서를 제공할 수 있습니다.

인종 간 텔로미어 길이 차이와 질병

텔로미어 길이는 인종 간에도 차이가 있을 수 있으며, 이러한 차이는 질병에 대한 민감성에도 영향을 미칠 수 있습니다. 예를 들어, 일부 연구에서는 유럽계 사람들의 텔로미어가 다른 인종에 비해 더 짧은 경향이 있으며, 이는 특정 질병에 더 취약할 수 있음을 시사합니다. 그러나 이러한 차이는 다양한 유전적, 환경적 요인들에 의해 복잡하게 영향을 받기 때문에, 텔로미어 길이가 질병에 미치는 영향을 정확히 이해하는 데는 더 많은 연구가 필요합니다.

텔로미어 길이와 외부 환경 및 질병 적응력

텔로미어 길이는 환경적 요인에도 영향을 받을 수 있습니다. 예를 들어, 스트레스, 흡연, 비만 등은 텔로미어를 짧게 만들 수 있으며, 이는 여러 만성 질환의 발병 위험을 높일 수 있습니다. 반대로, 건강한 식습관, 규칙적인 운동, 충분한 수면은 텔로미어의 길이를 보호하는 데 도움이 될 수 있습니다. 이러한 환경적 요인들은 우리가 생활습관을 통해 질병에 대한 저항력을 어느 정도 조절할 수 있다는 점에서 중요한 의미를 갖습니다.

텔로미어 길이에 영향을 주는 유전자와 그 영향

텔로미어 길이에 영향을 주는 여러 유전자들이 발견되었으며, 이들 유전자들은 텔로미어뿐만 아니라 다른 생리적 과정에도 영향을 미칩니다. 예를 들어, POT1, TERF1, TINF2와 같은 유전자들은 텔로미어를 보호하고 유지하는 역할을 하지만, 이들 유전자의 변이는 암과 같은 심각한 질병과도 관련이 있습니다. 또한, RTEL1과 TERT 유전자는 텔로미어 길이를 조절하는 동시에 폐섬유증 같은 질병과도 연관되어 있습니다.

이처럼 텔로미어 길이에 영향을 주는 유전자들은 단순히 텔로미어 길이만 조절하는 것이 아니라, 다양한 질병의 발생과 진행에도 중요한 역할을 합니다. 따라서 이러한 유전자들에 대한 연구는 텔로미어와 관련된 질병을 예방하거나 치료하는 새로운 방법을 제시할 수 있습니다.

결론

텔로미어 길이에 대한 연구는 질병 예방과 치료에 중요한 단서를 제공할 수 있습니다. 인종, 유전, 환경적 요인들이 텔로미어 길이에 영향을 미치며, 이는 다양한 질병의 위험과 관련이 있습니다. 텔로미어를 조절하는 유전자들은 단순히 텔로미어에만 영향을 미치는 것이 아니라, 신체 전반에 걸쳐 다양한 방식으로 영향을 미칠 수 있습니다. 따라서, 이들 유전자와 텔로미어의 관계를 이해하는 것은 건강을 유지하고 질병을 예방하는 데 매우 중요합니다.

NotebookLM

## 텔로미어 길이: 당신의 세포는 얼마나 건강한가요?

최근 질병 예방에 대한 관심이 높아지면서, 우리 몸의 세포 건강과 수명에 영향을 미치는 텔로미어에 대한 연구가 주목받고 있습니다.  **텔로미어란 염색체의 끝부분에 위치한 반복적인 DNA 서열로, 세포 분열 시 염색체가 손상되는 것을 막아주는 중요한 역할을 합니다.** 

### 텔로미어 길이 연구의 중요성

텔로미어는 세포가 분열할 때마다 점점 짧아지며, 일정 길이 이하로 짧아지면 세포는 더 이상 분열하지 못하고 노화되어 죽게 됩니다. 텔로미어 길이는 선천적인 요인뿐만 아니라 흡연, 스트레스, 환경 오염 등 후천적인 요인에 의해서도 영향을 받습니다. **과학자들은 텔로미어 길이를 조절하는 유전자를 밝혀내고 그 기능을 이해함으로써 암, 폐 섬유증, 골수이형성증후군 등 텔로미어 길이와 관련된 질병의 발병 기전을 규명하고 새로운 치료법을 개발하고자 합니다.**

### 텔로미어 길이와 질병: 짧거나 긴 것이 좋을까요?

텔로미어 길이와 질병 사이의 관계는 매우 복잡하며, 단순히 짧거나 긴 것이 좋다고 말할 수는 없습니다. 다만, 현재까지의 연구 결과를 종합해보면 **일반적으로 텔로미어 길이가 짧을수록 노화 및 질병의 위험이 높아지는 경향**을 보입니다.

* **짧은 텔로미어:** 관상 동맥 질환과 같은 노화 관련 질환, 조기 노화 증후군, 폐 섬유증, 면역 결핍증 등과 관련이 있습니다.

* **긴 텔로미어:** 텔로미어 길이가 지나치게 길 경우 암 발생 위험을 높일 수 있다는 연구 결과도 있습니다.

### 텔로미어 길이에 영향을 미치는 요인

* **유전적 요인:** 텔로미어 길이에 영향을 주는 유전자 변이들이 발견되었습니다. 예를 들어, CTC1, ACD, TERF1, TINF2, POT1, PARN, RTEL1, NAF1, TERT, ATM, BRIP1 등의 유전자 변이가 텔로미어 길이와 관련이 있다는 연구 결과가 있습니다. 이러한 유전자들은 텔로미어 길이 조절뿐만 아니라 DNA 복구, 세포 주기 조절, 면역 반응 등 다양한 생물학적 기능에 관여합니다.

* **인종 간 차이:** 소스에서는 특정 인종 집단에서만 나타나는 텔로미어 길이 관련 유전자 변이를 발견했습니다. 이는 인종에 따라 텔로미어 길이에 영향을 미치는 유전적 요인에 차이가 있을 수 있음을 시사합니다. 하지만, 텔로미어 길이에 영향을 미치는 요인은 유전적인 요인 외에도 환경적인 요인, 생활 습관 등 다양하기 때문에 인종 간 텔로미어 길이 차이에 대한 명확한 결론을 내리기 위해서는 더 많은 연구가 필요합니다. 

* **외부 환경:** 흡연, 스트레스, 환경 오염과 같은 외부 환경 요인들도 텔로미어 길이에 영향을 미칠 수 있습니다.

### 텔로미어 길이 연구의 미래

텔로미어 길이 연구는 아직 진행 중이며, 텔로미어 길이와 질병 사이의 복잡한 상호작용을 완전히 이해하기 위해서는 더 많은 연구가 필요합니다. 하지만, 현재까지 밝혀진 연구 결과들을 바탕으로 텔로미어 길이를 건강하게 유지하기 위한 노력을 기울이는 것이 중요합니다. 금연, 스트레스 관리, 균형 잡힌 식단, 규칙적인 운동 등 건강한 생활 습관을 유지하는 것이 텔로미어 길이를 보호하고 건강한 노년을 맞이하는 데 도움이 될 수 있습니다.

텔로미어는 DNA 양끝단에 있는 염색체를 보호하는 역할로 많이 알려진 부위입니다. 세포 분열을 할 때 마다 텔로미어가 짧아지게 되고 길이에 따라 세포가 분열을 더 이상 분열을 못하기도 한다고 하고, 혹은 텔로미어가 짧아져 상/성염색체에 영향을 줘서 문제가 발생한다고 하기도 합니다.

그래서 텔로미어는 노화와 건강에 많은 영향을 끼치는 것으로 알려져 있습니다.

그래서 텔로미어의 길이에 관여하는 유전자를 알아보고 이것이 인종에 따라 어떻게 달라지는지도 본듯합니다.

모든 사람이 텔로미어 길이가 짧아지는 것을 늦추는게 동일하지 않을거라는, 이유는 유전자가 각각 다르기 때문에, 그런 것을 조금 더 개개인 맞춤으로 건강함을 유지하는 방법을 찾는데 한걸음 다가가는 연구라고 보여지네요.

언젠가 개개인에게 맞는 텔로미어 복구 처방전도 나오지 않을까하네요.  :)

출처: @wm_ohmygirl

WGS, 고형암 정밀의료의 새로운 지평을 열다

오늘도 WGS 관련된 내용의 논문을 가져와봤습니다. 제목은 Clinical application of whole-genome sequencing of solid tumors for precision oncology 로 카이스트의 주영석교수님이 창업하신 Inocras와 아주대가 주축이 되어 출판된 논문입니다.

