본문으로 바로가기 주메뉴 바로가기

사용자별 맞춤메뉴

자주찾는 메뉴

추가하기
닫기

간행물·통계

contents area

detail content area

후성유전체 변이 분석 방법의 최근 동향
  • 작성일2014-05-08
  • 최종수정일2014-05-08
  • 담당부서감염병감시과
  • 연락처043-719-7166
후성유전체 변이 분석 방법의 최근 동향
Current trends in a method of epigenetic variation analysis


질병관리본부 국립보건연구원 유전체센터 바이오과학정보과
반 효 정
Ⅰ. 들어가는 말


  후성 유전체(Epigenome) 정보는 세포분열 동안에 다음 세대에 전달되지만 DNA서열에 의존하진 않는다. 전체 게놈 레벨에서 후성유전체 정보를 체계적으로 생산하기는 어려웠으나, 최근 측정 기술이 발달함에 따라 다양한 현상을 이해하려는 노력이 늘어나고 있다. 특히 인간의 질병에서 후성 유전체 정보의 역할에 대한 관심이 증가되고 있다. 후성 유전체 정보에는 DNA메틸화(DNA methylation), 히스톤 변형(Histone modification), 비암호화 RNA(Noncoding RNA)를 포함하는 여러 가지 형태 안에서 전달된다(Figure 1). 이들 요소들은 염기서열 변화 없이 세포가 분열되는 동안 유전자의 발현 양상이 다음 세대에게 그대로 전달되지만 나이나 외부환경 변화의 노출 정도에 따라 변한다고 알려져 있다[1-2]. 후성 유전체 연구에서 가장 많이 보고 된 것은 DNA 메틸화이며 최근 Nature, Science 등의 대표적인 논문에서 폐암, 대장암, 전립선 암 등 후성 유전체 변형에 대한 연구들이 잇달아 발표되고 있다[3,4]. 메틸화에 의한 암 억제 유전자의 전사(Tranion)가 정지되는 현상은 유전자를 불활성화 시키는 후성유전학의 기전 가운데 매우 중요한 것으로 유전자 프로모터(Promoter)의 CpG 섬(CpG island)에서 메틸화됨으로 인해 세포 성장을 조절하는 유전자들의 발현이 저해되는 현상이 나타나게 된다. 이러한 연구들은 임상적으로도 중요한 영향을 미치고 있으며 예로 DNA 메틸화 억제 물질인 5-aza-CR(5-azacytidine) 등과 히스톤 아세틸화의 저해제인 SAHA(Suberoylanilide hydroxamic acid) 등이 암 치료제로 활용되기 시작했다. 몇 몇 암과의 연관정도는 나타나지만 다른 일반적인 복합 질환에서는 전달 메커니즘이 불분명할 뿐 아니라 그 얽혀있는 복잡한 연결 고리들을 풀기가 매우 어렵다. 복합 질병의 유전적 원인을 찾아내기 위해 많은 연구자들이 건강검진 및 코호트 설문 자료의 인구집단 기반 접근(Population-based approach) 자료를 통해 통계적 가치를 가진 질병 연관 서열 변이를 찾아내고 있다. 이들은 대부분 서열 유전성을 기반으로 디자인 된 연구로써 후성 유전의 정보나 환경적인 요인들을 고려하지 않고 분석을 진행하였다. 본 글에서는 질병 연관성 분석에 있어서 유전체 연구 내에 후성 유전정보 통합분석의 중요성과 분석 디자인을 기술하려한다.

Ⅱ. 몸 말


후성 유전체 질병 연관성 분석 방법 (EWAS analysis)
후성 유전체 정보를 이용한 질병 연관성 분석방법 역시 GWAS(Genome-wide association study)와 유사한 방법을 적용할 수 있다. 첫 번째로 대부분 GWAS 디자인에서 사용하는 독립적인 샘플을 이용하여 형질간의 관계를 분석하는 방법이 있다(예, Cases and Controls). Cases-Controls 분석의 경우 기존 유전형(Genotype)이나 발현(Expression)데이터를 가지는 데이터와 후성 유전체 데이터를 통합하여 분석을 하게 되면 좀 더 효과적으로 Cases와 Control의 차이 해석이 가능하다. 그러나 이와 같은 형태의 디자인의 경우 질병 연관성 유전적 차이 인지 후성 유전체 변이 인지 결정하기가 어렵다.

