풀시퀀싱 데이터에서 LD를 추정하는 새로운 도구 LDx

초록

LDx는 풀(pool) 시퀀싱 데이터에서 단일 리드가 포함하는 SNP쌍을 이용해 최대우도 추정법으로 r² 형태의 연관불균형을 계산한다. 개별 유전체 시퀀싱과 높은 상관성을 보이며, 읽기 깊이와 품질 필터에 따른 성능 변화를 시뮬레이션으로 검증한다. D. melanogaster 집단 데이터에 적용해 물리적 거리와 LD 감소 패턴을 재구성하고, 인구역학 모델 구분에도 활용 가능함을 보여준다.

상세 분석

LDx는 풀(pool) 시퀀싱에서 손실된 상동염색체 정보를 보완하기 위해 설계된 계산 도구이다. 핵심 아이디어는 동일한 리드 혹은 페어엔드(read pair) 내에 동시에 포함된 두 개의 SNP를 찾아, 해당 리드가 제공하는 ‘haplotype’ 정보를 이용해 r²를 추정하는 것이다. 이를 위해 저자들은 근사 최대우도(approximate maximum likelihood) 프레임워크를 구축했으며, 두 가지 추정 방식을 제공한다. 첫 번째는 관측된 유전자형 빈도만을 이용한 전통적 r² 계산이며, 두 번째는 실제 리드가 포착한 연관 정보를 반영한 추정치이다. 두 방법을 병행함으로써 데이터 품질이 낮은 영역에서도 어느 정도 신뢰할 수 있는 LD 값을 얻을 수 있다.

방법론 검증을 위해 저자들은 개별 유전체를 시퀀싱한 Drosophila melanogaster 표본과 풀 시퀀싱 데이터를 비교하였다. 결과는 LDx가 제공하는 r²가 개별 시퀀싱에서 계산된 r²와 높은 Pearson 상관계수(>0.9)를 보였으며, 특히 읽기 깊이가 30× 이상일 때 정확도가 크게 향상됨을 확인했다. 또한, 품질 필터(예: 최소 매핑 품질, 최소 염기 품질, 최소 리드 길이)를 강화했을 때 가짜 연관 신호가 감소하고, 실제 LD 패턴이 더 명확히 드러났다.

시뮬레이션 분석에서는 읽기 깊이와 SNP 밀도, 리드 길이의 조합이 LD 추정 정확도에 미치는 영향을 정량화했다. 깊이가 10× 이하일 경우 r² 추정치가 크게 편향되지만, 20×~40× 범위에서는 편향이 최소화되고 신뢰구간이 좁아진다. 리드 길이가 100 bp 이상이면 두 SNP가 동일 리드에 포함될 확률이 급증해, 짧은 리드(≤50 bp)에서는 추정 가능한 SNP 쌍이 현저히 감소한다는 점도 강조한다.

응용 사례로는 (1) D. melanogaster 자연 집단에서 물리적 거리와 LD 감소 곡선을 재구성한 것이 있다. LDx는 1 kb 이내에서 높은 r²를 보이며, 10 kb 이상에서는 급격히 감소하는 전형적인 ‘연관 감소’ 패턴을 포착했다. (2) 인구역학 시뮬레이션을 통해 두 가지 가설 모델(최근 급격한 인구 확대 vs. 장기간 안정적 규모)을 비교했을 때, LDx가 산출한 r² 분포 차이가 통계적으로 유의미했으며, 이를 통해 실제 데이터에서 어느 모델이 더 적합한지 판단할 수 있었다.

전반적으로 LDx는 풀 시퀀싱 데이터의 비용 효율성을 유지하면서도, 개별 시퀀싱 수준의 LD 정보를 제공한다는 점에서 유전체학, 진화생물학, 보전유전학 등 다양한 분야에 활용 가능성이 크다. 다만, 매우 낮은 읽기 깊이와 짧은 리드 길이에서는 제한이 있으며, 품질 필터링과 충분한 시퀀싱 깊이를 확보하는 것이 필수적이다.