DOI: 10.1038/s12276-024-01288-x

gemini

## WGS: 암 정복을 향한 새로운 도약, 정밀 의료 시대를 열다

### 암, 더 이상 두려운 질병이 아닙니다.

암은 여전히 많은 사람들에게 두려움의 대상이지만, 과학 기술의 발전으로 인해 암 치료는 빠르게 변화하고 있습니다. 특히 **전장 유전체 염색체 배열 분석(Whole Genome Sequencing, WGS)**이라는 강력한 도구의 등장으로 암 치료의 패러다임이 바뀌고 있습니다. 

### WGS란 무엇일까요?

WGS는 한 개체의 모든 유전 정보를 해독하는 기술입니다. 마치 인체의 설계도를 완벽하게 파악하는 것과 같습니다. 이를 통해 암 세포의 유전적인 특징을 정밀하게 분석하고, 개인별 맞춤형 치료를 가능하게 합니다.

### 암 치료의 새로운 지평을 열다

* **정확한 진단:** WGS를 통해 암의 종류와 특성을 더욱 정확하게 파악할 수 있습니다. 

* **맞춤형 치료:** 암 세포의 유전자 변이에 따라 가장 효과적인 치료법을 선택할 수 있습니다. 

* **새로운 치료 타겟 발굴:** 기존에는 알려지지 않았던 새로운 치료 타겟을 발견하여 신약 개발에 기여할 수 있습니다.

* **치료 예후 예측:** 치료 후 재발 가능성을 예측하고, 환자의 생존율을 높일 수 있습니다.

### WGS가 가져올 변화

WGS는 단순히 암 치료뿐만 아니라, 의료 전반에 걸쳐 큰 변화를 가져올 것입니다. 

* **개인 맞춤형 의료:** 질병뿐만 아니라 다양한 질환에 대한 예측과 예방이 가능해집니다. 

* **신약 개발 가속화:** 새로운 약물 개발 기간을 단축하고, 부작용을 줄일 수 있습니다. 

* **의료비 절감:** 불필요한 검사를 줄이고, 효과적인 치료에 집중하여 의료비를 절감할 수 있습니다.

### 아직 해결해야 할 과제

WGS 기술은 아직 발전 단계에 있으며, 해결해야 할 과제도 많습니다. 

* **데이터 분석:** 방대한 유전체 정보를 분석하고 해석하는 기술 개발이 필요합니다.

* **비용:** WGS 검사 비용이 높아 모든 환자가 이용하기 어렵습니다. 

* **윤리적 문제:** 유전 정보 오용, 개인정보 보호 등 윤리적인 문제에 대한 논의가 필요합니다.

### 결론

WGS는 암 정복을 위한 새로운 가능성을 열었습니다. 하지만 WGS 기술의 발전과 함께 관련 법규 및 윤리적 문제에 대한 사회적 합의가 필요합니다. 우리는 WGS를 통해 더 건강하고 행복한 삶을 살 수 있는 미래를 기대할 수 있습니다.

chatGPT

이번 연구는 전장 유전체 시퀀싱(WGS)을 통해 고형 종양 환자의 유전체 정보를 분석하고, 이를 정밀 의학에 적용할 수 있는 가능성을 살펴본 것입니다. 정밀 의학이란, 환자 개개인의 유전적 특성에 맞춘 치료를 제공하는 것을 의미합니다. 이를 위해 암 환자의 유전체 정보를 정확하게 분석하는 것이 중요한데, WGS는 종양 전체의 유전체를 분석해 매우 상세한 정보를 얻을 수 있는 기술입니다.

기존의 표적 패널 시퀀싱(TPS)은 암과 관련된 특정 유전자들만을 분석합니다. 이는 치료에 유용한 정보를 제공하지만, 제한된 유전자만 다루기 때문에 중요한 변이를 놓칠 수 있습니다. 반면, WGS는 종양의 모든 유전자 정보를 포괄적으로 분석해 더 많은 변이와 유전적 특징을 발견할 수 있습니다.

이번 연구에서는 다양한 고형 종양을 가진 환자 120명을 대상으로 WGS를 시행했고, 그 중 95명이 WGS 결과 보고서를 받았습니다. 이 보고서에는 각 환자의 유전체 변이와 관련된 임상적 정보가 포함되어 있었습니다. 연구 결과, 72%의 환자에서 임상적으로 중요한 정보를 제공했으며, 이를 바탕으로 치료 전략을 세우거나 임상 시험 참여를 고려할 수 있었습니다.

WGS를 통해 얻어진 정보는 환자 맞춤형 치료에 크게 기여합니다. 예를 들어, 특정 유전자 변이가 있는 환자는 특정 표적 치료제에 잘 반응할 가능성이 크거나, 면역 치료제가 효과적일 수 있습니다. 이처럼 WGS는 종양의 돌연변이 서명, 종양 돌연변이 부담(TMB) 등을 분석해 암 치료의 개인화를 가능하게 합니다.

결국 WGS는 기존보다 더 넓고 깊이 있는 유전체 분석을 제공해, 암 환자에게 최적화된 치료를 제공할 수 있는 정밀 의학의 핵심 도구로 자리잡을 수 있습니다. 이를 통해 불필요한 치료를 줄이고, 환자의 삶의 질을 높이며, 더 나은 치료 결과를 이끌어낼 수 있을 것입니다.

NotebookLM

## WGS 기반 유전체 분석: 고형암 정밀 의료의 새로운 지평을 열다

최근 의료계의 화두는 단연 '정밀 의료'입니다. 환자 개개인의 유전체 정보, 생활 습관, 환경적 요인 등을 종합적으로 분석하여 개인에게 최적화된 치료법을 제공하는 정밀 의료는 암 치료 분야에서도 주목받고 있습니다. 특히, 암의 근본 원인인 유전체 변이를 정확하게 파악하는 것이 중요하며, 이를 위해 WGS(전장 유전체 서열 분석) 기술이 활용되고 있습니다.

최근 아주대학교병원에서 수행된 연구는 WGS 기반 유전체 분석이 고형암 환자의 정밀 의료에 어떻게 활용될 수 있는지 잘 보여줍니다. 2022년 9월부터 2023년 4월까지 다양한 종류의 고형암 환자 120명을 대상으로 진행된 이 연구는 WGS 검사를 통해 얻은 유전체 정보를 실제 임상 현장에서 환자 치료에 활용하는 데 초점을 맞추었습니다.

**WGS 검사는 기존의 유전자 검사 방법인 TPS(Targeted Panel Sequencing)에 비해 훨씬 광범위한 유전체 정보를 제공합니다.** TPS 검사가 50~500개의 알려진 암 유전자만 분석하는 반면, WGS 검사는 전체 유전체를 분석하여 종양의 발생 및 진행에 관여하는 유전자 변이를 더욱 포괄적으로 파악할 수 있습니다.

연구 결과, WGS 검사를 통해 환자의 79%에서 성공적으로 유전체 정보를 얻었으며, 이 중 **72%의 환자에게서 치료 방침 결정에 도움이 될 수 있는 유의미한 정보를 확인했습니다.**  특히, **WGS 검사는 다음과 같은 부분에서 정밀 의료 실현에 기여할 수 있음을 보여주었습니다.**

* ** 최적의 표적 치료제 선택**: 폐암 환자에서 EGFR 유전자 변이, 대장암 환자에서 BRAF 유전자 변이 등 특정 유전자 변이를 가진 환자에게 효과적인 표적 치료제를 선별하여 적용할 수 있도록 합니다.

* ** 적합한 임상 시험 기회 제공**:  환자의 유전체 정보를 바탕으로 KRAS, PIK3CA, HRAS 유전자 변이 등  특정 유전자 변이를 표적으로 하는 임상 시험을 선별하여 참여 기회를 높일 수 있습니다.

* ** 불필요한 치료 방식 사전 예방**:  RAS 유전자 변이와 같이 특정 치료에 효과가 없는 것으로 알려진 유전자 변이를 가진 환자를 미리 식별하여 불필요한 치료를 줄일 수 있습니다.

* ** 암 발생 원인 규명 및 진단 정확도 향상**:  WGS 검사는 흡연과 관련된 유전자 변이 패턴을 분석하여 암의 기원을 추적하고, 병리학적 진단만으로는 알 수 없었던 암의 정확한 유형을 판별하는 데 도움을 줄 수 있습니다.

