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 질환이므로, 게놈 분석은 암 정복을 위한 핵심적인 단계로 평가받는다. 최근에는 인공지능(AI)과 대규모 데이터 처리 기술이 결합하여 분석의 정확도와 속도가 향상되고 있다.

전장 유전체 시퀀싱은 유전체의 전체 염기서열을 한꺼번에 분석하는 기술이다. 종양 조직과 정상 조직의 유전체를 비교함으로써 암을 유발하는 '드라이버 돌연변이'를 발견하는 데 사용된다.

• 포괄적 분석: 단일 염기서열 변이(SNV), 삽입 및 결실, 복제수 변화, 구조적 변이를 포함한 모든 유전체 변이를 염기 단위로 확인한다.
• 고해상도 정보: 기존의 부분적 분석법과 달리 유전체 전체를 살피기 때문에 유전자 발현 및 조절 메커니즘에 대한 상세한 정보를 제공한다.

차세대 시퀀싱(NGS) 기술은 수천 개의 유전적 표적을 동시에 평가할 수 있어 분석 효율을 크게 높였다. NGS는 전통적인 분자 방법으로 검출하기 어려운 저빈도 분자 사건을 발견할 수 있으며, 암의 발생, 조절, 진행에 대한 이해를 확장시킨다. 이를 통해 전사체, 후성유전체 및 단백질체에 미치는 영향을 식별하는 멀티오미크스 연구가 가능해진다.

인체 게놈의 대부분을 차지하는 비전사 지역에서 발생하는 대규모 유전체 구조 변이를 파악하기 위해 3차원 분석이 도입되었다.

• 데이터베이스 구축: KAIST와 한국생명공학연구원 연구팀은 400여 개의 인체 3차원 암 게놈 지도 데이터베이스를 구축하였다.
• 기능 해독: 3차원 구조 분석을 통해 비전사 지역의 유전 정보가 암세포의 유전자 발현을 어떻게 조절하는지 규명할 수 있다.

대규모 유전체 데이터를 학습한 인공지능 모델이 암 분석의 효율성을 높이고 있다. 인공지능은 복잡한 유전체 데이터를 해석하여 암의 특성을 예측하며, 분석 시간을 단축시킨다. 특히 '설명 가능한 AI' 기술은 분석 결과의 근거를 제시함으로써 연구자가 데이터 해석 결과를 신뢰할 수 있도록 돕는다. 국내에서는 약 2,882건의 암 전장 유전체 데이터를 학습시킨 AI 파운데이션 모델이 개발되기도 하였다.

암 게놈 분석은 정밀의료의 핵심 인프라이다. 분석된 데이터를 통해 암 발병 메커니즘을 이해하고, 환자별 최적의 항암제를 선택하거나 새로운 치료 표적을 발굴하는 데 기여한다. 이는 중개 의학 및 치료법 개선을 위한 필수적인 과정으로 자리 잡고 있다.