유전체 기반 표적 탐색과 약물 재창출을 위한 G2DR 프레임워크

본 논문은 인간 유전학을 활용한 치료제 발굴의 잠재력을 극대화하기 위해, 질병 특이 전사체 데이터가 없더라도 유전체 정보를 출발점으로 하는 “genotype‑first” 프레임워크 G2DR을 제안한다. G2DR은 크게 네 단계로 구성된다. 첫 번째 단계에서는 UK Biobank에서 추출한 편두통 코호트(총 733명, 사례 53명, 대조 680명)를 5‑fold 층화 교차검증으로 나누어, 각 폴드별로 유전형 데이터를 전사체 가중치 모델에 투입해 유전적으로 조절된 발현(GENETICALLY PREDICTED EXPRESSION, GPE)을 추정한다. 여기서는 MASHR, JTI, CTIMP, UTMOST, EpiXcan, FUSION, TIGAR 등 7개의 공개 모델을 사용했으며, 각 모델은 다중 조직·다중 인구통계학적 특성을 반영한다. 예측된 발현은 성별과 상위 10개의 유전적 주성분을 회귀로 보정했으며, 보정 전후의 상관계수 차이는 거의 없었다는 점에서 보정이 주요 변동 요인이 아님을 확인했다. 두 번째 단계에서는 보정된 발현값에 대해 8가지 통계 검정을 수행한다. 차등 발현 검정(LIMMA, Welch, OLS, Wilcoxon, permutation)과 연관 검정(weighted 로지스틱, Firth 로지스틱, Bayesian 로지스틱) 모두 FDR < 0.1 및 |log2FC| ≥ 0.5(또는 효과 크기 ≥ 0.5)라는 엄격한 기준을 적용했다. 전체 172,868,680개의 테스트 중 96,502개의 유의 결과가 도출돼 34,355개의 검증 가능한 유전자가 포함된 전체 유전자 풀에서 11,451개의 고유 유전자를 식별하였다. 이러한 대규모 다층 검정은 개별 유전자의 신뢰성을 높이는 동시에, 다양한 조직·모델·검정 방법에 걸친 일관성을 확보한다. 세 번째 단계에서는 훈련·검증 데이터에서 도출된 유의 유전자를 “Discovery set”으로 정의하고, 각 유전자를 재현성(다양한 데이터베이스·조직·검정에서의 반복 횟수, 40%), 효과 크기(표준화된 절대 효과, 30%), 통계적 신뢰도(FDR 기반 가중치, 30%)를 통합한 복합 점수 S_g로 순위화한다. 이 점수는 데이터 전반에 걸친 일관성을 정량화하며, 대체 가중치 설정에 대해서도 높은 순위 안정성(스피어만 ρ = 0.992, Top‑100 겹침 ≥ 75%)을 보였다. 네 번째 단계에서는 S_g에 추가적인 생물학적·약물학적 증거를 결합한다. 경로 분석은 GO, KEGG, Reactome, Disease Ontology를 이용해 gene set enrichment를 수행하고, 결과를 정규화해 PathwayScore를 만든다. STRING 데이터베이스를 활용한 단백질‑단백질 상호작용 네트워크에서 각 유전자의 허브 점수를 계산해 HubScore를 도출한다. 마지막으로 DGIdb, ChEMBL, fpocket을 통해 구조·지식 기반 드러그빌리티를 평가하고, 이를 DrugScore로 정규화한다. 이 네 가지 점수를 가중합해 CoreScore = 0.45·DE + 0.25·Path + 0.25·Drug + 0.05·Hub를 산출하고, 최종 표적 순위를 결정한다. 표적‑약물 매핑은 Open Targets, DGIdb, ChEMBL의 약물‑표적 관계 데이터를 통합해 수행했으며, 각 관계에 임상 개발 단계(승인, 가이드라인, 라벨 외, 문헌 기반)에 따라 가중치를 부여했다. 이를 통해 상위 N개의 유전자로부터 후보 약물 집합을 도출하고, 편두통 관련 약물 레퍼런스(4,824개)를 4개의 티어로 구분해 풍부성을 검증했다. 전역 약물 배경(139,597개) 대비 하이퍼지오메트리 검정 결과, 상위 200개 유전자에서 티어 2–4에 해당하는 약물이 유의하게 과대표현되었으며, 특히 메커니즘이 일치하는 “directionally consistent” 약물 쌍이 다수 확인되었다. 성능 평가는 교차검증된 테스트 셋을 이용해 수행했으며, gene‑level ROC‑AUC는 0.775, PR‑AUC는 0.475를 기록했다. 또한, 기존에 알려진 편두통 관련 3,190개의 유전자가 Top‑K(예: Top‑500) 내에서 유의하게 풍부함을 보였으며, 이는 G2DR이 실제 생물학적 신호를 포착함을 시사한다. 결론적으로, G2DR은 (1) 다중 전사체 예측 모델을 통한 유전적 신호 전이, (2) 다양한 통계 검정을 통한 robust한 유전자 검증, (3) 경로·네트워크·드러그빌리티 통합을 통한 표적 우선순위 부여, (4) 다중 데이터베이스 기반 약물 매핑 및 방향성 평가라는 네 가지 핵심 요소를 결합한 모듈형 파이프라인이다. 저자들은 이를 편두통 사례에 적용해 유전학 기반 표적·약물 후보를 성공적으로 도출했으며, 향후 다른 질환에도 확장 가능함을 제시한다. 다만, 최종 후보는 실험·전임상·임상 검증을 필요로 하며, 현재는 가설 생성 도구로서의 활용을 권고한다.