인간 팬지놈 HPRC2 - 하플로타입 460개로 넓힌 새 유전체 표준과 참조 편향 문제

핵심 메시지

• 지금까지 쓰던 표준 유전체는 소수 기증자의 조각을 이어 붙인 한 줄짜리 직선 서열이어서, 기준에 없는 구간은 비교 대상 자체가 없어 조용히 버려지는 '참조 편향'이 있었다.
• 새 팬지놈은 230명에게서 얻은 460개 하플로타입 묶음으로, 이전 버전의 8개에서 크게 늘었다.
• 인구의 1% 이상이 가진 흔한 변이 기준으로 커버율은 약 92%에서 99.4%로 올랐지만, 기준을 0.1%까지 낮추면 83%로 떨어진다.
• 새 좌표로 다시 세어 보니 한 사람당 중앙값 14만 3,275개, 전체 변이의 2.6%가 표준 바깥에 있었다.
• 팬지놈 기반 변이 탐지 파이프라인은 기존 직선 참조 방식보다 오류를 36~52% 줄였다.

쉽게 이해하기

유전자 검사 결과지에 '정상'이라고 찍혔다면, 그 판정은 대체 누구와 비교한 것일까요. 2003년 완성됐다고 알려진 인간 유전체 지도는 여러 차례 개정을 거쳐 지금의 GRCh38이 됐는데, 이것은 특정 한 사람의 유전체가 아니라 소수 기증자의 조각을 이어 붙인 한 줄짜리 직선 서열입니다. 직선 하나를 기준으로 삼으면 내 유전체에는 있는데 기준에는 아예 없는 구간이 생기고, 그런 부분은 비교할 대상이 없어 조용히 버려집니다. 이를 참조 편향이라고 부릅니다.

해법으로 나온 발상이 팬지놈입니다. 기준을 한 줄이 아니라 여러 사람의 유전체 묶음으로 바꾸자는 것입니다. 첫 버전은 하플로타입 여덟 개였는데, 이번 HPRC2는 230명에게서 얻은 460개로 다섯 배 이상 커졌습니다. 문제는 80억 인구 중 누구를 뽑느냐입니다. 연구진이 만든 알고리즘의 방식은 의외로 단순합니다. 아직 아무도 커버하지 못한 흔한 변이를 가장 많이 지닌 사람부터 뽑고, 다시 계산해 또 가장 많이 남은 사람을 뽑는 식으로 반복합니다.

성과는 숫자로 확인됩니다. 44만 명 규모 코호트의 흔한 변이 727만 개를 기준으로 보면, 기존 하플로타입 여덟 개는 약 92%를 덮었지만 460개로 늘리자 99.4%까지 올라갑니다. 다만 여기서 '흔한 변이'는 인구의 1% 이상이 가진 것들이고, 기준을 0.1%까지 낮추면 커버율은 83%로 떨어집니다. 곡선의 한쪽은 평평해졌지만 다른 쪽은 아직 올라가는 중이라는 뜻입니다.

읽어내는 기술도 함께 좋아졌습니다. 짧게 끊어 읽되 정확한 장비, 정확도는 낮아도 아주 길게 읽는 장비, 그리고 또 다른 방식을 겹쳐 쓰고 조립과 교정 도구로 다듬었습니다. 그 결과 양 끝까지 끊긴 데 없이 조립된 염색체가 전체의 35%, 작은 틈만 남은 것까지 포함하면 59%에 이릅니다. 평균 품질 점수는 52.5에서 55로 올라 오류가 절반으로 줄었고, 믿고 쓰기 어려운 구간도 하플로타입당 6.9%에서 3.1%로 줄었습니다. 다만 반복 서열이 많은 부위, 특히 13~15번 염색체와 Y 염색체는 여전히 성적이 떨어집니다.

이렇게 모은 유전체들은 한 줄로 늘어놓는 대신 그래프로 엮습니다. 같은 구간은 하나로 합치고 갈라지는 자리에서 길이 여러 갈래로 나뉘는 지도입니다. 이 새 좌표로 다시 세어 보니 한 사람당 중앙값 14만 3,275개, 전체 변이의 2.6%가 표준 바깥에 있었습니다. 지금까지는 적어 넣을 칸 자체가 없었던 셈입니다. 실용적 이득도 확인됐습니다. 팬지놈 기반 변이 탐지 파이프라인은 기존 방식보다 오류를 36~52% 줄였고, 벤치마크에서 작은 변이 정확도는 97.87에서 99.16으로, 구조 변이는 88.29에서 92.64로 올랐습니다. 다만 짧은 서열이 반복되는 구간에서는 오히려 위양성이 늘었습니다.

이번에는 서열만 공개된 것이 아닙니다. 206개 샘플의 롱리드 전사체, 38개 샘플의 염색질 접근성 데이터, 메틸화 예측까지 함께 나왔는데 이 규모로는 처음입니다. 샘플을 고르고 부르는 방식도 눈여겨볼 만합니다. 인종이나 국적 같은 대리 범주가 아니라 유전 변이 자체로 우선순위를 정했고, 묶어 부를 때도 '유럽인 유사'처럼 '유사'를 붙여 정체성이 아니라 추정된 공유 조상이라는 뜻을 분명히 했습니다. 저자들은 이것이 완성된 최종 표준이 아니라 3단계 계획의 두 번째 초안이라고 못 박았습니다.

주요 인사이트

• 기준이 한 줄이면 기준 밖의 것은 틀린 게 아니라 아예 보이지 않는다. 참조 편향은 정확도의 문제가 아니라 관측 가능성의 문제였다.
• 커버율 99.4%라는 숫자는 '인구의 1% 이상'이라는 문턱과 함께 읽어야 한다. 문턱을 0.1%로 낮추면 83%로 떨어져 희귀 변이는 여전히 과제로 남는다.
• 표본 선정을 인종·국적 같은 대리 범주가 아니라 변이 자체로 결정한 설계는, 다양성을 확보하는 방법에 대한 실무적 답을 제시한다.
• 정확도 향상과 오류 감소가 동시에 일어나면서도 짧은 반복 서열 구간에서는 위양성이 늘어, 새 표준에도 구간별 특성을 아는 사용이 필요하다.
• 저자들이 스스로 '두 번째 초안'이라고 규정한 점은, 표준이 완결된 산출물이 아니라 계속 갱신되는 인프라임을 보여준다.

자주 묻는 질문