암세포 분석 정확도를 높이는 유전자 검사법 개발

□ 김상우 교수(연세대학교 의과대학) 연구팀이 환자의 암세포 시료를 분석할 때 외부요인을 줄여 분석의 정확도를 높이는 방법을 개발했다고 과학기술정보통신부(장관 최기영)는 밝혔다.

□ 환자의 치료과정에서 유전자검사나 약물반응검사 등을 위해 종양조직을 여러 차례 분석하는 일이 불가피하다.

 ㅇ 때문에 한 번 채취한 종양세포를 자연적으로 보존하고 충분히 증식시켜 여러 검사의 시료로 쓸 수 있도록 하는 환자유래모델(PDMS, patient-derived models)이 활용된다.

□ 다만, 종양세포를 주로 생쥐(mouse)의 체내에서 증식시키거나, 생쥐의 세포와 함께 배양하기 때문에 쥐의 세포가 함께 분석되어 자칫 잘못된 결과가 나올 수 있다는 문제점이 있다.

 ㅇ 이러한 가능성에 대해 꾸준히 제기되었지만 발생빈도나 예방방법에 대해서는 알려진 바 없다.

□ 연구진은 환자유래모델에서 있을 수 있는 돌연변이 분석 오류를 찾아내고, 나아가 미연에 오류를 방지하는 방법을 개발하였다.

 ㅇ 우선, 쥐와 사람에게서 나타나는 모든 유전자 서열 차이를 찾고 이를 ‘하마’(HAMA, human-genome aligned mouse allele)라고 명명하였다.

 ㅇ 분석과정에서 이러한 ‘하마’가 나타난다면 질병 관련 유전 변이로 오인할 수 있는데, 생쥐의 유전체 정보로 인한 오류가능성을  한 번 더 확인하도록 안전장치를 제안한 것이다. 

□ 특히, 잘 알려진 암 관련 돌연변이 데이터베이스의 정보 중 생쥐를 이용한 실험모델에서 비롯된 경우 유독 ‘하마’의 관찰빈도가 높게 나타난 것도 확인하였다. 

 ㅇ 나아가 연구진은 유전체 검사 데이터를 통해 나오는 ‘하마’의 비율을 토대로 환자유래모델에 섞여 있는 쥐 세포의 비율까지 계산할 수 있는 방법을 제시하였다.

□ 또한 150가지가 넘는 가상의 오염 데이터를 기반으로 비교 분석을 수행하여 최적의 오염 배제 방법을 밝혀내었다.

 ㅇ 실제 이를 토대로 최적 유전자분석법을 적용한 결과 기존 분석 대비 정확성을 약 58% 가량 높일 수 있었다는 설명이다. 

□ 김상우 교수는 “본 연구는 체외에서 보존, 증식된 환자 암세포 시료(Specimen)의 유전체 분석과정에서 발생할 수 있는 오류를 바로잡아 향후 더욱 정확한 정보에 기초하여 환자를 치료할 수 있는 실마리가 될 것”이라고 밝혔다.

 ㅇ 과학기술정보통신부 개인기초연구(중견연구) 사업의 지원으로 수행된 이번 연구의 성과는 유전체학 분야 국제학술지 ‘지놈 바이올로지(Genome Biology)’에 11월 11일 자로 게재되었다.

< 논문명, 저자정보 >

□ 논문명

Impact of mouse contamination in genomic profiling of patient-derived models and best practice for robust analysis

□ 주저자

김상우 교수(교신저자/연세대학교 의과대학 의생명시스템정보학교실)

조세영 박사과정 (제1저자/연세대학교 의과대학 의생명시스템정보학교실)

김은영 박사과정 (제1저자/연세대학교 의과대학 의생명시스템정보학교실)

< 연구의 주요내용 >

1. 연구의 필요성

 ○ 환자의 종양을 연구하려면 충분한 양의 종양 세포가 필요하지만, 검체로 취득할 수 있는 암세포의 양은 한정적이다. 따라서 PDX나 organoid와 같은 환자유래모델 (patient-derived model)을 제작하여, 암세포를 실험실 수준에서 증식시켜 분석에 활용하는 실험 방법이 널리 쓰이고 있다.

