1. GWAS는 무엇을 비교하는가

전장 유전체 연관성 분석(GWAS)은 여러 유전체 변이와 질환·형질 사이의 통계적 연관성을 찾습니다. 사례군과 대조군의 변이 빈도를 비교하거나 연속적인 형질과의 관계를 분석할 수 있습니다. 복합 형질에는 여러 유전 변이와 환경이 관여하지만, 모든 질환에 같은 수의 변이가 같은 방식으로 작용한다고 단정할 수 없습니다.

2007년 Wellcome Trust Case Control Consortium 연구는 영국 표본에서 7개 질환 각각 약 2,000명의 사례와 약 3,000명의 공유 대조군을 마이크로어레이로 분석했습니다. 이 설계에서 얻은 결과와, 이후 다른 표본·기술로 얻은 결과를 같은 분석으로 취급하면 안 됩니다.

2. 엄격한 p값과 하나로 보이는 신호 묶음

많은 검정을 하면 우연한 신호도 늘어납니다. 이해를 위한 계산으로 100만 개 검정 모두에 연관성이 없고 각각 p<0.05를 쓰면, 기대되는 위양성 수는 100만×0.05=5만입니다. 이는 가상 조건의 기대값이며 실제 GWAS의 결과나 서로 독립적인 SNP 개수를 말하는 것이 아닙니다. 같은 규모의 Bonferroni 계산은 0.05/100만=5×10⁻⁸입니다. Visscher 등의 2017년 리뷰에서 쓰는 대표적인 전장 유전체 기준이 이 값입니다. 모든 연구가 반드시 같은 기준을 쓴다는 뜻은 아닙니다. 실제 2007년 논문 초록은 24개 독립 연관 신호를 p<5×10⁻⁷ 기준으로 보고했습니다.

연쇄 불균형(LD)은 변이들 사이의 비무작위적 상관을 뜻합니다. 인접 SNP들이 함께 유전되면 하나의 관련 영역에서 여러 신호가 나타날 수 있습니다. 따라서 가장 작은 p값의 lead SNP가 원인 변이이거나 가장 가까운 유전자가 원인이라고 곧바로 결론 내릴 수 없습니다. 서로 상관된 SNP들은 모두 독립 검정 대상이라는 설명도 틀립니다. 영역 내 미세 매핑과 기능 자료가 후보를 좁히지만, 각 자료가 제공하는 증거를 따로 확인해야 합니다.

3. 발견 신호에서 PRS로 넘어갈 때

다유전자 위험 점수(PRS)는 여러 변이의 정보를 합쳐 유전적 위험 차이를 요약합니다. 발견 표본에서 추정한 변이 효과를 다른 사람들의 유전체 정보에 적용하는 방식이며, SNP 선택과 효과 추정 방법은 점수마다 다릅니다. 유의한 SNP 목록만 나열한 것과, 독립 표본에서 예측 성능을 확인한 점수는 다른 산출물입니다.

PRS의 백분위도 발병확률이 아닙니다. 예를 들어 어떤 기준 집단에서 90백분위라는 가상 결과는 그 집단 점수 분포상의 위치를 뜻하지, 발병확률 90%를 뜻하지 않습니다. 절대 위험을 말하려면 별도로 질환, 시간 범위, 기저 위험과 연령 등 임상 정보를 연결해야 합니다. NHGRI 설명도 유전 정보만의 점수와 다른 위험 요인을 구분합니다.

결과를 읽을 때는 발견 연구의 표본·질환·기준, 점수를 검증한 독립 집단, 자신의 상황과 검증 집단의 차이를 확인합니다. 특히 조상 집단이 달라질 때 LD와 변이 빈도 등이 달라질 수 있어 이전 성능이 그대로 유지된다고 가정하지 않습니다. 2017년 리뷰와 2020년 NHGRI 안내의 당시 전망·임상 보급 상태를 현재의 진료 기준으로 옮기지 않습니다.

4. 출처