배경

단일염기다형성(Single Nucleotide Polymorphism, SNP)과 질환의 연관성을 탐색하는 전장유전체 연관분석(Genome-Wide Association Study, GWAS)은 지난 수십 년간 복합 질환의 유전적 기초를 밝히는 핵심 도구로 자리 잡았다. 하지만 인간의 생체 반응은 유전 정보 단독으로 결정되지 않는다. 동일한 유전 변이를 보유한 사람이라도 식습관, 운동량, 음주, 대기오염 같은 외부 환경에 노출되는 조건에 따라 질병 발병 위험과 바이오마커 수치가 판이하게 갈린다. 유전형과 환경 요인이 결합해 표현형을 바꾸는 유전형-환경 상호작용(Genotype-Environment Interaction, GxE) 연구가 정밀의료의 필수 과제로 부상한 배경이다.

그동안 GxE 분석은 연산 능력의 한계에 부딪혀 대규모 연구로 확장되기 어려웠다. 수십만 명의 유전체 데이터에서 수천만 개 유전 변이와 수십 가지 환경 요인의 모든 조합을 통계적으로 검정하려면 막대한 계산량이 요구된다. 기존의 표준 선형 혼합 모형(Linear Mixed Model, LMM)은 각 변이와 환경 요인의 상호작용 항을 추정할 때마다 반복적인 행렬 계산을 거쳐야 했다. 표본 수가 수만 명을 넘어 50만 명에 이르는 현대 바이오뱅크 환경에서는 분석 완료까지 수개월 이상의 시간과 막대한 컴퓨팅 비용이 소모되어, 전장 유전체 차원의 전수 검정을 포기하고 소수의 표적 변이만 선별해 검증하는 방식에 머물렀다.

핵심 발견

연구진은 대규모 바이오뱅크 데이터셋에서 계산 병목을 해소하고 검정력을 끌어올린 확장형 알고리즘 fastGxE를 제시했다. fastGxE는 수십만 명 규모 표본에서도 선형 시간에 가깝게 계산을 처리하도록 연산 구조를 재설계했다. 변이마다 반복 수행하던 행렬 분해 과정을 공통 통계량 사전 연산 방식으로 전환해 불필요한 중복 계산을 걷어냈다. 덕분에 분석 속도가 기존 분석 파이프라인 대비 수십 배에서 수백 배가량 빨라져 표준 단일 서버 환경에서도 전장 수준의 상호작용 스캔이 가능해졌다.

연구진은 이 알고리즘을 영국 바이오뱅크(UK Biobank, UKB) 코호트의 약 50만 명 유전체 및 임상 데이터에 적용했다. 신장과 체질량지수(Body Mass Index, BMI) 같은 신체 계측 형질은 물론, 건강검진에서 일상적으로 측정하는 30여 종의 혈액 바이오마커를 대상으로 전장 GxE 스캔을 완수했다.

분석 결과, 기존 전통적 GWAS에서는 주효과(main effect)가 미약해 통계적 유의수준을 넘지 못했던 미확인 상호작용 유전자좌가 다수 발굴됐다. 특정 지질 대사 관련 유전 변이는 규칙적인 유산소 운동을 실천하는 집단에서만 혈중 중성지방을 유의미하게 낮추는 효과를 나타냈다. 간 기능 효소 수치와 연관된 변이 역시 흡연이나 알코올 섭취 여부에 따라 발현 강도가 상이하게 조절되는 문맥 의존적(context-dependent) 유전 효과를 선명히 드러냈다.

의미와 전망

fastGxE의 등장은 유전체 연구의 관점을 고정된 유전 변이의 효과 분석에서 환경과의 동적 상호작용 추적으로 넓히는 기술적 도약이다. 지금까지 질환 위험 예측에 널리 활용되어 온 다유전자위험점수(Polygenic Risk Score, PRS)는 환경 요인을 배제한 채 유전 변이의 평균 효과만을 합산해 정확도에 한계가 있었다. 여기에 fastGxE로 발굴한 유전자-환경 상호작용 항을 접목하면 개개인의 실제 생활 습관을 반영한 정밀 위험도 산출이 가능해진다.

과제도 명확하다. 이번 연구가 주로 유럽계 조상 중심의 UKB 데이터를 바탕으로 진행되었기에, 아시아계나 아프리카계 등 다양한 인종 집단에서도 동일한 상호작용이 재현되는지 다인종 바이오뱅크를 통한 추가 검증이 필요하다. 설문조사 방식의 환경 데이터가 갖는 자가 보고 오차를 보완하고 스마트워치 등 웨어러블 기기에서 수집되는 연속 생체 신호와 연계하는 분석 모델 고도화가 후속 과제로 꼽힌다.