 ○ 하지만 이렇게 제작된 환자유래모델은 살아있는 쥐의 몸속에서, 혹은 쥐에서 추출한 가상 세포질에서 배양된 인간의 종양 세포이기 때문에, 필연적으로 약 10%, 극단적인 상황에서는 70%까지 쥐의 정상 세포가 함께 자랄 수밖에 없다는 사실이 밝혀졌다.

 ○ 따라서 환자유래모델에서 환자 특이적인 유전변이를 분석하고자 한다면,  쥐의 정상 세포에서 유래한 변이가 분석에 미치는 영향을 파악하고, 이를 구별하고 제거할 수 있는 분석법의 표준이 필요한 상황이다.

2. 연구내용 

 ○ 먼저 쥐의 정상 세포가 인간 유전 변이 분석에 미치는 영향을 분석하기 위하여, 세 가지 계통의 정상 실험 쥐 5마리에게서 얻은 간 조직의 유전자 서열을 읽어 들이고, 인간 유전체 분석법을 적용하여 보았다. 그 결과 인간 유전체의 49%에 달하는 영역에 쥐의 유전자 서열 조각들이 성공적으로 정렬됨을 확인하였고, 그중에는 409개의 암 관련 유전자도 포함되어 있어, 인간 암 연구에 혼란을 초래하고 있었다.

 ○ 다음으로 쥐의 유전체가 인간 유전체 분석에 포함되었을 때 유전 변이로 검출되는 120만 개의 모든 서열을 찾아내었고 이를 하마 (HAMA, human-genome aligned mouse allele) 라고 명명하였다. 공신력 있는 암 관련 체성 유전 변이 데이터베이스인 COSMIC (Catalogue Of Somatic Mutations in Cancer)에 등록된 유전 변이를 변이의 발견 출처별로 분류하여 살펴보았더니, 쥐를 이용한 실험모델을 출처로 하는 분류에서 유독 하마의 관찰 빈도가 높다는 사실도 확인하였다.

 ○ 이 연구에서 생산한 쥐의 유전체 서열 데이터를 인간 유전체 서열 데이터와 다양한 비율로 혼합한 뒤 모든 하마 위치의 변이 서열 발생빈도를 계산하여, 미지의 시료에 포함된 쥐 유전체의 오염도를 예측할 수 있는 공식을 도출하였다.

 ○ 가장 효과적인 쥐 유전체 제거 방법을 제시하기 위하여 현재까지 개발되고 알려진 인간과 쥐의 유전체를 분리하는 프로그램과 방법들의 성능을 비교 분석하였고, 분석 목적별로 가장 높은 성능을 가진 프로그램을 제시하였다.

 ○ 하지만 이와 같은 프로그램을 통해 쥐의 유전 서열을 분리/제거하는 과정을 거치더라도 쥐 유전체에서 유래한 유전 변이가 여전히 소량 검출 됨을 확인 하였고, 이때 연구팀이 밝혀낸 하마 리스트와 일치하는 유전 변이를 추가로 제거하여야만 정확도 향상을 이루어 낼 수 있다는 사실도 확인하였다.

 ○ 위의 연구 결과를 토대로 환자유래모델에서 검출되는 쥐 유전 서열들을 제거하기 위한 최적 분석법을 제시하였고, 최적 분석법 미적용 결과 대비 최대 58%의 정확도 향상을 확인하였다.

3. 연구성과/기대효과

 ○ 연구팀은 이 연구를 통해, 1) 환자유래모델을 이용한 인간 암 연구에서 쥐의 유전자가 혼동을 초래할 수 있는 점들을 밝혀내었고, 2) 미지의 시료에 포함된 쥐 유전체의 오염도를 예측하는 방법을 제시하였으며, 3) 환자유래모델의 최적 유전자 분석법을 제시하였다.

 ○ 인간 암 연구 분야에서 환자유래모델은 널리 쓰이고 있는 실험 방법이고, 이 과정에서 쥐 유전체의 오염은 빈번하게 일어나고 있다. 이 오염은 인간 암 분석에 치명적인 거짓 정보를 주게 되므로, 연구팀이 개발한 최적 분석법을 통해 연구 결과의 신빙성을 크게 향상 시킬 수 있으리라 기대한다.

"본 저작물은 과학기술정보통신부에서 '2019년' 작성하여 공공누리 제1유형으로 개방한 보도자료를 이용하였으며, 해당 저작물은 정책브리핑 사이트 www.korea.kr 에서 무료로 다운받으실 수 있습니다."