* ** 유전성 암 소인 진단 및 가족력 관리**:  WGS 검사는 BRCA1/2 유전자 변이와 같이 유전성 암과 관련된 유전자 변이를 검사하여 환자 본인뿐 아니라 가족 구성원의 암 예방 및 조기 진단에도 기여할 수 있습니다.  

본 연구는 WGS 기반 유전체 분석이 고형암 환자의 진단 및 치료 과정을 개선하고, 궁극적으로 암 정밀 의료 발전에 크게 기여할 수 있음을 시사합니다. **특히,  단 한 번의 검사로 전체 유전체 정보를 분석하여 종합적인 정보를 제공한다는 점에서 WGS 검사는  '미래 암 치료의 나침반'이 될 가능성이 높습니다.**  

하지만 WGS 기반 유전체 분석은 아직까지 임상 현장에서 널리 활용되기에는 몇 가지 과제가 남아있습니다.

* **높은 비용**:  WGS 검사는 기존 유전자 검사 방법에 비해 비용이 높기 때문에 환자의 경제적 부담을 고려해야 합니다. 

* **방대한 데이터 분석 및 해석**: WGS 검사는 방대한 양의 유전체 정보를 생성하기 때문에 이를 분석하고 해석하는 데 고도의 전문 지식과 기술이 필요합니다. 

하지만,  **WGS 검사 비용이 점차 감소하고 있으며, 데이터 분석 기술 또한 빠르게 발전하고 있습니다.**  WGS 기반 유전체 분석 기술의 발전과 더불어 의료진과 환자들의 인식 개선이 이루어진다면, 가까운 미래에 WGS 검사가 고형암 정밀 의료의 표준 진단 도구로 자리매김할 것으로 기대됩니다. 

WGS검사가 역시 알아낼 수 있는 것이 많아서 좋다는게 지배적이고 저도 그렇게 생각합니다. 다만 Short Read WGS보다는 Long Read WGS가 더 환자들에게 좋지 않을까 하는 생각일 뿐이죠.

오늘도 어김없이 유전체 연구를 하고 있는 연구자들에게 깊은 감사를 드리며 글을 정리하도록 하겠습니다. :)

※ 다음주 월요일 오마이걸의 10번째 앨범이 나온다고 합니다. 많관부 ※

출처: @wm_ohmygirl

소아암 환자에게 희망을 주는 WGS 검사

오늘은 WGS의 효용성에 대한 논문을 가져와봤습니다. 포스팅 하는 내용들에 사실 큰 흐름은 없습니다. 그때 그때 제 맘대로 많이 찾아지는 논문들을 중심으로 올리고 있다 보니 그때 그때 마음대로 이니깐 그냥 편하게 클릭하시면 됩니다. 오늘 논문 제목은 Benefits for children with suspected cancer from routine whole-genome sequencing 입니다.

DOI: 10.1038/s41591-024-03056-w

gemini

## WGS 검사, 소아암 치료의 새로운 지평을 열다: 논문 리뷰

### 소개

최근 발표된 연구는 소아암 치료에 있어 획기적인 가능성을 제시하는 WGS(전장유전체 염색체검사) 검사의 효용성을 입증했습니다. 이 논문은 기존의 표준 검사 방법이 가진 한계를 극복하고, 소아암 환자들에게 더욱 정확하고 맞춤화된 치료를 제공할 수 있는 새로운 가능성을 제시합니다. 이 글에서는 해당 논문의 주요 내용을 간략히 요약하고, 소아암 환자와 가족들에게 어떤 의미를 가지는지 살펴보겠습니다.

### WGS 검사란 무엇인가?

WGS 검사는 한 사람의 모든 유전 정보를 분석하는 검사입니다. 기존의 표준 검사가 특정 유전자나 염색체의 이상 유무만을 확인했다면, WGS 검사는 이보다 훨씬 더 많은 정보를 제공합니다. 마치 한 권의 책을 처음부터 끝까지 모두 읽는 것과 같다고 비유할 수 있습니다.

### 논문의 주요 내용

* **WGS 검사의 우수성:** 논문은 WGS 검사가 기존의 표준 검사보다 훨씬 더 많은 유전자 변이를 발견할 수 있다는 것을 입증했습니다. 이는 소아암의 원인을 더 정확하게 파악하고, 개별 환자에게 맞는 치료법을 선택하는 데 중요한 역할을 합니다.

* **맞춤형 치료의 가능성:** WGS 검사를 통해 얻은 유전 정보를 바탕으로, 환자 개인의 유전적 특성에 맞는 맞춤형 치료를 설계할 수 있습니다. 이는 기존의 표준 치료보다 더 높은 치료 효과와 적은 부작용을 기대할 수 있습니다.

* **새로운 치료 타겟 발굴:** WGS 검사를 통해 새로운 유전자 변이를 발견하고, 이를 새로운 치료 타겟으로 삼아 새로운 치료법을 개발할 수 있는 가능성을 열었습니다.

* **예후 예측:** WGS 검사는 질병의 진행 속도와 예후를 더 정확하게 예측할 수 있도록 도와줍니다. 이를 통해 의료진은 환자의 상태를 더욱 정확하게 평가하고, 치료 계획을 수립하는 데 도움을 받을 수 있습니다.

### 소아암 환자에게 주는 의미

* **희망:** 소아암은 아이들에게 큰 시련이지만, WGS 검사는 소아암 치료에 새로운 희망을 제시합니다. 더 정확한 진단과 맞춤형 치료를 통해 생존율을 높이고, 삶의 질을 향상시킬 수 있을 것으로 기대됩니다.

* **맞춤형 치료의 시대:** WGS 검사는 개인 맞춤형 의료 시대를 앞당기는 중요한 발걸음입니다. 더 이상 모든 환자에게 동일한 치료법을 적용하는 것이 아니라, 각 환자의 유전적 특성에 맞는 최적의 치료를 제공할 수 있게 되었습니다.

* **연구 개발의 촉진:** WGS 검사를 통해 얻은 방대한 양의 데이터는 소아암 연구를 더욱 활성화하고, 새로운 치료법 개발을 가속화할 것으로 기대됩니다.

### 결론

WGS 검사는 소아암 치료에 있어 획기적인 변화를 가져올 잠재력을 지닌 기술입니다. 비록 아직 해결해야 할 과제들이 많지만, 이 연구는 소아암 정복을 향한 희망을 밝히는 중요한 이정표가 될 것입니다. 앞으로 더 많은 연구를 통해 WGS 검사가 소아암 환자들에게 더욱 안전하고 효과적인 치료 옵션으로 자리매김하기를 기대합니다.

#WGS #소아암 #유전체검사 #맞춤형치료 #희망 #과학 #의학

clova-x

 WGS 검사는 소아암 환자의 치료나 질병에 대한 정보를 확보하는 데에 매우 유용한 방법 중 하나입니다. 이 검사는 전체 유전체를 대상으로 하기 때문에, 기존 표준 검사 방법의 검사 범위를 모두 포괄하면서 기존에는 확인할 수 없었던 내용도 확인할 수 있습니다.

예를 들어, 소아암 환자의 종양에서 이전에 알려지지 않은 유전자 특징을 드러냅니다. 또한, 표준화된 검사를 포함할 때 확장된 분자 분석 패널과 같은 추가적인 관련 정보를 제공할 수 있습니다. 소아암의 경우, 치료가 종종 유전적 특징에 의해 결정되기 때문에 WGS가 유용할 수 있습니다.

하지만, WGS 검사는 비용과 분석 시간이 오래 걸리는 단점이 있습니다. 또한, 분석된 결과를 해석하는 것도 쉽지 않습니다. 따라서, WGS를 적용하는 데에는 시간과 비용 대비 환자들에게 이점이 있는지 고려해야 합니다. 예를 들어, WGS를 통해 발견된 유전자 변이가 치료에 큰 영향을 미치는 경우에는 WGS를 적용하는 것이 환자에게 이점이 있을 수 있습니다.

따라서, WGS를 적용하는 데에는 환자의 특성과 치료 계획을 고려하여 신중한 판단이 필요합니다. 또한, WGS 기술의 발전과 함께 비용과 분석 시간이 감소하고, 분석 결과를 해석하는 기술이 발전하고 있기 때문에, 이러한 기술적 발전을 고려하여 WGS를 적용하는 것이 바람직합니다.

