암 발생까지의 유전적 진행과 대기시간

초록

이 논문은 대장암 발생 과정을 유전적 변이와 선택압을 고려한 Wright‑Fisher 모델로 재구성한다. 20개 이상의 암 관련 유전자를 포함한 변이 체계가 정상적인 돌연변이율에서도 평균 1% 수준의 선택 이점을 가질 경우 설명될 수 있음을 보여준다. 변이율이 증가하면 더 작은 선택 이점으로도 암이 진행될 수 있다.

상세 분석

본 연구는 Sjoblom 등(2006)의 대장암 전암 조직에서 발견된 20여 개의 주요 암 유전자를 기반으로, 세포 집단 내에서의 유전적 변이 축적 과정을 확률론적 Wright‑Fisher 과정으로 모델링하였다. Wright‑Fisher 모델은 매 세대마다 고정된 세포 수 N을 가정하고, 각 세포가 전 세대의 어느 세포로부터 복제되는지를 확률적으로 결정한다. 여기서 변이율 μ와 각 변이가 제공하는 선택적 이점 s(양의 값)를 핵심 파라미터로 설정하였다. 논문은 먼저 전산 시뮬레이션을 통해 다양한 (N, μ, s) 조합에서 “암 표현형”—즉, 최소 k개의 driver mutation을 보유한 세포가 등장하는 시점을 측정하였다. 이후, 복잡한 마코프 연쇄를 근사화한 수식적 접근법을 도입해 기대 대기시간 T(k)≈(1/μ)·(1/s)·log(k·N) 형태의 근사식을 도출하였다. 이 식은 변이율보다 선택 이점이 대기시간에 더 큰 영향을 미친다는 점을 명확히 보여준다. 특히, N이 10⁸10⁹ 수준인 장내 상피세포 집단에서는 μ가 10⁻⁹ 정도의 정상적인 돌연변이율이라도 s≈0.01(1%)이면 수십 년 내에 57개의 driver mutation이 축적될 수 있음을 시뮬레이션과 분석이 일치한다. 변이율이 10배 상승하면 s는 0.001 수준으로 낮아도 동일한 대기시간을 달성한다는 점은, 유전적 불안정성(미스매치 복구 결함 등)이 암 진행을 촉진하는 메커니즘을 정량적으로 뒷받침한다. 모델의 한계로는 세포 간 상호작용, 미세환경, 그리고 변이 간 비선형적 상호작용(epistasis)을 무시했다는 점이다. 또한, 고정된 세포 수 N 가 실제 조직의 동적 성장·소멸을 완전히 반영하지 못한다는 점도 지적된다. 그럼에도 불구하고, 이 간단한 확률 모델이 복잡한 암 유전체 데이터와 일치하는 결과를 제공한다는 점은, 암 진행을 이해하는 데 있어 “많은 작은 선택 이점의 누적”이라는 개념이 핵심임을 강조한다.