AI 딥러닝을 바탕으로 스플라이싱 오류 예측이 가능

(사진설명: 강남세브란스병원 안과 한진우 교수(왼쪽), 이준원 교수(오른쪽), 사진제공: 강남세브란스병원)

연세대 강남세브란스병원(병원장 송영구) 안과 한진우, 이준원 교수팀은 영아 눈떨림증후군의 원인을 분석하는 유전자 검사 기법에 AI 딥러닝을 접목해 기존 분석법을 크게 개선했다.

영아 눈떨림증후군은 생후 6개월 이전의 영아에게서 눈동자가 좌우, 상하 또는 복합적으로 떨리는 증상이 나타난다. 인구 2000명당 1명꼴로 발생하는 희귀 안질환으로, 명확한 원인 파악이 어렵다.

최근 정착된 차세대 염기서열 분석법(Next Generation Sequencing, NGS)은 40~50%의 환자의 원인 돌연변이를 찾지 못하고 있다.

연구팀은 NGS 기법에 인공지능 딥러닝을 활용해 모든 유전체(genome)를 검사하는 방식으로 원인 돌연변이를 찾고자 했다. 기존에는 유전체를 전부 분석하기에는 범위가 방대하고 시간과 비용이 많이 들기 때문에 염기서열의 일부를 검사하는 엑솜 유전체 검사법과 유전자 패널 검사법을 주로 활용했다.

연구팀은 기존 분석법에서 원인이 규명되지 않은 영아 눈떨림증후군 환자와 가족 4개 군을 대상으로 전장유전체 분석법을 시행해 영아 눈떨림증후군 연관 유전자인 FRMD7의 돌연변이 여부를 확인했다. 분석에는 SpliceAI와 SpliceRover 프로그램이 활용됐으며, 기존 이어 맞추기(splice) 예측에 활용한 Alamut 프로그램과 비교했다.

분석 결과, 연구진은 FRMD7 유전자의 비전사영역에서 c.285-12A>G, c.284+63T>A, c.383-1368A>G 변이체가 암, 희귀질환 등 각종 질병을 유발하는 스플라이싱 오류를 일으키는 것을 확인했다.

이번에 연구팀이 AI 딥러닝으로 시행한 전장유전체 분석법은 약 30억개에 이르는 유전체의 광범위한 영역을 검사한다. 단백질 생성에 관여하지 않는 비전사영역(deep intronic region)도 분석이 가능하며, 쉽게 유전체 구조적 변이(Structural variation)와 조절 부위 변이(Regulatory variation)를 검출할 수 있다.

한진우 교수는 "비전사영역의 변이와 질병과의 연관성을 증명하기 쉽지 않은데, AI 딥러닝을 바탕으로 스플라이싱 오류 예측이 가능했다. 이번 연구는 향후 희귀 질환에서 원인 변이를 찾지 못한 환자들에게 AI 딥러닝과 전장유전체분석의 활용 방향을 제시하는 초석이 될 것"이라고 말했다.

metarism@metaplanet-dm.com

홈으로 이동 상단으로 이동