전장유전체 연관분석(genome-wide association study)은 한 개체의 유전체에 흩어져 있는 수십만에서 수백만 개의 변이를 한 자리씩 검사해, 어떤 자리가 특정 형질과 함께 나타나는지를 통계로 가려내는 방법입니다. 가설을 미리 세우고 특정 유전자만 들여다보는 것이 아니라, 유전체 전체에 같은 질문을 반복해 던진다는 점이 이 방법의 특징입니다.
사람의 질병 연구에서 출발했지만 지금은 사람에 한정되지 않습니다. 가축의 생산 형질, 작물의 수확량과 병 저항성, 양식 어종의 성장 속도까지 형질과 유전체 자료를 함께 가진 거의 모든 생물종에서 같은 방법이 쓰입니다.
위 도표에서 점 하나가 유전체의 한 자리입니다. 가로 위치는 몇 번 염색체의 어디인지를, 높이는 그 자리와 형질의 연관이 얼마나 뚜렷한지를 나타냅니다.
한 번만 검사한다면 P값 0.05도 충분히 낮은 값입니다. 그러나 백만 개의 자리를 검사하면 아무 연관이 없어도 5만 개의 자리가 그 기준을 통과합니다. 그래서 검사 횟수만큼 문턱을 올려 P ≤ 5×10−8을 판정선으로 씁니다. 도표의 점선이 그 선이며, 이 선을 넘은 연관만 공개 데이터베이스에 등재됩니다.
이 값은 임의로 정해진 것이 아닙니다. 사람의 유전체에서 서로 독립적으로 검정되는 흔한 변이의 수를 약 100만 개로 추정하고, 전체 오류율 0.05를 그 수로 나눈 값이 5×10−8입니다[1, 2]. 이후 여러 연구를 통해 사실상의 표준으로 자리 잡았습니다[3].
독립적으로 검정되는 변이의 수는 집단마다 다르므로, 아프리카계처럼 연관불균형 구간이 짧은 집단에서는 더 엄격한 문턱이 제안되기도 합니다. 사람이 아닌 종에서는 유전체 크기와 연관불균형 구조에 맞추어 문턱을 따로 산출합니다.
2005년 이후 전 세계에서 수행된 연관분석의 결과는 공개 데이터베이스인 GWAS Catalog에 모여 있습니다. 키와 체중 같은 신체 형질부터 혈압·혈당·지질, 각종 질환에 이르기까지 수십만 건의 변이–형질 연관이 축적되어 있으며 지금도 늘고 있습니다.
이 자료는 누구나 조회할 수 있습니다. 관건은 조회가 아니라 골라내는 일입니다. 같은 형질에 수백 개의 변이가 등재되어 있고, 발견 단계에서 나온 결과는 결론이 아니라 다음 단계로 넘길 후보 목록이기 때문입니다.
NHGRI-EBI GWAS Catalog는 논문에서 보고된 변이·형질·효과 대립유전자·인구집단·연구 설계를 표준화된 형태로 등재합니다. 등재 기준은 큐레이터의 연구 범위와 재현 가능한 보고 수준입니다.
전장유전체 다중검정을 보정한 유의성 임계값입니다. 이 기준을 넘는다는 것은 우연에 의한 결과일 가능성이 매우 낮다는 뜻입니다.
Catalog에 등재되었다는 것은 연구·큐레이션 요건을 충족했다는 뜻이고, P ≤ 5×10−8을 넘었다는 것은 통계적 임계값을 통과했다는 뜻입니다. 두 기준을 함께 확인하되 같은 것으로 취급하지 않습니다.
연관분석이 짚어내는 것은 대개 실제 기능을 하는 변이가 아니라, 그 변이와 같은 구간에서 함께 유전되는 표지 변이입니다. 등재된 자리는 “이 자리가 원인이다”가 아니라 “이 근방에 무언가 있다”를 뜻합니다. 그래서 패널을 설계할 때는 같은 구간의 변이를 여러 개 넣지 않고, 구간별로 대표 변이 하나만 남기는 정리를 거칩니다.