이번 연구는 소아암 환자들에게 희망이 될 수 있는 중요한 연구입니다. 이 연구를 통해 소아암 환자들의 치료와 질병 관리에 대한 새로운 가능성이 열렸습니다. 앞으로도 소아암 환자들의 치료와 질병 관리에 대한 연구가 더욱 발전하여, 환자들의 삶의 질을 향상시키는 데에 기여할 수 있기를 기대합니다.

chatGPT

### 소아암 환자들에게 새로운 희망을 주는 전장유전체 시퀀싱(WGS) 검사의 가능성

소아암 진단과 치료에 있어 중요한 진전을 이룬 연구가 발표되었습니다. 이번 연구는 전장유전체 시퀀싱(WGS) 검사가 기존의 표준 검사 방법을 넘어서는 정보를 제공하며, 소아암 환자들에게 새로운 치료의 길을 열어줄 수 있음을 보여줍니다. 이 포스트에서는 이 연구의 주요 내용을 리뷰하고, 소아암 환자들에게 어떻게 희망을 줄 수 있는지 살펴보겠습니다.

#### 연구 개요

연구진은 소아암 환자 281명(282개의 종양)을 대상으로 WGS를 실시해 기존 표준 검사에서는 발견하기 어려운 유전적 변이와 종양 특성을 밝혀냈습니다. 특히, 기존 검사로는 확인할 수 없었던 복잡한 유전자 재배열, 미세한 염색체 이상 등을 발견해 7%의 환자에서 치료 방침을 변경하는 데 기여했습니다. 이 연구는 WGS가 기존의 여러 분자적 검사들을 대체하거나 보완할 수 있음을 입증하며, 소아암 환자들에게 새로운 임상 정보를 제공할 수 있음을 보여줍니다.

#### WGS 검사의 장점

WGS는 특정 유전자나 변이를 분석하는 데 그치지 않고, 전체 유전체를 포괄적으로 분석할 수 있습니다. 이를 통해 기존 검사로는 놓칠 수 있는 변이와 유전적 특징을 확인할 수 있으며, 이번 연구에서도 이러한 WGS의 장점이 실제 환자 치료 결정에 중요한 역할을 했습니다. 소아암은 드물고 다양한 유전적 변이를 가질 수 있어 기존의 표준 검사만으로는 진단과 치료가 충분치 않을 수 있는데, WGS는 이를 보완해 보다 정밀한 맞춤형 치료 옵션을 제시할 수 있습니다.

#### 소아암 환자들에게 주는 희망

WGS 검사는 단 한 번의 검사로 여러 표준 검사를 대체하거나 보완할 수 있어, 환자가 여러 차례의 검사를 받는 부담을 줄일 수 있습니다. 또한 초기 진단 단계에서 더 정확한 정보를 제공해 맞춤형 치료를 신속하게 시작할 수 있으며, 장기적으로는 치료 효율성을 높이고 불필요한 비용을 줄이는 데 기여할 수 있습니다. 연구 결과에서도 확인된 바와 같이, WGS를 통해 소아암 환자들이 새로운 치료 옵션을 찾거나, 더 나은 예후를 기대할 수 있게 되는 것은 매우 큰 의미를 가집니다.

#### 비용과 시간적 효율성

WGS는 초기 비용이 높고 분석 시간도 길지만, 조기에 정확한 진단을 통해 치료를 빨리 시작함으로써 장기적으로 시간과 비용을 절약할 수 있습니다. 소아암의 특수성을 고려할 때, WGS는 복잡한 유전적 문제를 해결할 수 있는 중요한 도구가 될 수 있습니다. 앞으로 기술 발전을 통해 WGS의 비용 효율성이 개선되고 분석 시간이 단축된다면, 더 많은 소아암 환자들이 혜택을 누릴 수 있을 것입니다.

#### 결론

이번 연구는 전장유전체 시퀀싱(WGS)이 소아암 진단과 치료에서 기존의 표준 검사를 넘어서는 정보를 제공할 수 있음을 보여줍니다. 이는 소아암 환자와 가족들에게 새로운 희망을 제시하며, WGS가 더 널리 활용될 수 있는 가능성을 시사합니다. 소아암은 복잡하고 예측하기 어려운 질병이지만, WGS를 통해 더 나은 진단과 맞춤형 치료가 가능해지는 시대가 가까워지고 있습니다. 

이 연구가 소아암 환자들에게 실질적인 도움을 줄 수 있기를 바라며, 앞으로도 더 많은 연구와 임상 적용이 이루어져 소아암 치료가 더욱 발전하기를 기대합니다.

NotebookLM

## 소아암 환자에게 희망을 주는 WGS 검사: 연구 리뷰

본 블로그에서는 최근 Nature Medicine 저널에 게재된 "**Benefits for children with suspected cancer from routine whole-genome sequencing**" 논문을 리뷰하고, 소아암 환자들에게 WGS(전장 유전체 서열 분석) 검사가 가져다주는 희망적인 메시지를 전달하고자 합니다. 

### 연구 배경: 소아암과 유전체 분석

소아암은 성인암과 달리 그 발병 원인이 명확하게 밝혀지지 않은 경우가 많습니다. 하지만 최근 10년간 유전체 분석 기술의 발전으로 암 유발 유전자 변이에 대한 이해가 급증하였고, 이는 소아암 치료에도 새로운 가능성을 제시했습니다. 특히, WGS 검사는  유전체 전체를 분석하여 표준 검사에서 놓칠 수 있는 희귀 변이를 포함한 더욱 광범위한 유전 정보를 제공합니다.

### 연구 내용: WGS 검사의 임상적 유용성 입증

본 연구는 영국 내 두 곳의 소아암 센터(혈액암 전문센터, 고형암 전문센터)에서 WGS 검사를 일상적으로 시행하면서 얻은 데이터를 분석했습니다. 281명의 소아암 환자(282개 종양)를 대상으로 WGS 검사를 시행한 결과, **약 7% (20명)의 환자에서 WGS 검사 결과가 치료 방침 변경에 직접적인 영향을 미쳤으며, 29% (83명)의 환자에서는 표준 검사에서 확인되지 않았던 유전 정보를 추가로 얻을 수 있었습니다.** 

### 주요 결과 분석

* **WGS 검사, 표준 검사 대체 가능성 제시**: 본 연구에서는 WGS 검사가 738건의 모든 표준 검사 결과를 정확하게 재현하는 것을 확인했습니다. 이는 WGS 검사가 향후 소아암 진단에 필요한 다양한 유전자 검사를 대체할 가능성을 시사합니다.

* **진단, 치료, 예후 예측에 기여**: WGS 검사를 통해 얻은 유전 정보는 진단의 정확성을 높이고, 새로운 치료법 적용 가능성을 제시하며, 환자의 예후를 예측하는 데 도움을 줄 수 있습니다. 

* **희귀 소아암 진단에 효과적**: 특히, 본 연구에서는 비종양성 골수부전 환자 17명을 대상으로 WGS 검사를 시행한 결과, 기존 검사보다 신속하고 효율적으로 진단을 확정할 수 있었습니다. 

* **개인 맞춤형 치료**:  WGS 검사 결과는 환자 개개인에게 최적화된 치료법을 선택하고, 불필요한 치료를 줄이며, 치료 효과를 높이는 데 기여할 수 있습니다. 예를 들어,  본 연구에서는 흉부 신경모세포종 환자의 유방암 유전자 변이를 발견하여 방사선 치료 범위를 조정함으로써 유방 조직 손상을 예방한 사례를 제시했습니다. 

* **유전적 암 소인**: WGS 검사는 소아암 발병 위험을 높이는 유전자 변이를 발견하여 환자 가족의 암 예방 및 조기 진단에도 도움을 줄 수 있습니다.

### WGS 검사의 과제와 전망

WGS 검사는 소아암 환자들에게 혁신적인 진단 및 치료 기회를 제공할 수 있지만, 아직 몇 가지 해결해야 할 과제가 남아있습니다. 대표적으로 긴 분석 시간과 높은 비용, 결과 해석의 복잡성 등이 있습니다. 하지만 유전체 분석 기술의 발전과 데이터 축적을 통해 이러한 한계를 극복하기 위한 노력이 지속되고 있으며, **WGS 검사는 더 많은 소아암 환자들에게 희망을 전달하는 중요한 열쇠가 될 것으로 기대됩니다.**

Targeted나 Exome 보다는 Genome이 더 볼 수 있는 것도 얻어낼 것도 많지만 비용과 분석의 난이도가 낮지 않은것도 사실입니다. Dragen같은 chip없으면 WGS는 mapping 시간이... 생각만해도 끔직합니다. 

