배경

전장 유전체 연관 분석(Genome-Wide Association Study, GWAS)은 지난 20여 년간 수많은 질환 연관 유전 변이를 발굴하며 유전학 발전을 이끌어왔다. 그러나 통계적으로 유의미한 비부호화 영역 변이가 실제 어떤 표적 유전자의 발현을 조절해 질병을 일으키는지 규명하는 작업은 여전히 까다로운 과제로 남아 있었다. 이를 극복하고자 등장한 도구가 전사체 전체 연관 분석(Transcriptome-Wide Association Study, TWAS)이다.

TWAS는 발현 양적 형질 유전자좌(Expression Quantitative Trait Loci, eQTL) 참조 데이터를 활용해 유전형 기반 유전자 발현량을 통계 모델로 예측한 뒤, 이를 질환 표현형과 직접 결합한다. 복잡한 유전체 신호를 기능성 전사체 단위로 치환해 약물 표적 유전자를 우선순위화할 수 있다는 장점 덕분에 학계와 신약 개발 현장에서 사실상 표준 분석 파이프라인으로 자리 잡았다.

하지만 많은 연구진은 통계적 연관성의 방향이 곧 생물학적 인과 경로의 방향과 일치한다고 전제하는 경향을 보여왔다. 즉 예측된 유전자 발현 증가가 질환 위험도 상승과 상관을 보이면, 해당 유전자 발현 억제를 질환 치료 전략으로 곧장 채택하는 식이다. 통계적 정렬 과정에서 발생하는 편향을 면밀히 검증하지 않은 채 도출된 방향성이 실제 세포 내 인과 메커니즘을 정밀하게 반영하는지 학술적 의문이 지속적으로 제기되던 상황이었다.

핵심 발견

연구진은 이번 논문에서 TWAS가 포착하는 효과의 방향(direction of effect)이 실제 기저 생물학적 메커니즘과 상반되는 방향으로 도출되는 현상이 빈번하게 발생한다는 통계유전학적 증거를 제시했다. 기존 연구들이 TWAS 연관 신호의 유무에만 집중했던 반면, 이번 분석은 연관 신호의 양음 부호가 실제 조직 내 분자 인과 방향과 왜곡되는 수학적·유전적 조건을 체계적으로 규명했다.

연구팀은 연관 불평형(Linkage Disequilibrium, LD) 구조의 복잡성과 다면발현(Pleiotropy), 조직 간 eQTL 효과 차이가 얽힐 때 이러한 신호 역전이 집중적으로 유발됨을 입증했다. 특정 질환 위험 변이가 실제로는 인접한 미지의 조절 인자를 매개로 작용함에도, LD 구역 내부의 가장 강한 eQTL 신호를 대리 지표로 삼는 과정에서 통계적 모델링 부호가 뒤집히는 결과가 나타났다.

시뮬레이션과 대규모 유전체 코호트 실증 분석을 병행한 결과, 다수의 질환 연관 유전자 영역에서 통계적 예측치와 실제 유전적 섭동 실험 간의 효과 방향 불일치가 관찰됐다. 기존 분석 파이프라인이 제시한 예측 발현량 변화만을 믿고 표적 발현을 조절할 경우 정반대의 생체 반응을 촉발할 수 있음을 실험적으로 확인한 셈이다. 이는 단순 통계적 공편차에 기댄 전사체 연관 신호가 생물학적 인과성 판정의 절대적 잣대가 될 수 없음을 직접적으로 보여준다.

의미와 전망

이번 발표는 전사체 예측 모델을 기반으로 질환 유전자를 선별하고 치료용 억제제나 촉진제를 설계해온 신약 개발 업계에 엄밀한 검증 필요성을 환기한다. 후보 유전자를 표적화하는 프로젝트 초기 단계에서 잘못된 방향성 해석으로 파이프라인 전체가 오작동할 위험을 사전 경고하기 때문이다.

향후 유전체 연구는 단순 TWAS 결과에 의존하기보다 다중 오믹스 공존 국소화(Colocalization) 분석과 단일세포 전사체 수준의 인과 추론 검증을 병행하는 방향으로 전환되어야 한다. 크리스퍼(CRISPR) 기반 유전자 교정 스크리닝과 인간 유도만능줄기세포(iPSC) 유래 분화 세포 모델을 활용해 실제 발현 조절 방향성을 실험실에서 직접 확인하는 단계가 필수 교차 검증 절차로 자리매김할 전망이다.

다만 이번 연구가 TWAS 방법론 자체의 효용성을 전면 부정하는 것은 아니다. 수만 개의 유전 변이를 기능적 단위로 압축해 질환 후보군을 좁히는 탐색적 도구로서의 가치는 여전히 유효하다. 관건은 연관성 통계량을 생체 내 작용 기전으로 해석하는 과정에서 수반되는 신호 왜곡 한계를 정확히 인지하고 데이터 해석 기준을 정교하게 다듬는 일이다.