배경

전장유전체 상관성 분석(Genome-Wide Association Study, GWAS)은 질병 연관 유전 변이를 발굴하는 연구에서 중추적 역할을 맡아왔다. 그러나 기존 분석은 대개 개별 단일염기다형성(Single Nucleotide Polymorphism, SNP) 변이의 통계적 유의성을 확인하는 데 그쳤다. 발견된 변이 대부분이 단백질을 암호화하지 않는 비부호화 영역에 위치해, 실제 세포 내에서 어떤 대사 경로를 방해하며 질병을 일으키는지 파악하기 어려웠기 때문이다.

이 간극을 메우는 방안으로 세포 내 분자 상호작용을 연구하는 네트워크 의학(Network Medicine)이 주목받고 있다. 변이 정보와 질병 메커니즘을 잇기 위해서는 대규모 유전체 데이터와 단백질 상호작용망을 결합해야 한다. 하지만 복잡한 자료 정제와 연산 과정 탓에 다수의 연구진이 직관적으로 다룰 분석 플랫폼이 마땅치 않았다.

핵심 발견

독일 뮌헨공과대학교(Technical University of Munich, TUM) 등 공동 연구진은 유전체 데이터와 네트워크 의학을 연결하는 웹 기반 플랫폼 GNExT(GWAS Network Exploration Tool)를 개발해 국제 학술지 네이처 제네틱스(Nature Genetics)에 발표했다. 이 플랫폼은 유전 변이 신호를 유전자 단위로 병합하고 단백질 상호작용망과 연계해 분석하는 전 과정을 자동화했다.

핵심인 넥스트플로우(Nextflow) 파이프라인은 입력된 GWAS 요약 통계 자료를 규격화한 뒤, 앙상블 변이 효과 예측기(Ensembl Variant Effect Predictor, VEP)와 다중 마커 유전체 주석 분석(Multi-marker Analysis of Genomic Annotation, MAGMA) 도구로 유전 변이의 생물학적 영향을 진단하고 신호를 병합한다.

정리된 신호는 신약 재창출 분석 도구인 드럭스톤(Drugst.One)과 연동돼 단백질 상호작용망 내 약물 표적 후보군 탐색으로 이어진다. 연구진은 판-영국 바이오뱅크(Pan-UK Biobank)의 수천 가지 형질 데이터와 후각 인지 유전체 자료를 대입해 시스템을 검증했다. 분석 결과 방대한 양의 유전 정보가 지체 없이 질병 네트워크로 변환되었으며, 기존에 알지 못했던 유전자와 후보 약물 사이의 연결망이 시각화되는 성과를 거두었다.

사용자 편의성을 극대화하는 설계도 눈길을 끈다. 백엔드에는 파이썬 장고(Django REST API)를, 프론트엔드에는 뷰(Vue.js) 프레임워크를 적용해 빠른 반응 속도를 구현했다. 타입센스(Typesense) 엔진을 내장해 실시간 검색을 지원하며, 전체 시스템은 도커(Docker)로 패키징되어 손쉽게 설치가 가능하다.

의미와 전망

GNExT의 개발로 유전자 분석 성과가 실제 의약품 개발로 이어지는 주기가 짧아질 것으로 보인다. 유전체 정보를 활용하면 신약 개발 임상 성공률을 약 두 배 높인다는 보고가 있는 만큼, 학계와 바이오 벤처 기업이 고가의 연산 인프라 없이 치료 표적을 발굴할 환경이 마련된 셈이다.

다만 플랫폼 예측의 정확도가 기존 단백질 상호작용 데이터베이스의 신뢰도에 전적으로 의존한다는 제약이 있다. 현재 축적된 유전자 지도는 특정 조직이나 세포 유형의 미세한 특성을 완벽히 반영하기 어려워 한계가 지적된다. 유효 표적을 정확히 선별하기 위해서는 향후 단일세포 수준의 분자 상호작용망이나 장기별 전사체 지도를 추가로 연계하는 후속 보완 작업이 이뤄져야 한다.