## 배경 인간 유전체에는 단백질을 코딩하는 유전자가 약 2만 개 존재하지만, 이들의 발현을 조절하는 비코딩 영역은 유전체의 98%를 차지한다. 인핸서(enhancer)는 이 비코딩 영역에 흩어져 표적 유전자의 발현을 시공간적으로 조율하는 핵심 조절 요소다. 문제는 어떤 인핸서가 어떤 유전자를 조절하는지 체계적으로 밝혀지지 않았다는 점이다. 기존 연구들은 개별 세포주나 소수 조직에서 인핸서-유전자 연결을 추정했으나, 전체 유전체 규모에서 수백 종의 세포 유형을 아우르는 포괄적 지도는 부재했다. ENCODE(Encyclopedia of DNA Elements) 프로젝트는 20여 년간 16,000건 이상의 유전체 실험을 수행하며 유전자 조절 요소 카탈로그를 구축해왔으나, 인핸서와 표적 유전자 사이의 기능적 연결을 세포 유형별로 체계화한 백과사전은 여전히 빈자리였다. ## 핵심 발견 ENCODE4 컨소시엄은 352종 이상의 세포 유형과 조직에 걸쳐 9,200만 건이 넘는 인핸서-유전자 조절 상호작용을 매핑한 백과사전을 완성했다. 이는 2023년 프리프린트에서 보고된 1,300만 건 대비 약 7배 확장된 규모로, 확장된 시스-조절 요소 후보(cCRE) 레지스트리 237만 개와 추가 생체시료 데이터의 통합이 이 도약을 가능하게 했다. 연구팀은 ENCODE-rE2G(ENCODE-regulatory Element to Gene)라는 새로운 예측 모델을 개발했다. 이 모델은 기존 ABC(Activity-by-Contact) 모델을 넘어, DNase-seq 데이터에서 산출한 13가지 특성을 활용하는 로지스틱 회귀 기반 지도학습 접근법이다. 핵심적 발견은 인핸서 활성도와 3차원 인핸서-프로모터 접촉 빈도 외에도, 프로모터 클래스(promoter class)와 인핸서 간 시너지(enhancer-enhancer synergy)가 인핸서-프로모터 커뮤니케이션을 좌우한다는 점이었다. 모델 검증에는 CRISPR 교란 실험에서 측정한 10,411개 요소-유전자 쌍, 30,000건 이상의 정밀 매핑된 eQTL, 그리고 원인 유전자와 연결된 569개의 정밀 매핑 GWAS 변이가 활용됐다. ENCODE-rE2G는 ChIA-PET 및 HiChIP 접촉 벤치마크에서 평균 재현율 78%를 달성해, ABC 모델의 74%를 상회하는 최고 수준의 예측 성능을 보였다. 프로모터 특성을 ABC 점수와 결합한 4-특성 모델은 AUPRC를 0.044 추가로 끌어올렸다. ## 의미와 전망 이 백과사전은 94개 GWAS 형질에 대한 비코딩 변이의 표적 유전자를 체계적으로 연결함으로써, 질병 관련 유전 변이 해석의 병목을 근본적으로 해소할 잠재력을 지닌다. 197개 비코딩 신뢰 변이 세트(credible set)와 76개 형질의 조직 농축 분석이 이미 수행됐다. 그러나 한계도 존재한다. 현재 지도는 벌크 조직 수준의 데이터에 크게 의존하며, 단일세포 해상도에서의 검증은 아직 초기 단계다. 또한 인핸서-유전자 연결의 동적 변화, 즉 발달 시기나 질환 상태에 따른 재배선(rewiring)까지 포착하려면 추가 연구가 필요하다. ENCODE-rE2G 모델의 예측 성능도 세포 유형에 따라 편차를 보이므로, 희소 세포 유형에서의 정확도 개선이 남은 과제다.