배경: 기존 SNP 자료로 구조 변이를 살피려면

롱리드 유전체로 만든 참조 패널로 기존 단일염기다형성(SNP) 자료에서 구조 변이(SV)를 추정하고, 인간의 복합 형질과 연결한 연구가 Nature Genetics에 실렸다. 연구팀은 ImputeSV를 개발해 영국 바이오뱅크(UKB)의 유럽계 참여자 456,643명에게 적용했다. 대규모 집단에서 직접 측정하기 어려운 SV를 기존 자료로 분석할 기반을 마련한 성과다.

SV는 통상 50염기쌍(bp) 이상의 삽입·결실·역위 등을 뜻한다. SNP 배열로 검출할 수 있는 SV는 일부 큰 변이에 제한된다. 숏리드 전장유전체 분석은 이보다 많은 SV를 찾아내지만, 반복서열처럼 복잡한 영역에서는 여전히 어려움을 겪는다. 정확도가 높은 롱리드 분석도 대규모 코호트 전체에 적용하려면 비용이 부담이다. 이번 연구는 비교적 작은 집단의 정밀 유전체를 참조해 대규모 SNP 자료의 활용 범위를 넓히는 접근을 택했다.

핵심 발견: 241명의 정밀 유전체를 45만 명 분석에 연결

연구팀은 다양한 조상 집단에 속한 241명의 PacBio HiFi 롱리드 자료로 만든 어셈블리 482개를 활용했다. 부모에게 물려받은 두 유전체를 구분한 자료에서 고품질 SV 171,233개를 확보하고, SNP와 SV가 함께 나타나는 패턴을 바탕으로 측정하지 않은 SV 유전자형을 추정하는 임퓨테이션 참조 패널을 구축했다.

성능은 입력 자료와 평가 지표에 따라 달랐다. 배열에서 측정한 SNP를 먼저 임퓨테이션해 입력한 조건에서는 Genome in a Bottle(GIAB) 기준 자료 대비 F1 점수 0.92, 유전자형 일치율 최대 0.97을 기록했다. F1은 검출의 정밀도와 재현율을 함께 평가하는 지표다. 집단 수준에서 흔한 SV의 추정 유전자형과 관측 유전자형을 비교한 상관계수 제곱값(r²)의 중앙값은 0.78이었다. 이 r² 평가에서는 표본이 부족한 미주 혼합조상·남아시아 집단이 제외됐다.

UKB 적용에서는 소수 대립유전자 빈도가 1% 이상인 흔한 SV 54,578개를 추정했다. 2,624개 형질을 대상으로 전장유전체 연관분석(GWAS)을 수행한 결과, SV 4,397개와 형질 656개 사이에서 17,335개 연관성이 확인됐다. 선도 변이 여부, 작은 변이를 고려한 조건부 분석, 정밀 매핑 중 하나 이상의 기준을 충족한 958개 좌위는 작은 유전변이만으로 연관 신호가 설명될 가능성이 낮았다.

별도로 636개 정량 형질에서 흔한 SV와 작은 변이를 함께 분석했을 때, 각각이 설명한 표현형 분산은 평균 1.0%와 20.2%였다. 연구팀은 두 성분을 합친 흔한 유전분산 가운데 SV의 비중을 최소 4.7%로 추정했다. 이 수치는 질병 발생률이나 전체 유전력에서 차지하는 비율과 구분해야 한다.

의미와 전망: 원인 후보를 좁히는 공개 연구 자원

형질과 연관된 SV는 다른 SV보다 유전자 발현 조절영역과 RNA 결합단백질 결합부위 등에 풍부했다. 천식과 연관된 60bp 결실은 경골동맥 조직의 NRROS 발현과 연결됐다. 제2형 당뇨병과 연관된 JAZF1 내부의 364bp 결실도 여러 조직의 해당 유전자 발현과 연관됐으며, 가장 강한 발현 연관 신호는 췌장에서 관찰됐다. 이 결과는 후속 실험에서 살펴볼 후보 기전을 제시하지만, 해당 결실이 질환을 일으킨다는 기능적 인과관계를 입증하지는 않는다.

가까운 변이들이 함께 유전되는 연관불평형 때문에 SV와 작은 변이의 영향을 구분하기 어려운 좌위도 많다. 주 분석이 유럽계에 집중됐고 비유럽계 추정치는 작은 표본으로 더 불안정했다는 한계도 남는다. 공개된 패널과 도구는 기존 자료의 재분석을 돕지만, 임상 진단이나 유전 위험 예측의 성능 개선은 별도로 검증해야 한다.

연구 설계와 결과는 Nature Genetics 논문의 제공된 Europe PMC 전문에서 확인할 수 있다.