유전체 바이오뱅크 연구, 맞춤형 질병 예측 및 정신의학적 위험 발견 진전

대규모 바이오뱅크의 유전체 데이터를 활용한 최근 연구들이 질병의 맞춤형 예측을 진전시키고 정신질환과 신체질환 간 공유 유전적 소인의 이해를 심화하고 있다. 한 연구는 정밀 정신의학을 위한 실용적인 유전자형 회상(recall-by-genotype) 전략을 입증했고, 다른 연구는 정신질환과 신체질환 전반에 걸친 광범위한 유전적 상관관계를 확인했으며, 세 번째 연구는 질병 이력 궤적 정보를 통합하면 예측 성능이 향상된다는 것을 발견했다.

npj Genomic Medicine에 발표된 연구에서 마운트 시나이 의과대학(Icahn School of Medicine at Mount Sinai) 연구진은 미국에서 가장 크고 다양한 의료 시스템 바이오뱅크 중 하나인 BioMe를 활용하여 자폐 스펙트럼 장애, 지적 장애, 조현병을 포함한 신경발달 장애의 위험을 상당히 증가시키는 희귀 유전자 복제수 변이(CNV)를 보유한 개인을 식별했다. 연구진은 892명의 참가자(CNV 보유자 335명, 이러한 변이가 없는 조현병 환자 217명, 신경전형적 대조군 340명)를 재접촉하여 유전자형 회상 방식의 실행 가능성을 평가했다. 참가자의 18%가 모집에 응답했고 8%가 포괄적인 정신의학 및 인지 평가를 완료했다. 최종 코호트는 다양했으며, 참가자들은 37% 아프리카 혈통, 34% 히스패닉, 26% 유럽 혈통으로 자가 식별했다. 상세 평가를 통해 일상적인 전자 건강 기록에서 포착되지 않는 발달, 임상, 인지 특성이 확인되었다. 이 연구는 다양한 의료 시스템 내에서 유전자형 회상 연구를 구현하기 위한 운영 기준을 확립했다. 수석 저자는 "희귀 CNV를 보유한 참가자를 재접촉하여 상세 평가를 수행함으로써 대규모 다양성 있는 의료 시스템 바이오뱅크에서 유전자형 회상 연구 설계의 기회와 과제를 모두 입증했다"고 밝혔다.

또 다른 연구는 Genomic SEM을 적용하고 8개 의학 영역에 걸친 73개 신체 결과(약 190만 사례)에 Genomic E-SEM을 도입하여 정신의학적 요인과 함께 잠재 신체 질환 요인을 모델링했다. 사고/정신병적 요인과 강박 요인은 신체 질환 요인과 거의 연관성을 보이지 않은 반면, 내면화, 신경발달, 물질 사용 요인은 모든 신체 질환 시스템과 실질적인 유전체 차원의 유전적 상관관계를 나타냈다. 21개 신체 장애로 정의된 범진단적 신체 질환 요인에 대한 다변량 GWAS는 27개의 유전체 위험 유전자좌를 식별했고 후속 PheWAS에서 상당한 예측 타당성을 입증했다. 연구 결과는 특정 정신질환 및 신체질환 그룹 간의 광범위한 위험 공유를 드러내며 추가적인 분류 체계의 필요성을 시사한다.

세 번째 연구는 구조화된 유전체 변이 주석, 종단적 질병 이력의 심층 의미론적 임베딩, 과거 질병 경로에서 파생된 프로세스 적합성(process conformance) 지표를 통합하는 맞춤형 질병 예측 프레임워크를 제안했다. 질병 이력 임베딩은 BioBERT, BioClinicalBERT, BiomedBERT라는 세 가지 BERT 기반 모델을 사용하여 생성되었으며, 정렬 기반 프로세스 적합성 검사는 개인의 질병 궤적이 일반적인 인구 진행 패턴에 얼마나 밀접하게 부합하는지 측정했다. 7가지 특징 구성에서 적합성 기반 피트니스 특징을 통합하면 모든 질병 범주와 분류기에서 예측 성능이 향상되어 더 높은 AUROC 값과 더 낮은 Brier 점수를 얻었지만, 임베딩 전용 및 유전체 변이 주석 전용 구성은 가장 낮은 성능 모델에 속했다. 연구 결과는 프로세스 수준의 질병 경로 적합성이 유전체 또는 심층 의미론적 특징만으로는 완전히 표현되지 않는 시간적 및 행동적 정보를 포착한다는 것을 나타내며, 향후 연구는 더 세분화된 질병을 대상으로 할 것이다.