암 게놈 분석

암 게놈 분석은 암세포에서 발생하는 유전적 변이를 추적하여 암의 생물학적 특성을 규명하는 과정이다. 암은 유전체의 돌연변이로 인해 세포 증식이 조절되지 않아 발생하는 질환이다. 따라서 게놈 분석을 통해 암을 유발하는 핵심 변이를 찾아내는 것은 암 정복을 위한 필수적인 단계이다. 최근에는 대규모 데이터 처리 기술의 발전으로 분석의 정확도와 속도가 비약적으로 향상되었다.

암 게놈 분석에는 주로 차세대 시퀀싱(NGS) 기술이 활용된다. NGS는 수천 개의 유전적 표적을 동시에 평가할 수 있어 분석 효율이 높으며, 전통적인 분자 방법으로 검출하기 어려운 저빈도 분자 사건을 발견하는 데 유리하다.

전장 유전체 시퀀싱(WGS)

유전체의 전체 염기서열을 한꺼번에 분석하는 기술이다. 종양 조직과 정상 조직의 유전체를 비교하여 암을 유발하는 '드라이버 돌연변이'를 발견하는 데 사용된다. 단일 염기서열 변이(SNV), 삽입 및 결실, 복제수 변화, 구조적 변이를 포함한 모든 유전체 변이를 염기 단위로 확인한다.

전장 엑솜 시퀀싱(WES)

유전체 중 단백질을 코딩하는 영역인 엑솜(Exome)만을 선택적으로 분석한다. 엑솜은 전체 유전체의 약 2%에 불과하지만, 알려진 질병 관련 변이의 대부분이 이 영역에 집중되어 있어 효율적인 분석이 가능하다.

인체 게놈의 약 98%는 단백질을 직접 생성하지 않는 비전사 지역이다. 대규모 유전체 구조 변이는 주로 이 비전사 지역에서 발생하며, 이는 암세포의 유전자 발현 조절에 중요한 역할을 한다.

• 3차원 암 게놈 지도: KAIST와 한국생명공학연구원 공동 연구팀은 400여 개의 인체 3차원 암 게놈 지도 데이터베이스를 구축하였다. 이를 통해 비전사 지역의 유전 정보가 암세포의 유전자 발현을 어떻게 조절하는지 규명할 수 있게 되었다.
• 기능 해독: 1차원적인 서열 분석을 넘어 3차원 구조를 분석함으로써 복잡한 유전체 변이가 암 발생에 미치는 영향을 보다 정밀하게 파악한다.

대규모 유전체 데이터를 학습한 인공지능(AI) 모델이 암 분석에 도입되고 있다. AI는 복잡한 유전체 데이터를 해석하여 암의 특성을 예측하며 분석 시간을 단축시킨다.

국내에서는 약 2,882건의 암 전장 유전체 데이터를 학습시킨 AI 파운데이션 모델이 개발되었다. 특히 '설명 가능한 AI' 기술은 분석 결과의 근거를 제시함으로써 연구자가 데이터 해석 결과를 신뢰할 수 있도록 돕는다. 이러한 모델들은 기존의 글로벌 벤치마크 모델들과 비교하여 우수한 성능을 입증하며 정밀의료의 도구로 활용되고 있다.

암 게놈 분석은 정밀의료의 핵심 인프라로 작용한다. 분석된 데이터를 통해 환자별 최적의 항암제를 선택하거나 새로운 치료 표적을 발굴하는 데 기여한다.

1. 맞춤형 치료: 암 유전자 패널 검사를 통해 개개인의 유전자 변이에 대응하는 약물을 처방한다.
2. 발병 기전 이해: 암의 발생, 조절, 진행 과정을 분자 수준에서 이해함으로써 중개 의학 연구를 촉진한다.
3. 의료 체계 구축: 암 게놈 의료 핵심거점병원 등을 중심으로 전국적인 암 게놈 의료 체계가 구축되고 있다.