멀티오믹스 유전예측 모델 한곳에 모은 OmicsPred, 신약 표적 탐색 지형 넓힌다
배경
유전자 변이가 RNA 발현량, 단백질 농도, 대사체 수준에 미치는 영향을 추정하는 유전예측 모델은 질병 기전을 밝히고 신약 표적을 발굴하는 핵심 도구로 자리 잡았다. 전사체연관분석(TWAS)이나 단백질체연관분석(PWAS)은 유전체연관분석(GWAS) 자료만으로 분자 형질을 간접 추정해 질병과 연결한다. 환자의 조직을 직접 채취하지 않고도 유전자에서 분자 형질, 질환으로 이어지는 경로를 탐색할 수 있다는 장점이 있다.
문제는 모델이 논문 부록, 연구실 서버, PredictDB 같은 개별 저장소에 흩어져 있다는 데 있었다. 변이 좌표와 효과 대립유전자, 가중치 형식이 제각각이고, 훈련 집단의 조상 구성이나 측정 조직·플랫폼이 빠진 사례도 적지 않았다. 같은 모델을 독립 코호트에 적용하거나 서로 다른 오믹스 층을 비교하기 어려웠던 이유다. 특히 유럽계 집단에서 개발한 모델을 다른 조상 집단에 그대로 적용하면 연관성 검출력과 효과 추정치가 달라질 우려가 있었다.
케임브리지대 연구진은 이런 단절을 줄이기 위해 멀티오믹스 형질의 유전예측 모델을 등록·검색·배포하는 공개 플랫폼 OmicsPred를 구축했다. 연구 결과는 2026년 9월 1일 Nature Genetics에 실렸다.
핵심 발견
OmicsPred는 개별 예측점수에 OPGS 식별자를 부여하고, 염색체 위치 또는 rsID, 효과 대립유전자, 변이별 가중치를 표준 형식으로 제공한다. 여기에 원본 유전체 빌드, 분자 형질, 측정 조직과 플랫폼, 모델 개발법, 훈련·검증 표본의 규모와 조상 구성, 성능지표, 이용 조건을 연결했다. 유전자·전사체·단백질·대사체는 Ensembl, UniProt, ChEBI와 연계되며 조직과 표현형은 공인 온톨로지로 정규화된다.
파일 형식은 다유전자점수 카탈로그(PGS Catalog)의 규격을 바탕으로 설계됐다. 사용자는 pgsc_calc 호환 점수 파일이나 MetaXcan에서 실행할 수 있는 PredictDB 형식으로 모델을 내려받을 수 있다. 프로그램에서 메타데이터를 검색하는 REST 응용프로그램 인터페이스(API)도 제공된다. 플랫폼과 데이터베이스의 구현 코드는 아파치 2.0 라이선스로 공개됐다.
연구진은 미국 백만재향군인프로그램(Million Veteran Program·MVP)의 질환 GWAS 자료로 활용 가능성을 검증했다. 혈액·혈장 기반 전사체와 단백질체 예측점수 9개 데이터세트, 총 3만8450개 점수를 S-PrediXcan으로 분석했다. 유럽계 자료에서는 1233개, 아프리카계에서는 986개, 혼합 아메리카계에서는 719개 PheCode 질환 형질을 평가했으며, 훈련 집단과 조상이 비슷한 GWAS만 짝지었다. GWAS 변이와 75% 미만으로 일치하는 점수는 제외하고 데이터세트별 다중검정을 보정했다.
분석에서는 19만4138건의 거짓발견률 보정 유의 연관성이 포착됐다. CFH 발현과 황반변성의 연관성은 P값 1.29×10⁻⁶¹, PCSK9 발현과 관상동맥질환은 7.61×10⁻²⁵에 달했다. 유럽계 6개 데이터세트 모두에서 재현된 유전자–질환 조합은 31개였고, SomaLogic 단백질체 모델에서는 조상 집단을 가로질러 5개 조합이 공통으로 검출됐다.
의미와 전망
OmicsPred의 가치는 새로운 예측 알고리즘보다 기존 모델을 재사용 가능한 연구 인프라로 바꿨다는 데 있다. 동일한 유전자나 단백질의 예측 결과를 조직, 측정 플랫폼, 오믹스 층, 조상 집단별로 비교하면 특정 질환과 반복해서 연결되는 후보를 우선순위에 올릴 수 있다. 이미 알려진 CFH와 PCSK9 연관성이 강하게 재현된 결과는 플랫폼이 질병 관련 신호를 회수할 수 있음을 보여준다.
공개 API와 표준화된 메타데이터는 대규모 표적 탐색 파이프라인의 자동화에도 유용하다. 제약사는 유전적으로 예측된 분자 형질과 수백 개 질환의 연관성을 일괄 평가하고, 예상 적응증뿐 아니라 잠재적 부작용 신호까지 함께 살필 수 있다. 여러 오믹스 층에서 같은 후보가 겹친다면 후속 기능실험의 우선순위를 정하는 근거도 강화된다.
다만 유전적 예측과 질환의 연관성만으로 인과관계나 약물 투여 효과가 입증되지는 않는다. 연관불균형, 수평적 다면발현, 조직 특이성, 측정 플랫폼 차이가 결과를 왜곡할 여지가 있다. 유럽계 모델과 자료가 여전히 많은 비중을 차지한다는 한계도 남는다. 다양한 조상과 세포 유형에서 개발·검증된 모델을 늘리고, 공위치 분석과 멘델 무작위화, 실험적 검증을 결합해야 실제 치료표적으로 이어질 가능성을 가려낼 수 있다.
Nature Genetics, Published online: 01 September 2026; doi:10.1038/s41588-026-02726-4We present OmicsPred, an open platform for the deposition and dissemination of genetic prediction models of multi-omic traits, with key metadata required for reproducibility and independent applications. We illustrate the utility of the resource for target discovery with a multi-omic multi-ancestry phenome-wide association analysis using data from the Million Veterans Program.
신약개발 현장에서는 질환 GWAS를 OmicsPred 점수와 대조해 유전적으로 조절되는 RNA나 단백질 후보를 먼저 추릴 수 있다. 예컨대 심혈관질환 프로그램이라면 PCSK9처럼 여러 전사체·단백질체 자료에서 일관된 후보를 골라 공위치 분석과 세포실험으로 넘기고, 동일 분자가 다른 질환과 연결되는지도 확인해 적응증 확대나 안전성 위험을 조기에 검토할 수 있다.
병원·바이오뱅크 연구진은 자체 유전체 자료에 표준 점수 파일을 적용해 조직을 직접 측정하기 어려운 대규모 환자군의 분자 형질을 추정할 수 있다. 다만 임상 의사결정 도구로 사용하려면 해당 인구집단에서 별도 검증하고, 예측 정확도와 조상 집단별 편향을 정량화해야 한다.