물론 위에서 언급한 것은 short read로 30x 60x 100x 수준의 생산량이라고 하는 것을 시퀀싱했을 때 얘기인데 이정도를 생산하지 않고 분석을 했을 때 그 결과가 신뢰도라는 문제에 봉착하기 때문에 또 이것을 적게 생산할 수도 없는 노릇이긴 합니다.

그렇지만 이런 저런 문제점들은 엄청 똑똑하신 분들이 해결을 하실 테니 조금만 더 기다리면 되지 않을까 하는 생각입니다. :)

출처: @ye._.vely618

미생물의 기능을 어디까지 알아낼 수 있을까?

오늘은 23년도 3월에 출판된 딥러닝 방법을 이용한 미생물 기능에 대한 논문 인  Comprehensive Functional Annotation of Metagenomes and Microbial Genomes Using a Deep Learning-Based Method 을 가져와 봤습니다.

DOI: 10.1128/msystems.01178-22

gemini

## 미생물 유전체 기능, 딥러닝으로 99%까지 밝혀내다!

인간 장 미생물은 우리 건강에 중요한 역할을 하지만, 그 기능은 아직까지 대부분 밝혀지지 않았습니다. 이번 연구에서는 딥러닝 기반 모델 DeepFRI를 사용하여 미생물 유전체의 기능을 99%까지 설명하는 놀라운 성과를 달성했습니다. 이는 기존 방법보다 훨씬 높은 비율이며, 미생물학 연구에 새로운 지평을 열 것입니다.

**딥러닝의 위력, 미생물 유전체 기능 밝히다**

딥러닝은 인공지능의 한 분야로, 방대한 양의 데이터를 학습하여 예측을 수행하는 기술입니다. DeepFRI는 이러한 딥러닝 기술을 활용하여 미생물 유전체의 기능을 설명하는 모델입니다.

연구에서는 DeepFRI를 사용하여 190만 개의 미생물 유전자를 분석했습니다. 그 결과, DeepFRI는 99%의 유전자에 대해 기능을 예측하는 데 성공했습니다. 이는 기존의 방법으로는 불가능했던 놀라운 결과입니다.

**기존 방법보다 더 나은 DeepFRI, 그 이유는?**

DeepFRI가 기존 방법보다 더 우수한 성능을 보여준 이유는 다음과 같습니다.

* **높은 정확도:** DeepFRI는 딥러닝 기술의 강력한 학습 능력을 통해 높은 정확도로 유전자의 기능을 예측합니다.

* **대규모 데이터 처리:** DeepFRI는 방대한 양의 데이터를 효율적으로 처리할 수 있어, 수많은 미생물 유전체를 분석하는 데 유용합니다.

* **신규 기능 발견:** DeepFRI는 기존 방법으로는 발견되지 않은 새로운 기능을 발견할 수 있습니다.

**딥러닝, 미생물학 연구의 새로운 지평을 열다**

이번 연구는 딥러닝 기술이 미생물학 연구에 얼마나 유용한 도구인지를 보여주는 좋은 예시입니다. DeepFRI와 같은 딥러닝 기반 모델은 앞으로 더욱 발전하여, 미생물 유전체의 기능을 더욱 정확하게 이해하고, 질병의 원인을 찾는 데 도움이 될 것으로 기대됩니다.

clova-x

DeepFRI는 딥러닝 기반의 기능적 주석 방법으로, 장내 미생물 단백질의 기능을 효과적으로 주석할 수 있다. 이 방법은 기존의 방법보다 더 많은 유전자를 인식하고, 그들의 기능을 추론할 수 있다. 또한, 이 방법은 자동화되고 확장 가능한 방법으로, 대규모의 데이터를 처리할 수 있다.

DeepFRI는 유전자 온톨로지 주석과 높은 일치율을 보이며, 이전 연구와 비교하여 주석 범위를 개선했다. 이 방법은 metagenomic microbiome studies에서 관찰된 새로운 기능을 발견하는 데 도움이 될 수 있다.

하지만, DeepFRI가 설명한 유전자의 기능을 평가하기 위해서는 추가적인 검증이 필요하다. 이를 위해서는 실험적인 데이터나 생물학적 지식을 활용하여 DeepFRI가 설명한 기능을 검증할 수 있다. 또한, 다른 유전자 분석 도구와 비교하여 DeepFRI의 결과를 검증하는 것도 좋은 방법이다.

DeepFRI는 학습 데이터와 추론 방법에 따라 결과가 달라질 수 있다. 따라서, DeepFRI를 사용할 때는 학습 데이터와 추론 방법을 충분히 이해하고, 결과를 신중하게 해석해야 한다.

DeepFRI는 장내 미생물 단백질의 기능을 이해하고, 질병의 원인이 되는 기능적 변화를 파악하는 데 중요한 역할을 할 수 있다. 또한, 이 방법은 항생제 내성 유전자와 치료 전략을 식별하는 데도 유용하다.

딥러닝은 생물학 분야에서 점점 더 중요한 역할을 하고 있으며, DeepFRI와 같은 딥러닝 기반의 기능적 주석 방법은 장내 미생물 연구뿐만 아니라 다양한 생물학 분야에서 활용될 수 있다.

chatGPT

### 딥러닝을 활용한 메타게놈 데이터 분석: DeepFRI와 기존 방법의 비교

메타게놈 데이터 분석에서 유전자 기능을 주석하는 것은 매우 중요한 작업입니다. 그러나 많은 메타게놈 데이터는 기능적 주석이 부족하여 그 활용도가 제한됩니다. 최근 연구에서는 딥러닝을 활용한 새로운 메타게놈 분석 방법이 제시되었고, 이는 기존 방법보다 훨씬 더 높은 커버리지와 정확성을 제공합니다. 이번 글에서는 딥러닝 기반 방법인 DeepFRI와 기존의 유사성 기반 방법인 eggNOG를 비교하고, 딥러닝을 활용한 이유와 그 장점을 살펴보겠습니다.

#### 딥러닝을 활용한 이유

1. **높은 기능적 주석 커버리지**: 

    - 기존의 유사성 기반 방법은 알려진 단백질 서열과의 유사성을 바탕으로 기능을 예측합니다. 이 방법은 새로운 단백질 서열에 대해서는 낮은 커버리지를 가지는 단점이 있습니다.

    - 반면, 딥러닝 모델은 대규모 데이터셋에서 학습하여 패턴을 인식하고 예측할 수 있어, 새로운 단백질 서열에 대해서도 높은 커버리지를 제공합니다.

2. **대규모 데이터 처리 능력**: 

    - 유사성 기반 방법은 데이터베이스 검색과 매칭을 필요로 하며, 대규모 데이터 처리에 시간이 많이 소요됩니다.

    - 딥러닝은 병렬 처리와 GPU 가속을 통해 대규모 데이터를 효율적으로 처리할 수 있습니다.

3. **새로운 기능 발견 가능성**: 

    - 기존 방법은 데이터베이스에 이미 존재하는 기능 정보에 의존하기 때문에 새로운 기능을 발견하는 데 한계가 있습니다.

    - 딥러닝 모델은 서열과 기능 간의 복잡한 패턴을 학습하여 새로운 기능을 예측할 수 있는 가능성이 높습니다.

#### DeepFRI와 eggNOG의 비교

최근 연구에서는 DeepFRI를 사용하여 DIABIMMUNE 코호트의 유아 메타게놈 데이터를 분석했습니다. 그 결과, DeepFRI는 총 190만 개의 중복되지 않는 미생물 유전자를 포함하는 서열 카탈로그를 생성했으며, 99%의 유전자에 대해 Gene Ontology 분자 기능 주석을 제공했습니다. 반면, 기존의 유사성 기반 방법인 eggNOG는 12%의 커버리지를 제공하는 데 그쳤습니다.

#### 예측의 신뢰성 검증 방법

딥러닝 기반 방법이 더 많은 유전자의 기능을 설명하는 것은 좋은 일이지만, 예측된 기능이 올바른지 확인하는 것도 중요합니다. 이를 위해 다양한 검증 방법이 사용됩니다.

