유전체 임퓨테이션 (Genomic imputation)
쉽게 풀면
유전체 임퓨테이션은 실제로 검사하지 않은 유전자 위치의 정보를, 이미 잘 알려진 대규모 참조 데이터의 패턴을 이용해서 컴퓨터로 추정해 채워 넣는 기법입니다. 유전체 배열 검사는 비용 문제로 유전체 전체가 아니라 일부 위치만 측정하는 경우가 많은데, 이 방법을 쓰면 실제로 측정하지 않은 수백만 개의 위치까지 높은 정확도로 예측해서 분석에 활용할 수 있습니다.
왜 중요한가
유전체 배열(genotyping array) 검사는 비용 효율적이지만 유전체의 극히 일부만 직접 측정하기 때문에, 이 한계를 극복하는 임퓨테이션은 GWAS를 비롯한 대규모 유전역학 연구에서 사실상 표준적인 전처리 단계로 자리잡았습니다. 서로 다른 배열 플랫폼으로 측정된 여러 코호트의 데이터를 동일한 변이 집합으로 맞춰 비교·통합할 수 있게 해준다는 점에서도, 메타분석을 수행하는 논문에서 중요하게 다뤄집니다.
논문에서는 이렇게 쓰입니다
제한된 실측 데이터를 참조 패널을 이용해 확장한 분석 절차를 설명하는 예문이다.
특정 인구집단을 대상으로 한 자체 참조 패널을 구축하면, 그 집단에 특이적인 변이를 더 정확하게 추정할 수 있다는 점을 보여주는 집단유전학 연구의 서술입니다.
조금 더 깊게 보면
임퓨테이션의 원리는 염색체 위에서 서로 가까이 있는 변이들이 함께 유전되는 경향(연관불평형)을 이용해, 실측된 변이들의 패턴으로부터 그 사이에 있는 미측정 변이를 추정하는 것입니다. 추정 결과의 신뢰도는 흔히 R²나 정보 점수(info score) 같은 지표로 나타내며, 참조 패널과 분석 대상 집단의 유전적 배경이 비슷할수록, 그리고 변이의 빈도가 흔할수록 정확도가 높아지는 반면 희귀 변이의 임퓨테이션 정확도는 상대적으로 낮게 나타나는 경향이 일반적으로 알려져 있습니다.
주의할 점
임퓨테이션 정확도는 대상 집단과 참조 패널의 유전적 유사성에 크게 좌우되며, 희귀 변이는 상대적으로 정확도가 낮다.