두 번째로 부모로 부터 자식에게 전달되는 형질을 이용하여 분석하는 가족 기반 연구를 디자인 할 수 있다. 가족 연구의 경우 통계적으로 유의한 결과는 유전적인 연관(Linkage)과 연계(Association) 두 가지 의미를 가지고 있어 높은 검정력을 가진다. 가족 연구는 모계 유전자, 자녀 유전자들의 각인(Imprinting) 효과를 분리하여 분석이 가능하며 환경적인 노출 차이에 따라 형질의 변화를 관찰 할 수 있다.

세 번째로 유전형은 같으나 후성 유전 정보가 다른 일란성 쌍둥이(Monozygotic twins)를 대상으로 한 연구가 있다. 일란성 쌍둥이의 경우는 생식세포 유전적 변이(Germline genetic variation)의 영향을 배제하고 후성 유전체 변이 정도에 차이를 이용하여 유의한 질병 연관성을 찾아낼 수 있는 효과적인 방법이다. 그러나 아주 드물게 쌍둥이임에도 불구하고 나이가 변함에 따라 체세포 변이(Somatic mutation)가 생기거나 환경적인 다른 요인으로 인해 생체 내 후성 유전체 정보의 효과를 측정이 어려울 때가 있다. 또한 통계적 검정력을 키우기 위해서는 큰 규모의 일란성 쌍둥이 연구가 필요하지만 쉽게 디자인해서 실행하기 어렵다는 단점이 있다.

네 번째로는 종단적 코호트(Longitudinal cohort)연구를 통해 하나의 샘플을 오랜기간 추적 연구 하는 방법이 있다. 후성 유전적 변이로 인한 질병발생 가능성은 태어나면서 부터 나이가 들어감에 따라 노출되는 여러 가지 환경요인을 조사함으로서 확실한 근거를 마련할 수가 있다.
이와 같이 질병 연관성 후성유전체 변이를 찾기 위한 여러 접근 방법들이 존재하며 최근 연구에서는 한 가지 디자인 뿐 아니라 두, 세 가지 디자인을 혼합한 단계적 분석을 통하여 여러 연구들의 장점을 이용한 심층적 분석 방법을 이용하고 있다(Figure 2).

유전체 및 후성 유전체 통합 정보를 이용한 분석 방법
복합질환은 생체 내 다양한 요소의 상호작용에 의해서 발병된다고 보고되고 있다. 많은 연구자들은 복합 질환의 주요 유전적 요인들을 찾아내기 위해 유전자 상호작용이나 대사경로 분석을 통해 분석해 왔으며 최근 후성 유전적 정보생산이 용이해지면서 유전체 및 후성 유전체 통합 정보를 이용하여 분석하는 방법들이 시도되고 있다. 통합분석을 위해서 가장 많이 사용하고 있는 보편적 분석 방법으로는 유전자 및 환경 인자들의 상호작용 정보를 분석 모델에 적용하는 방식이 있다.

위의 분석 모델(Figure 4)처럼 유전적 변이 정보와 환경적 변이 정보를 모두 모델에 적용하여 선형관계를 가지는지 계산하게 된다. 전체 EPG(Epigenotype, 후성유전자형)는 Gepg(Genotype, 유전형), EPGpar(Parental epigenotype, 부모 후성유전자형), Epar(Parental environment, 부모 환경), age, e(Error)의 각각에 변수의 복합적인 작용으로 발생하게 된다. 이는 기존 유전형 정보만을 넣어서 질병에 대한 관계를 심플하게 모델을 적용하였으나 그럴 경우 혼란변수 고려 없이 계산되어 설명력이 떨어질 수 있다. 외부 요인들의 상호작용을 고려하여 모델에 적용하였을 때는 질병-유전자 관계성을 찾을 시 후성 유전정보를 고려한 가정을 할 수 있게 된다. 질병연관 연구 안에서 유전체 및 후성 유전체의 데이터 통합 분석 예로 Figure 3에서 모식도를 보여주고 있다. 이는 실험 방법의 고급화로 대규모 실험을 통해 얻어진 가족이나 개인의 후성 유전체 데이터를 이용해 정상인의 후성 유전형을 밝혀내고 이를 이용하여 인간 전역에 걸쳐 질병이나 외부로 들어나는 형질에 영향을 줄 수 있는 정도를 분석한다는 커다란 모식도이다[6]. 기존의 eQTL(expression Quantitative Trait Loci), cQTL(clinical Quantitativ Trait Loci) 방식과 비슷하게 생산된 유전형 데이터, 메틸화 데이터나 히스톤 변형 데이터들의 측정된 연속적인 값들을 이용하여 QTL(Quantitative trait loci) 분석 방식과 유사하게 유전체 및 후성 유전체를 통합하여 분석에 적용할 수 있다. 이처럼 후성 유전체를 이용한 질병 연관성 분석의 다양한 접근 방식으로 인간 유전체 전체에 대한 분석을 빠르고 효과적으로 할 수 있게 되었다.