1. **교차 검증 (Cross-validation)**: 데이터를 여러 부분으로 나누어 모델을 학습하고 검증하여 모델의 예측 성능을 평가합니다.

2. **독립적인 검증 데이터셋 사용**: 모델이 학습에 사용되지 않은 데이터로 모델의 예측 성능을 테스트합니다.

3. **실험적 검증**: 예측된 기능을 실제 실험을 통해 확인합니다.

4. **기존 데이터와의 비교**: 모델이 예측한 기능이 기존 데이터와 얼마나 일치하는지 비교합니다.

5. **기능적 유사성 네트워크 분석**: 예측된 유전자 기능들이 서로 얼마나 관련이 있는지를 분석합니다.

#### 결론

딥러닝 기반 방법인 DeepFRI는 기존의 유사성 기반 방법보다 높은 커버리지와 정확성을 제공합니다. 이를 통해 메타게놈 데이터의 해석 가능성을 크게 높일 수 있으며, 새로운 기능을 발견할 가능성도 높습니다. 하지만 예측된 기능의 신뢰성을 검증하는 것이 중요하며, 다양한 검증 방법을 통해 이를 확인할 수 있습니다. 딥러닝을 활용한 메타게놈 데이터 분석은 앞으로 인간 장내 미생물 군집의 기능적 특징을 이해하는 데 큰 기여를 할 것입니다.

---

이 글이 여러분에게 딥러닝을 활용한 메타게놈 데이터 분석의 중요성과 그 장점에 대해 이해하는 데 도움이 되었기를 바랍니다. 앞으로도 최신 연구 동향과 기술을 소개하는 유익한 글을 지속적으로 제공하겠습니다.

보통 microbiome이나 metagenome분석은 미생물들의 종 assign까지가 대부분이고, 이를 통해 질병이나 건강 상태에 따라 미생물 조성이 어떻게 변화하는지 알아봅니다. 하지만 종 수준의 분석만으로는 미생물의 역할이나 기능을 완전히 이해하기 어려운 경우가 많습니다.

이 연구에서는 단순히 종을 분류하는 것을 넘어 genome을 재구성하여 유전자의 기능을 예측/분석하여 미생물의 역할을 좀 더 정확히 파악하고자 했는데, 미생물과 숙주간의 상호작용을 더욱 심층적으로 이해하는데 큰 도움이 되지 않을까 합니다. 

아마도 (논문을 당연히 안봤으므로) 시퀀싱 방법은 16S rRNA가 아닌 Meta WGS일 것 같은데, 나중에 이런 데이터를 확보해서 작업해보면 재미있을 것 같네요. 

다음에 또 흥미로운 것이 있으면 가져오도로 하겠습니다. :)

출처: @ye._.vely618

병원 내 감염을 NGS로 검사하겠다는데 과연 저렴할까?

 오늘은 지난 3월 말에 genomeweb에 소개된 논문을 가져와 봤습니다.

기사링크: Sequencing Surveillance Improves Outbreak Detection in Hospital at 'Affordable' Costs

논문은 Methods for cost-efficient, whole genome sequencing surveillance for enhanced detection of outbreaks in a hospital setting으로 아직 정식 출판되지는 않았으나 medRxiv에 올라와 있으나 어디 좋은 출판사가 발굴해서 곧 제자리 찾아가겠죠

오늘은 gemini대신 clover-x에게만 물어봤습니다. gemini에게 써달라고 해봤자 개조식으로밖에 안써주기 때문에... 

병원 내 감염은 병원에서 발생하는 감염으로, 환자의 건강과 생명에 큰 영향을 미칩니다. 이를 예방하기 위해서는 감염을 조기에 탐지하고 신속하게 대응하는 것이 중요합니다. 최근에는 유전체 분석 기술을 이용하여 병원 내 감염을 예방하는 연구가 진행되고 있습니다.

유전체 분석 기술은 유전체 전체를 해독하는 기술로, 미생물의 유전체 정보를 분석하여 병원체의 종류, 유전적 변이, 역학적 정보 등을 파악할 수 있습니다. 이를 통해 병원 내 감염을 예방하는 방법은 다음과 같습니다.

병원체 종류 확인: 유전체 분석 기술을 통해 병원체의 유전체 정보를 분석하여 병원체의 종류를 확인할 수 있습니다. 이를 통해 어떤 종류의 병원체가 감염을 일으켰는지 파악할 수 있습니다.

유전적 변이 확인: 유전체 분석 기술을 통해 병원체의 유전적 변이를 확인할 수 있습니다. 유전적 변이는 병원체의 감염력, 독성, 내성 등에 영향을 미치기 때문에, 유전적 변이를 파악하면 병원체의 특성을 이해하고, 적절한 치료 방법을 선택할 수 있습니다.

역학적 정보 확인: 유전체 분석 기술을 통해 병원체의 역학적 정보를 확인할 수 있습니다. 역학적 정보는 병원체의 전파 경로, 감염원, 감염 시기 등을 파악하는 데 중요한 역할을 합니다. 이를 통해 병원 내 감염의 원인을 파악하고, 감염 확산을 방지할 수 있습니다.

감염 클러스터 확인: 유전체 분석 기술을 통해 감염 클러스터를 확인할 수 있습니다. 감염 클러스터는 동일한 병원체에 감염된 환자들이 모여 있는 그룹을 말합니다. 감염 클러스터를 확인하면, 해당 그룹의 환자들에게 적절한 치료와 예방 조치를 취할 수 있습니다.

전염 경로 추적: 유전체 분석 기술을 통해 전염 경로를 추적할 수 있습니다. 이를 통해 감염이 어떻게 전파되었는지 파악하고, 감염 확산을 방지할 수 있습니다.

유전체 분석 기술을 이용한 병원 내 감염 예방 연구는 아직 초기 단계이지만, 이 기술을 이용하여 주기적으로 검사를 진행하여 병원 내 감염을 예방하고, 적시에 필요한 내용을 제공하여 환자의 안전을 보호할 수 있을 것으로 기대됩니다.

제목에는 "저렴한"이 강조되어 있으나 요약 내용에는 숫자 부분이 빠져있는 것이 조금 아쉬울 따름입니다. 그래서 잠깐 언급하자면

MiSeq(32개샘플 기준)은 샘플당 $84.27, NextSeq의 경우는 48개 검채 기준으로는 샘플 당 $71.46, 96검체 기준으로는 샘당 $51.88로 예상되고 일반 외부 랩실에 맡긴다면 샘플당 $84.21 비용을 계산하고 있는데.. 이게 인건비들은 포함된것인지 살짝 갸우뚱하네요 

검사하는 주기나 얼마나 많은 샘플을 대상으로 분석 할 것인지 가이드라인을 잘 세우면 저렴하면서 효율적인 의료기관내 감염(HAI) 모니터링이 요원하지는 않을 것 같다는 생각입니다.

개인적으로 이 모델이 미래 NGS의 한 축이 되지 않을까 하는 생각도 있어서 한번 공유해보았습니다.

다음에 또 도움이 될만한 내용으로 찾아뵙도록 하겠습니다.

출처: @ye._.vely618

WGS 데이터를 활용하여 어떤 방법이 환자에게 보다 효과적인지 확인해보자

바다 건너 영국에서 진행하고 있는 WGS를 활용한 암환자들에 대한 치료 기회에 대한 내용에 대한 논문을 한번 bar..아니 gemini에게 물어봤습니다.

논문 제목은 "Insights for precision oncology from the integration of genomic and clinical data of 13,880 tumors from the 100,000 Genomes Cancer Programme"

doi: 10.1038/s41591-023-02682-0

입니다.

이번 프롬프트는 간결하게 "https://www.nature.com/articles/s41591-023-02682-0 이 연구를 하게 된 이유와 연구에 사용된 분석 방법, 그리고 결과에 대한 내용에 대해서 블로그에 게시할 수 있도록 정리해서 작성해줘" 라고 넣어봤습니다.

제목: 암 치료를 위한 개인화된 접근 방식

요약:

암은 전 세계적으로 사망 원인 1위입니다. 암 치료는 종종 화학 요법, 방사선 요법 및 수술을 포함하는 복잡한 과정입니다. 그러나 이러한 치료법은 모든 환자에게 효과적이지 않으며 종종 부작용을 유발할 수 있습니다.

연구 배경:

최근 몇 년 동안 암 치료에 대한 개인화된 접근 방식에 대한 관심이 높아졌습니다. 개인화된 치료는 환자의 특정 유전적 특성에 맞게 조정된 치료법입니다.

