전장유전체 연관분석 (Genome-wide association study (GWAS))
쉽게 풀면
GWAS는 수천에서 수십만 명의 유전자 데이터를 한꺼번에 비교해서, 어떤 특정 유전 변이가 특정 질병이나 형질과 통계적으로 관련이 있는지 찾아내는 연구 방법입니다. 유전체 전체를 촘촘히 훑기 때문에 미리 어떤 유전자가 원인인지 가설을 세울 필요 없이 새로운 후보 유전자를 발견할 수 있습니다. 다만 하나의 변이가 주는 영향은 대개 아주 작기 때문에 매우 큰 표본이 필요합니다.
왜 중요한가
GWAS는 당뇨병, 심혈관질환, 정신질환처럼 여러 유전 변이가 조금씩 영향을 미치는 복합 형질의 유전적 기반을 탐색하는 표준적인 방법으로 자리잡았습니다. 발견된 연관 신호는 질병의 생물학적 기전을 이해하는 단서가 될 뿐 아니라, 개인의 질병 위험을 예측하는 다유전자 위험점수(polygenic risk score) 개발의 토대가 되기 때문에 유전역학, 정밀의학 분야에서 핵심적으로 다뤄집니다.
논문에서는 이렇게 쓰입니다
대규모 표본을 이용해 새로운 관련 유전자좌를 발견했다는 연구 결과를 보고하는 전형적인 예문이다.
서로 다른 연구팀이 각자 수행한 GWAS 결과를 하나로 합쳐 통계적 검정력을 높이는 메타분석 접근을 설명하는 방식으로, 유전역학 논문에서 흔히 쓰입니다.
조금 더 깊게 보면
GWAS 결과는 대개 맨해튼 플롯(Manhattan plot)으로 시각화되며, 다중검정 문제를 보정하기 위해 매우 엄격한 유의수준 기준을 적용하는 것이 관행입니다. 발견된 연관 신호가 실제 원인 변이인지, 아니면 그 변이와 물리적으로 가까이 있어 함께 유전되는 다른 변이(연관불평형) 때문인지 구분하기 어렵다는 한계가 있어, 후속 연구에서는 세밀 지도화(fine-mapping)나 기능 실험을 통해 진짜 원인 변이를 좁혀나가는 과정이 함께 다뤄집니다.
주의할 점
GWAS에서 발견된 연관 신호는 연관불평형 때문에 실제 원인 변이가 아닐 수 있어 후속 기능 검증이 필요하다.