## 배경 ### 기존 유전체 분석의 한계와 데이터 불균형 인간 유전체 연구는 질병 원인을 규명하고 맞춤형 정밀 의료를 실현하기 위한 핵심 기반이다. 하지만 전 세계 유전체 데이터의 80% 이상이 유럽계 인구에 편중돼 다인종 연구로의 확장이 시급한 과제다. 기존 유전체 마이크로어레이(Microarray) 칩은 이미 설계된 프로브에 의존하는 탓에 비유럽계의 유전 변이를 포착하기 어렵다는 단점을 지녔다. 특히 아프리카계나 라틴계 인구의 고유 변이는 칩 분석에서 상당 부분 누락돼 유전체 연구의 인종 불평등을 야기한다는 우려가 꾸준히 나왔다. ### 초고가 분석 비용 장벽과 극복 노력 전체 DNA 정보를 해독하는 전장 유전체 분석(Whole-Genome Sequencing, WGS)은 이상적인 대안이지만, 대규모 표본 분석 시 비용 부담이 커 다인종 코호트 연구에 직접 활용하기가 어려웠다. 단백질을 생성하는 엑손 영역만 표적화하는 전장 엑솜 분석(Whole-Exome Sequencing, WES) 역시 비코딩(Non-coding) 영역의 흔한 변이나 계통 정보를 놓치는 맹점을 보여왔다. 이러한 장벽을 극복하려는 시도에서 두 방법의 시너지 효과를 노린 혼합형 시퀀싱 기법이 마침내 개발됐다. ## 핵심 발견 ### 게놈과 엑솜의 화학적 결합과 연산 보정 미국 브로드 연구소(Broad Institute) 연구진은 저량 전장 유전체 시퀀싱(Low-pass WGS)과 깊은 전장 엑솜 시퀀싱(Deep WES)을 단일 시퀀싱 런으로 통합한 혼합 유전체-엑솜 분석(Blended Genome Exome, BGE) 기술을 선보였다. BGE는 유전체 라이브러리를 먼저 제작한 뒤, 이 중 일부를 분취하여 엑솜 영역만 증폭시킨다. 이후 두 라이브러리를 67대 33 비율로 혼합해 단일 튜브에서 시퀀싱함으로써 저해상도 유전체(평균 1~4배 해독 깊이)와 고해상도 엑솜(평균 30~40배 해독 깊이) 데이터를 확보한다. 이 데이터는 유전형 임퓨테이션(Genotype Imputation) 알고리즘인 '글림스2(GLIMPSE2)'로 보정돼 누락된 서열을 깨끗하게 복원한다. 시퀀싱 비용은 기존 30배 깊이의 고해상도 전장 유전체 분석(Deep WGS) 대비 28% 수준까지 낮아졌다. 예를 들어 샘플당 비용을 기존의 4분의 1 수준으로 감축해 동일한 예산으로 4배 더 많은 환자의 유전체를 분석할 수 있는 기반이 마련된 셈이다. ### 5만 3000명 대규모 다인종 코호트에서 입증한 성능 연구진은 정신질환 다인종 연합 연구(Populations Underrepresented in Mental Illness Association Studies, PUMAS)에 참여한 아프리카계, 라틴계 등 5만 3,000개 이상의 샘플에 BGE 기술을 적용했다. 분석 결과, 소수 대립유전자 빈도(MAF)가 1% 이상인 흔한 유전 변이 영역에서 모든 코호트의 결정계수(R2) 값이 95% 이상으로 높은 상관성을 나타낸다. 빈도가 1% 미만인 희귀 변이조차 R2 값이 90% 이상으로 집계돼 신뢰할 만한 안정성을 입증했다. 이와 함께 단백질 코딩 부위의 카피수 변이(CNV) 분석에서도 3개 이상의 엑손 영역에 걸친 변이를 찾을 때 약 90% 수준의 양성 예측률(PPV)이 확인됐다. 이는 저해상도 시퀀싱 데이터와 고성능 알고리즘의 결합이 고비용의 전장 유전체 분석 못지않은 정확도를 확보할 수 있음을 입증하는 데이터다. ## 의미와 전망 ### 글로벌 유전체 불균형 해소의 교두보 BGE 기술은 특정 인구 집단에 편중됐던 유전체 데이터의 불균형을 개선할 주요 도구로 평가받는다. 고비용 문제로 대규모 연구가 어렵던 아시아, 라틴 아메리카 지역의 연구진에게 효율적인 분석 대안을 제시해 왔다. 다인종 유전체 지도가 축적되면 질병 발병 위험을 예측하는 다유전자 위험 점수(Polygenic Risk Score, PRS)의 인종 간 편향을 낮출 것으로 보인다. 이는 특정 인종에만 유리하던 정밀 의료의 혜택을 인류 전반으로 넓히는 계기가 될 전망이다. 동시에 자원이 한정된 연구소에서도 인종적 다양성이 풍부한 대규모 정밀 연구를 주도할 수 있어 유전학의 민주화에도 기여하리라 예상된다. ### 하이브리드 분석법의 실무적 과제 다만 BGE 기법이 모든 유전체 연구를 완벽히 대체하기는 어렵다. 빈틈을 알고리즘으로 메우는 임퓨테이션 특성상, 참조 패널에 정보가 없는 극 희귀 변이나 비코딩 영역의 돌연변이를 완벽히 감지하는 데는 한계가 따른다. 실제로 데이터베이스가 부실한 소수 민족 집단을 분석할 때는 정확도가 급격히 하락할 수 있다. 향후 비코딩 변이 분석의 중요성이 커짐에 따라, 고해상도 전장 유전체 분석과의 상호 보완적인 조율이 뒷받침돼야 할 것이다.