연구 방법:

이 연구는 100,000 게놈 프로젝트의 암 프로그램의 데이터를 사용했습니다. 이 프로젝트는 암 환자의 전체 게놈을 시퀀싱하는 것을 목표로 합니다. 연구원들은 33가지 암 유형의 13,880개 종양을 분석했습니다. 그들은 이 데이터를 실제 치료 및 결과 데이터와 연결했습니다.

연구 결과:

연구 결과는 WGS가 많은 암 유형에서 유용한 도구가 될 수 있음을 보여줍니다. WGS는 환자의 치료 반응에 영향을 미칠 수 있는 유전적 변화를 식별하는 데 사용할 수 있습니다. 이 정보는 더 개인화된 암 치료법을 개발하는 데 사용될 수 있습니다.

연구 결론:

이 연구는 WGS가 암 치료를 위한 개인화된 접근 방식을 개발하는 데 중요한 도구가 될 수 있음을 보여줍니다. WGS는 환자의 치료 반응을 예측하고 더 효과적이고 안전한 치료법을 개발하는 데 도움이 될 수 있습니다.

이 연구가 암 치료에 미치는 잠재적 영향:
- WGS는 암 치료의 성공률을 높이고 부작용을 줄이는 데 도움이 될 수 있습니다.
- WGS는 암 환자에게 더 나은 치료 옵션을 제공할 수 있습니다.
- WGS는 암 치료의 비용을 절감하는 데 도움이 될 수 있습니다.

이 연구의 한계:
이 연구는 100,000 게놈 프로젝트의 데이터를 사용했습니다. 이 데이터는 영국과 미국의 환자를 대상으로 합니다. 다른 국가의 환자에게도 WGS가 유용한 도구가 될지는 확실하지 않습니다.
이 연구는 WGS가 암 치료에 미치는 잠재적 영향을 평가했습니다. 그러나 WGS가 실제로 암 치료의 성공률을 높이고 부작용을 줄이는 데 도움이 되는지 여부는 더 많은 연구가 필요합니다.

 

개별 암종별 변이 종류에 따른 설명이 많이 생략되어 있긴하지만, 프롬프트를 잘 작성하면 필요에 맞는 내용을 잘 요약해서 정리해 줄 것으로 생각되고, 결국 깨작깨작 패널대신 걍 WGS를 하고 더불어 methylation, proteomics, RNAseq 등의 정보들도 조합하면 우리가 꿈꾸는 예후 예측이나 더 나은 환자의 치료를 제공할 수 있지 않겠냐고 잘 마무리하고 있는 논문 되겠습니다.

그리고 물론 위에 것을 하려면 아직 돈은 많이 든다. 언젠가 그렇듯이 이 또한 해결 할 수 있는 그 날이 오면 좋겠다. 라고 합니다. 

그럼 설 연휴 잘 마무리하는 걸로 :)

출처: @ye._.vely618

SAM-TB, 주인공은 나야나

결핵은 참 끊임없이 인류를 괴롭혀오는 감염병균 하나입니다.
더구나 이 녀석이 악랄한 이유는 누구에게나 동일하게 감염되는것이 아닌 개발도상국이나 저소득구간에 있는 생활환경이 그리 좋지 않은 나라나 가정에 더 잘 발병한다는 것입니다.

선진국, 다른 말로 고소득국가나 생활환경이 더 나은 곳에서 사는 사람들에게는 감염되지는 않지만 그래도 전세계가 관심있게 모니터링하고 있는 감염균중 하나일겁니다.

그래서인지 분석 Tool들이 생각보다 많이 나와있습니다.

물론 대부분 파편화되어 있었으나 최근들어 포괄적인 분석 tool들이 등장하고 있습니다.

오늘 소개하는 tool도, 이거 하나만 있어봐!!

다 할 수 있어 되겠습니다.

SAM-TB: a whole genome sequencing data analysis website for detection of Mycobacterium tuberculosis drug resistance and transmission

doi: 10.1093/bib/bbac030

이 분석 tool은 결핵균의 WGS한 데이터를 분석하는 tool이고, 약물 내성과 spoligotyping 및 NTM이라면 어떤 NTM 종인지도 구분할 수 있다. 즉 SAM-TB 하나면 결핵에 관련된 모든것을 다 확인 할 수 있습니다. 되겠습니다.

기존에 나왔었던 다양한 MTB 분석 tool들(KvarQ, PhyResSE, TGS-TB, CASTB, Mykrobe, TBProfiler, MTBseq 및 ReSeqTB-UVP)을 언급하면서 우리는 지금까지 나왔던 모든 분석 프로그램의 기능을 구현하고 있다라고 자랑하고 있고, 그런 tool을 웹에서 분석 해보실 수 있습니다. 라고 자랑하고 있습니다.

어디서? 바로 >여기<에서!!

근데 안타깝게도 오늘 (2023년 8월 29일 기준) 접속이 안되더라구요.

내일은 되길 바라겠습니다.

일단 다시 한번 중요 포인트를 짚어보자면,

MTB WGS 데이터를 사용하여
 약물 내성 변이 확인, 
 spoligotyping 확인,
 MTBC 및 NTM 확인
을 웹상에 업로드하여 분석 할 수 있다 되겠습니다만 가장 중요한 분석 사이트가 접속이 안되네요

여튼 기존에 1%씩 부족했던 기능을 가지고 있던 tool을 한 자리에 모아놨다가 가장 큰 의의일것 같습니다. 

생각보다 특이할만한 tool은 사용하지 않았고, 일반적인 NGS 분석을 해보셨다면 다뤄봤을 그런 tool들로 잘 구현했습니다.

BWA-MEM, samtools, VarScan, Kraken2와 각종 in-house script들...

사실 중요한게 약물 내성 변이의 db와 lineage, MTBC 및 NTM을 확인 할 수 있는 정보에 대한 내용이 더 잘 설명되어 있으면 좋았을텐데 그 내용은 살짝 빠져있는게 아쉬웠네요 

작년 초에 출판되었는데 벌써 웹사이트가 막히다니.. 

살짝 아쉬움을 남기고 오늘 글은 마무리하도록 하겠습니다. 

@ye._.vely618

WGS는 과연 의료비용을 낮출수 있을까

Rapid whole-genome sequencing decreases infant morbidity and cost of hospitalization

본 논문은 WGS이 의료 비용 절감과 환우의 치료에 대해 긍정적인 결과에 대한 내용을 담고 있는데 솔까말 시퀀싱 가격이 NovaSeq이 나오면서 값싸졌다고는 하지만 의료 현장에서 WGS가격이 수십만원대로 서비스할 수 있는 것은 아니지만...

환자에게 들어가는 의료 비용을 생애 전주기에 걸쳐있다는 관점으로 바라보면, 초기에 WGS를 수행해서 병의 정확한 이유를 가려내어서 알맞은 치료나 관리를 해주면 초기에 다소 비싸보이는 WGS를 하는것이 WGS를 하지 않아 적시에 필요한 치료과 관리를 하지 못했을 때 보다 전체적인 의료비용도 낮추고 환우들이나 그의 가족들에게도 물심양면적으로 긍정적인 효과가 된다는 내용 되겠습니다.

San Diego의 Rady Children 's Hospital에서 진행되고 있는 연구로 WGS데이터를 바탕으로 질병 예측과 이유의 정확도를 높여 더 나은 치료 결과를 기대 할 수 있는지를 보고자 하는 임상실험 결과 중 초기 단계의 결과입니다. 

무슨 임상실험을 2050년까지 한다는건지.. 그러나 그정도로 데이터를 쌓아놓고 확인해봐야 NGS를 의료계에서 인정하겠다라는 철저한 준비를 하겠다는 의지라고 볼 수도 있겠지만.. 30년동안 데이터 모으는 동안 또다른 혁신적인 실험기법/방법이 나오면 도루묵일수도... 여튼.. 

그래도 의료에 직접적으로 영향을 끼칠 수 있는 방법이다보니.. 

그리고 이러쿵 저러쿵 하더라도 중요한 점은 FDA 승인하에 의뤄지는 WGS기반의 진단 방법 실험 결과이고 그 결과가 "가치 있음" 이라는데에 의의가 있겠습니다.