유의한 변이는 표현형과 통계적으로 연관된 상대적 위험도의 지표입니다. 개별 변이의 효과는 대체로 크지 않아, 대부분 수 퍼센트에서 수십 퍼센트 범위의 상대적 차이를 만듭니다. 여러 변이를 모아 점수로 만들면 집단 안에서의 상대적 위치를 가늠할 수 있지만, 그것이 개인의 발병 여부를 결정하지는 않습니다.
통계적 연관은 인과관계를 증명하지 않습니다. 연관불균형, 공변량, 인구집단 구조, 선택 편향 때문에 원인 변이가 아니라 같은 구간의 표지 변이인 경우가 흔합니다.
오즈비나 위험비는 집단 평균에 대한 지표이지 개인의 발병을 확정하지 않습니다. 임상 진단과 치료는 별도의 검증과 규제 요건을 따릅니다.
유전형은 표현형을 확정하지 않습니다. 환경·생활습관·다른 유전자·발현 조절이 함께 작용하며, 침투도와 발현도는 변이마다 집단마다 다릅니다.
이 분석의 쓰임은 치료가 아니라 순위 매기기에 있습니다. 한정된 관리 자원을 누구에게 먼저 쓸지, 무엇부터 조정할지를 정하는 근거로 쓰입니다.
검증에 들어가기 전에 네 가지를 순서대로 정합니다. 이 단계를 건너뛰면 설계할 수 없는 변이가 패널에 들어가거나, 한국인에게 사실상 없는 자리를 비싸게 확인하게 됩니다.
새 변이를 발굴하려면 넓게, 후보를 검증하려면 집중적으로 봅니다. 목적에 맞는 해상도가 곧 방법의 선택입니다.
논문에서 유명한 변이라고 해서 한국인 대상 연구에 그대로 쓸 수 있는 것은 아닙니다. 대립유전자 빈도가 낮으면 아무리 검체를 모아도 통계적으로 판정할 수 없고, 패널에 넣은 자리가 그대로 빈칸이 됩니다. 그래서 설계 단계에서 한국인 참조 유전체로 후보 전량의 빈도를 실측합니다.
유럽인 제2형 당뇨 연구에서 가장 널리 인용되는 변이입니다. 그러나 한국인 소수 대립유전자 빈도는 0.028입니다. 수천 명을 모아도 이 자리 하나만으로는 효과를 검출하기 어렵습니다. 반대로 BDNF rs6265처럼 한국인 빈도가 유럽인보다 두 배 이상 높아 오히려 유리해지는 변이도 있습니다. 방향은 변이마다 달라 후보를 하나씩 확인합니다.
한국인 빈도는 한국인 참조 유전체 자료(KRGDB, 전장유전체 1,722명)에서 직접 산출한 값입니다. 유럽인 빈도는 공개 데이터베이스의 참고값입니다.
네 방법은 우열의 관계가 아니라 해상도의 차이입니다. 왼쪽으로 갈수록 넓게 보고, 오른쪽으로 갈수록 좁게, 그러나 많은 검체를 봅니다.
표시한 규모와 금액은 대표적인 예시이며, 검체 수와 설계 사양, 반복 여부에 따라 달라집니다. 정확한 견적은 대상 변이 목록과 검체 규모를 확인한 뒤 산정합니다.
전장유전체 시퀀싱은 인간 유전체 약 3 Gb 전체를 읽어 단일염기변이, 삽입·결실, 구조변이, 반복영역까지 하나의 데이터로 확보합니다. 검증 방법이라기보다 탐색 방법에 가깝습니다.
새 변이 발굴, 희귀변이와 구조변이 탐색, 집단 참조 자료 구축, 약물유전체, 삼자 분석. 그리고 array로 잡히지 않는 변이를 확인하거나 custom panel 설계를 위한 사전 지도로 쓰입니다.
후보 검증만 필요한 경우에는 array, panel, TaqMan이 더 효율적입니다. 처리 흐름은 FASTQ → 정렬 → 변이 판정 → 주석입니다.
두 방법의 공통점은 사전에 설계된 자리만 관측한다는 것입니다. 차이는 얼마나 많은 변이를 얼마나 넓게 두는가에 있습니다.
