유전자 조절 변이 우선순위 선정 모델 EMSv2 개발

주장유전체 조절 영역 내 인과적 변이를 우선순위화하는 작업은 현대 유전학의 난제로 꼽힙니다. 연구진은 이러한 한계를 극복하고자 높은 정밀도로 조절 변이를 선별하는 모델인 EMSv2를 개발했습니다.

팩트EMSv2는 인공지능 모델인 엔포머(Enformer)에서 파생된 특징을 활용하며 다중 작업 학습 프레임워크를 구현했습니다. 연구진은 모델 훈련 과정에서 손실 함수를 최적화하여 예측 성능을 대폭 높였습니다.

팩트해당 모델은 장거리 디엔에이(DNA) 서열 상호작용을 고려하는 특징을 포함합니다. 이러한 기술적 구현은 기존 방법론 대비 예측 성능을 크게 개선하는 결과를 낳았습니다.

교차검증기존 유전자 변이 분석 방법은 샘플 수가 적은 조직에서 예측력이 떨어진다는 한계가 있습니다. EMSv2는 뇌 조직과 같이 데이터가 부족한 환경에서도 높은 성능을 유지하는 강점을 보입니다.

팩트연구진은 일본인 인구의 독립적인 발현 양적 형질 유전자좌(eQTL) 데이터를 사용하여 모델의 성능을 검증했습니다. 검증 결과, EMSv2는 기존 방법론보다 조절 변이 우선순위 선정에서 우수한 성과를 거두었습니다.

주장EMSv2는 기능적으로 정보가 제공된 미세 매핑(fine-mapping)에 활용할 수 있습니다. 이는 서로 다른 인구 집단 간 유전적 차이를 분석하는 유용한 도구가 됩니다.

팩트본 모델은 유전자 수준의 다유전자 우선순위 점수인 팝스(PoPS)와 결합하여 사용 가능합니다. 이를 통해 복합 형질의 원인이 되는 조절 변이를 더욱 효과적으로 식별합니다.

주장이번 연구는 인간 유전체 내 조절 변이 우선순위 선정 과정을 가속화합니다. 이는 앞으로 질병의 유전적 원인을 규명하는 연구의 토대가 됩니다.

팩트이번 연구는 일본 의학 연구 개발 기구(AMED), 제이에스티 포레스트(JST FOREST), 제이에스티 문샷 알앤디(JST Moonshot R&D) 등 다수 기관으로부터 연구 자금을 지원받았습니다.

팩트연구에는 오사카 대학과 도쿄 대학을 포함한 다수 학술 기관의 연구자들이 공동으로 참여했습니다.

주장연구진은 이번 성과를 통해 복잡한 유전적 질환의 기전을 밝히는 연구가 한층 탄력을 받을 것으로 기대합니다.

출처네이처(Nature)의 학술지 커뮤니케이션즈 바이올로지(Communications Biology)에 게재된 논문을 교차 검증했습니다.