면역질환의 후성 유전학 연관성 분석
면역질환의 경우 유전적 요인과 환경적 영향이 동시 요인으로 작용하는 복합 질환으로 역학이나 병리학적 변화가 매우 다양하게 보고 있다. 비록 면역학적 기전이 비슷하더라도 면역질환이 다양한 유전자 변이와 연관되어 있어서 이 연구는 매우 어렵다. 최근 류마티스 및 알러지 관련 후성유전체 영향성에 대한 연구 결과가 나오고 있지만 데이터양이나 분석의 이해에 한계가 있다. 보고에 따르면 류마티스의 경우는 질병 세포에서 특이적인 히스톤 변형 및 DNA 메틸화 양상의 특징이 있다. 예를 들면 타입 1 T세포가 분화할 때 인터페론-감마 프로모터에 히스톤 아세틸화가 일어나고 이러한 변화는 히스톤과 DNA 간의 친화성을 감소시켜 전사인자의 결합을 증가 시킨다고 알려져 있다.
최근 일란성 연구에서 Table 1과 같이 20%-30% 정도만이 동일함을 보인다. 이는 유전성이 동일한 쌍둥이 임에도 불구하고 후성적 영향에 의해 면역관련 질환의 발전으로 여길 수 있다. 그 메커니즘은 Methylation 패턴 변화 및 히스톤 변형으로 인한 유전자 조절에 문제가 생김에 따라 질병으로 이행 될 것으로 예측하고 있다.

Ⅲ. 맺음말


최근 국제인간후성유전체 컨소시엄(International human epigenome consortium, IHEC)을 통해 전 세계적으로 인간후성 레퍼런스 지놈을 만들려는 노력을 하고 있다. 세계적으로 다양한 후성유전체 정보들이 생산되고 데이터베이스화 된다면 엄청난 규모의 데이터를 이용하여 질병의 연관성 분석이 이루어 질 것이다. 최근 NGS 데이터를 이용한 기술이 발전하면서 Methylation 패턴 분석이나 히스톤 변형 정보(Histone modification) 및 오픈 크로마틴(Open chromatin) 부위 측정에 대한 분석이 빠르게 진행되고 있으며 분석 툴(Tool) 및 분석 방법들이 활발히 개발되고 있다. 하지만 후성유전체 데이터의 경우 개인별, 조직 종류별, 환경에 따른 영향을 많이 받기 때문에 대부분 독립적이고 개별적인 샘플에 대한 분석이 이루어지는 실정이며 질병 연관성 분석에 대한 예는 암 관련 후성유전체 변이를 찾아내는 정도에 그치고 있다. 복합질환과 같은 연구를 위해 샘플 수의 증가 및 인간 유전체 정보들의 활용으로 통계적 가치가 증가할 시점에 이르렀으며, 앞서 GWAS 연구에서 얻어낸 것과 같이 후성 유전체 내에서의 분석을 통해 질병 연관 마커를 찾아내야할 것이다.

Ⅳ. 참고문헌

1. Feinberg, A.P. and Tycko, B. 2004. The history of cancer epigenetics. Nat. Rev. Cancer 4, 143–153.
2. Jenuwein, T. and Allis, C.D. 2001. Translating the histone code. Science 293, 1074–1080.
3. Herman, J.G. and Baylin, S.B. 2003. Gene silencing in cancer in association with promoter hypermethylation. New Engl. J. Med. 349, 2042-2054.
4. Feinberg, A.P. et al. 2002. Epigenetic mechanisms in human disease. Cancer Res. 62, 6784–6787.
5. Vardhman K. Rakyan, Thomas A. Down, David J. Balding, and Stephan Beck. 2011. Epigenome-Wide Association Studies for common human disease. Nat Rev Genet. 12(8): 529-541.
6. Hans T. Bjornsson, M. Daniele Fallin and Andrew P. Feinberg. 2004. An integrated epigenetic and genetic approach to common human disease. TRENDS in genetics 20(8): 350-358.
7. Judith M Greer and Pamela A McCombe. 2012. The role of epigenetic mechani는 and processes in autoimmune disorders. Biologics. 6: 307-327.
본 공공저작물은 공공누리  출처표시+상업적이용금지+변경금지 조건에 따라 이용할 수 있습니다 본 공공저작물은 공공누리 "출처표시+상업적이용금지+변경금지" 조건에 따라 이용할 수 있습니다.
TOP