사전 설계된 probe로 대규모 코호트를 균일하게 유전형 판정합니다. 대치를 붙이면 관측하지 않은 변이도 추정할 수 있습니다.
대표 플랫폼선정된 후보 변이만 custom content로 설계해 차세대 시퀀싱으로 확인합니다. 타깃 영역의 주변 서열과 커버리지도 함께 확보됩니다.
대표 설계 방식둘 다 사전 설계된 변이만 관측하므로 새 변이 발굴에는 적합하지 않습니다. 새 변이가 필요한 경우에는 WGS로 돌아갑니다. 설계 전에 후보 선정 편향, assay 설계 가능성, 낮은 빈도 변이의 포함 여부를 함께 검토합니다.
각 array의 실제 콘텐츠와 probe 수, 집단 적합성은 버전과 설계에 따라 다르므로 프로젝트마다 확인합니다.
비용은 절대값이 아니라 상대 등급으로 표시합니다. 소요 기간은 검체 도착, 품질관리, 배치 구성, 장비 예약, 재분석, 보고서 범위에 따라 달라집니다.
| 비교 항목 | WGS | GWAS array | Target panel | TaqMan |
|---|---|---|---|---|
| 분석 범위 | 전체 유전체 · 변이 + 삽입·결실 + 구조변이 + 주변 서열 | genome-wide 고정 probe · 대치 활용 | 선정 후보 + 주변 서열 (맞춤 설계) | 선정된 개별 변이의 유전형 판정 |
| 대표 타깃 규모 | 수천만 (비편향) | 수십만 ~ 백만+ | 수백 ~ 수만 | 1 ~ 수십 |
| 주요 데이터 | FASTQ / BAM / VCF · 수십~수백 GB | IDAT · probe 신호 · 유전형 · MB 규모 | FASTQ → 변이 판정 · GB 규모 | qPCR 형광 · 대립유전자 판별 도표 |
| 장점 | 가장 넓은 범위 · 새 변이 · 구조변이 · 참조 자료 | 표준화 · 고처리량 · 대치 · 코호트 연관분석 | 후보 집중 · 주변 서열 확인 · 유연한 설계 | 단순 · 신속 · 대규모 검체에 강함 |
| 한계 | 커버리지·저장·분석 부담 · 단가 무거움 | probe에 있는 변이만 관측 · 새 변이 발굴 불가 | 후보 선정 편향 · 확장성 제한 · 설계 가능성 | assay 설계 · 낮은 빈도 · 군집 품질 이슈 |
| 적합한 상황 | 새 변이·희귀변이·구조변이 탐색 · 참조 지도 | 대규모 코호트 연관분석 · 집단 연구 · 대치 | 후속 검증 · 재현성 연구 · 후보 축소 | 최종 후보의 대규모 검증 · 연구 선별 |
| 상대 비용 | ● 높음 | ● 중간 | ● 중간 ~ 낮음 | ● 낮음 |
| 분석 부담 | ● 높음 | ● 중간 | ● 중간 | ● 낮음 |
| 소요 기간 | 배치·커버리지에 따라 변동 (상대적으로 김) | 배치·검체 수에 따라 변동 | 조건 충족 시 약 1주 내외 운영 가능 | 검체 수·플레이트 구성에 따라 변동 (짧음) |
전장 자료는 산출량이 크고 품질관리와 분석 단계가 깁니다. 반면 표적을 수백 개 수준으로 좁힌 패널은 데이터 생산부터 분석 보고까지 약 1주에 마무리됩니다. 결과를 빠르게 받아 다음 판단으로 넘어가야 하는 사업에서 이 차이가 큽니다.
연구 질문과 검체 규모, 예산에 맞춰 방법을 설계하고, 데이터를 만들고, 결과를 해석합니다. 불필요하게 큰 데이터를 만들기보다 필요한 해상도를 정확히 맞추는 것을 원칙으로 합니다.
같은 목적이라도 검체 수, 예산, 회신 기한, 이후 확장 계획에 따라 최선의 방법이 달라집니다. 표적 목록을 함께 정리하는 단계부터 다음을 수행합니다.