GWAS란 무엇일까? 질병 유전자 찾을 때의 핵심 도구

 

 

유전학 논문을 읽다 보면 GWAS(Genome-Wide Association Study)라는 용어를 정말 자주 만나게 돼요. 당뇨병, 알츠하이머병, 자폐 스펙트럼 장애, 조현병, 비만, 심혈관질환 등 다양한 질환 연구에서 등장하는데요. 실제로 최근 수십 년 동안 인간 유전학 분야에서 가장 큰 영향을 준 연구 방법 중 하나로 평가받고 있어요.

 

그렇다면 GWAS는 정확히 무엇이고, 왜 이렇게 많은 연구자들이 사용하는 걸까요?

 

GWAS의 기본 개념

GWAS는 우리말로 '전장 유전체 연관성 분석'이라고 불러요.

이름이 어렵지만 원리는 생각보다 간단해요.

특정 질환이나 형질을 가진 사람들과 그렇지 않은 사람들의 유전체를 대규모로 비교해서 어떤 유전적 차이가 더 자주 나타나는지를 찾는 방법이에요.

예를 들어 당뇨병 환자 1만 명과 건강한 사람 1만 명의 유전체를 분석했다고 가정해볼게요.

만약 특정 SNP(단일염기다형성)가 당뇨병 환자에서 훨씬 높은 빈도로 발견된다면, 연구자들은 해당 유전적 위치가 당뇨병과 관련이 있을 가능성을 의심하게 돼요.

즉 GWAS는 "어떤 유전자가 질병을 일으킨다"를 직접 증명하는 실험이 아니라, "어느 유전체 영역이 질병과 관련되어 있는지"를 찾는 탐색 과정이라고 볼 수 있어요.

 

GWAS는 왜 필요한가?

과거에는 연구자들이 특정 유전자 하나를 정해서 연구하는 경우가 많았어요.

하지만 복잡한 질환들은 대부분 수많은 유전자와 환경 요인이 함께 작용해 발생해요.

비만, 고혈압, 자폐증, 조현병 같은 질환은 단일 유전자 돌연변이만으로 설명하기 어려운 경우가 많죠.

그래서 연구자들은 가설 없이 유전체 전체를 한 번에 살펴보는 접근법을 개발하게 되었어요.

GWAS의 가장 큰 특징도 바로 여기에 있어요.

특정 후보 유전자를 미리 정하지 않고 유전체 전체를 대상으로 분석하는 'hypothesis-free' 연구라는 점이에요.

 

반응형

GWAS는 어떻게 진행될까?

일반적인 GWAS 연구는 다음과 같은 과정을 거쳐요.

먼저 연구 대상자를 모집해요.

질환이 있는 사람들은 case 그룹, 질환이 없는 사람들은 control 그룹으로 구분해요.

이후 SNP array를 이용해 수십만 개에서 수백만 개에 이르는 SNP 정보를 확보해요.

그 다음 각 SNP의 빈도를 비교해요.

예를 들어 특정 SNP의 A allele이 환자군에서는 60%, 정상군에서는 30% 발견된다면 해당 SNP는 질병과 관련될 가능성이 있다고 판단할 수 있어요.

이러한 차이가 우연히 발생했을 가능성을 평가하기 위해 통계 분석을 수행하고 p-value를 계산하게 돼요.

 

GWAS에서 자주 등장하는 SNP란?

GWAS를 이해하려면 SNP를 알아야 해요.

SNP는 Single Nucleotide Polymorphism의 약자로, 사람들 사이에서 나타나는 가장 흔한 유전적 변이예요.

예를 들어 어떤 사람은 특정 위치에 A를 가지고 있고 다른 사람은 G를 가지고 있을 수 있어요.

이처럼 단 하나의 염기 차이를 SNP라고 불러요.

GWAS는 이러한 SNP 수십만 개 이상을 동시에 분석해서 질환과 연관된 위치를 찾는 방법이에요.

 

GWAS 결과는 어떻게 해석할까?

GWAS 결과를 발표할 때 가장 많이 등장하는 그림이 바로 Manhattan plot이에요.

이 그래프에서는 X축에 염색체 위치를, Y축에는 -log10(p-value)를 표시해요.

유의미한 SNP일수록 높은 위치에 점으로 나타나는데, 멀리서 보면 마치 고층 빌딩이 늘어선 뉴욕 맨해튼의 스카이라인처럼 보여서 Manhattan plot이라는 이름이 붙었어요.

높은 봉우리가 나타난 영역은 질병과 관련된 유전체 영역일 가능성이 높아요.

 

GWAS가 찾는 것은 진짜 원인 유전자일까?

여기서 많은 사람들이 오해하는 부분이 있어요.

GWAS가 발견한 SNP가 반드시 질병의 원인 변이라는 뜻은 아니에요.

실제로는 해당 SNP 근처에 존재하는 진짜 원인 변이를 대신 표시하는 경우가 많아요.

이를 linkage disequilibrium(LD)이라고 해요.

서로 가까운 위치에 있는 유전적 변이들은 함께 유전되는 경향이 있기 때문에, GWAS는 실제 원인 변이 대신 그 주변의 SNP를 발견하는 경우가 많아요.

그래서 GWAS 결과가 나온 뒤에는 추가 연구가 필요해요.

세포 실험, 동물 모델, 기능 분석 등을 통해 어떤 유전자가 실제 질병 발생에 영향을 주는지 확인해야 해요.

 

GWAS의 대표적인 성과

GWAS는 지난 20년 동안 수많은 질환 관련 유전자를 발견했어요.

대표적으로

제2형 당뇨병
크론병
류마티스 관절염
알츠하이머병
조현병
자폐 스펙트럼 장애
비만

등에서 수백 개 이상의 위험 유전자 영역이 보고되었어요.

특히 조현병 연구에서는 GWAS를 통해 기존에 알려지지 않았던 신경발달 관련 유전자들이 대거 발견되면서 질환 이해에 큰 변화가 생기기도 했어요.

 

GWAS 데이터는 어디서 볼 수 있을까?

 

 

현재 가장 널리 사용되는 데이터베이스는 GWAS Catalog예요.

전 세계에서 발표된 GWAS 연구 결과를 정리해 놓은 공개 데이터베이스로, 특정 질환이나 유전자를 검색하면 관련 GWAS 결과를 쉽게 확인할 수 있어요.

유전학 연구를 시작하는 학생이나 연구자라면 한 번쯤은 반드시 접하게 되는 필수 사이트라고 할 수 있어요.

 

GWAS Catalog

 

GWAS는 특정 질환이나 형질과 관련된 유전체 영역을 찾기 위해 개발된 전장 유전체 분석 방법이에요. 특정 유전자를 미리 정하지 않고 유전체 전체를 대상으로 분석한다는 점에서 기존 후보 유전자 접근법과 차별화돼요.

물론 GWAS만으로 질병의 원인을 완전히 규명할 수는 없어요. 하지만 질병과 관련된 유전적 단서를 제공하고, 후속 기능 연구의 출발점을 마련한다는 점에서 현대 유전학과 정밀의학의 핵심 도구로 자리 잡고 있어요.

최근에는 GWAS와 single-cell RNA-seq, CRISPR screening, AI 기반 유전체 분석이 결합되면서 단순히 연관성을 찾는 수준을 넘어 실제 질병 기전을 규명하는 방향으로 발전하고 있어요.