2016년/2017년 이유를 알지 못하는 유전 질환을 앓고 있는 영아 48명 중 유전자 검사에 대해서 동의한 42명의 영아들에 대해서 (필요시 영아와 함께 부모또는 형제자매들도 검사) 유전자 검사를 진행하였습니다.

rWGS의 임상적 효과를 확인하기위해 standard test인 염색체 마이크로어레이(CMA)와 함께 진행하여 비교 한 결과, CMA방법으로는 42명 환자중 4명에 대해서 병인에 대해서 진단 할 수 있었으나, rWGS의 경우 18명(?19명?)에 대해서 병인 진단을 받았고 위양진단은 없었음을 확인하였다고 합니다. 

그리고 유전질 환을 진단받은 18명의 영아중 13명에 대해서 소위 이야기하는 정밀/ 맞춤의학이 도입되었을 때 볼수 있는 효과는 Table 2,3에 설명되어 있습니다. 물론 재현성이 있는 반복실험 결과도 없고 코호트내 인종이 caucasian, Hispanic/Latino로 편중되어 있고, n수 도 수십명으로 적어서 rWGS를 적극적으로 의료보험으로 적용시키기에는 제한적이긴 하나 rWGS가 현재 적용되고 있는 기준 방법인 CMA방법보다는 더 나은 선택지를 제공할 수 있고 그 효과는 무시할 수 없다는 근거가 이 논문을 시작으로 속속 뒷받침 해줄 것이고 원인을 명확하게 판단 할 수 없는 영유아의 유전질환 진단에서 rWGS가 조만간 단계적으로 도입되는 날이 얼마 남지 않은것 같아보입니다.

사실 이 논문의 배경은 미국이라 우리나라에는 적용하기 어려운 부분이 많아보이는데 국민건강보험기금이 화수분도 아니고 이제는 조금더 효율적으로 사용하려면 신기술에 대해서 적극적으로 검토하고 도입을 주도적으로 진행해야 적은 기금으로 효과를 극대화하고 필요한 많은 이들에게 보장을 해 줄 수 있지 않을까하는 생각을 들게하는 연구였습니다.

출처: @sana_twice.09

8개의 variant caller 통합 도구

2018년 WGS이나 WES 혹은 Target Seq을 한 후 변이를 확인 할 때 으레 GATK를 사용하는 우리들에게 감사하게도 여러개(정확히는 8개)의 변이 caller 결과를 통합해서 확인 할 수 있는 논문이 발표되었습니다.

진짜 감사할지 이름만 appreci할지...

(구글 검색결과 글쎄요... 이유가 무엇인지는 모르겠지만 오늘이 2020년 9월 12일인데 인용 횟수가 4개네요..)

목적은 NGS를 임상에 사용하려면 유효한 variant를 call해야 하는데 분석 tool마다 어떤 variant는 call하고 어떤 variant는 call하지 못하는 경우가 발생해서 그럼 여기서 나온 결과와 저기서 나온 결과 합치자!!

근데 이 작업을 할 하는데?? 이게 그렇게 쉽다고?

그렇죠 이런저런 허들이 있고 동일한 위치에 A변이와 B변이가 있다고 나왔을 때 어떤 변이를 call했다고 인정할것인가?

모 변이를 call하고 변이들을 merge하고 필터링하는 파이프라인을 개발했다는 것이 이 논문의 결론이고 민감도는 0.93-1.0, PPV는 0.65-1.0사이, 8개의 도구를 combine하였는데 caller를 줄이면 appreci8의 성능은 떨어지니깐 그러지 마세요 라고 얘기하고 있습니다.

여기서 사용하는 8개 caller들은 다들 많이들 사용하고 있는 GATK, Platypus, VarScan, LoFreq, FreeBayes, SNVer, samtools, VarDict되겠습니다.

appreci8은 여기서 docker로 제공되고 있고 분석을 한 일루미나 데이터는 여기에 위치하고 있습니다.

출처: @ye._.vely618

저쪽집이 좋지만 우리집도 잘해요, 시퀀싱

가능하면 일주일에 하나씩은 업데이트 하려고 했는데 여윽시..
그건 어려운것 같네요 ㅎㅎ
그래도 되는대로 논문읽고 일주일에 한번씩 업데이트 하는걸로 :)


오늘은 금년 6월달에 남중국과학대학에서 Scientific reports에 투고한 논문 되겠습니다.

제목은 Systematic comparison of germline variant calling pipelines cross multiple next-generation sequencers >여기를 방문하세요<

현존하는 1빠 시퀀서대비 가격도 저렴 시약도 저렴한  BGISEQ과 MGISEQ 성능 비교 테스트인데 결론은 왜 Strelka2가 적절한 분석 파이프라인으로 권장한다인지..

-일단 BGISEQ과 MGISEQ의 라이브러리 제작 및 시퀀서 방식을 뒤로하고 성능만 봅니다.
덤으로 Tianhe-2라는 슈퍼컴퓨터 자랑도 -


3개 콜러(GATK4, Strelka2, Samtools-Varscan2)를 가지고 WES, WGS를 비교해보니 WES데이터는 시퀀서 및 콜러별로 높은 일치성을 보이는 반면 WGS는 그러지 못했습니다(니들도 WGS가 WES처럼 높은 일치성을 보일거라고 생각안했잖아ㅋㅋ 어디서 약을.. 그래도 논문은 나왔기에 괜찮습니다 Orz )

Figure 1. 우리는 여러분이 가장 많이 사용하고 권장하는 콜러를 지금 있는 그대로 분석을 돌려봤습니다.

Sequencing Samples	Bases(Gbp)	Read(x106)	Clean rare	>Q20	>Q30	GC	Mean coverage
BGISEQ500-WES	29.41	294.3	0.41%	96.72%	89.14%	49.75%	328.49X
MGISEQ2000-WES	16.34	163.55	0.25%	98.18%	92.08%	49.71%	129.40X
HiSeq4000-WES	41.93	283.7	4.46%	97.36%	93.01%	50.63%	395.17X
NovaSeq-WES	25.88	178.87	2.25%	95.33%	92.67%	49.73%	241.52X
BGISEQ500-WGS	126.86	1270.02	1.76%	93.73%	83.33%	41.76%	41.03X
MGISEQ2000-WGS	137.36	1374.87	0.21%	96.17%	88.19%	41.76%	45.13X
HiSeq4000-WGS	191	1276.1	8.25%	95.90%	90.11%	41.69%	58.00X
NovaSeq-WGS	98.3	657.45	1.28%	95.89%	93.86%	41.61%	28.96X
HiSeq Xten-WGS	134	894.58	7.29%	94.50%	87.63%	40.71%	38.93X

Table 1. 우리 필요한 만큼 시퀀싱 잘 했어요

Figure 4,5 WES관련 작업 시간 및 결과 정리
Figure 6,7 WGS관련 작업 시간 및 결과 정리
(이미지 생략)

그래서 WES와 WGS를 각각 콜러의 조합에서 분석한 결과 SNP는 일관적으로 잘 call하였고 InDel은 일관적이지 못했다.
플랫폼별로 보면 SNP는 BGI플랫폼이 InDel은 일루미나 플랫폼이 더 나았다.
이거슨 시퀀싱할때 read 길이를 BGI 플랫폼과 illumina 플랫폼의 길이를 각각 100PE, 150PE로 해서 그렇다는 이유를... (그럼 왜 BGI플랫폼은 150PE로 안하고..??)

그리고 시퀀싱 뎁스 운운하는데.. 결론은 추가테스트 및 다른 분들이 더 해줬으면 하는걸로..
그리고 각 플랫폼에서 분석 툴의 성능 비교는 Strelka2가 다른 2개 분석 방법도나 나은걸로
순위를 따지자면 Strelka2 > GATK > Samtools-VarScan(SV) (모 다들 예상하셨다 싶이..)
InDel을 call하는 결과가 좀 차이가 있었는데 NovaSeq-SV에서 23개의 small variant를 call했는데반해 X-Ten-SV에서는861개의 small variant을 call했.. (BGI플랫폼은 갑자기 사라지고..)
그리고 마무리는 germline의 SNP, InDel call 능력은 높은 일치성이 있는 걸로 마무으리~

종합적으로 Strelka2가 최적의 분석 파이프 라인
응? 이거 시퀀서 비교 아니었어?
응 아니야, Strelka2 좋아요 꾹! 구독아니 github 꾹!
결국 이렇다고합니다.

이 논문의 의의는 테스트 해볼 비교 set이 생겼다는것에 ...  :)

출처: @sana_twice.09