Abstract

After completion of the Human Genome Project and the 1000 Genome Project, Genome-Wide Association Studies (GWAS) and meta-analysis were successfully conducted to identify genetic factors influencing some risk factors. Type 2 diabetes mellitus (T2D) is a multi-factorial polygenic disease. To date, T2D, Genome-Wide Association Studies (GWAS) loci (~ 80) are insufficient to dissect the complex genetic structure underlying etiological heterogeneity. Epistasis has long been suggested to be important to understand the missing heritability. To identify epistatic effects on T2D, we conducted a multi-association analysis as complementary to the current single SNP-based GWAS. A total of 7,696 samples from the Korea Association Resource (KARE) project were analyzed for multi-traits (glycated hemoglobin, fasting plasma glucose, and plasma glucose two hours after ingestion of 75g oral glucose). Our study not only confirmed previously reported T2D loci but also identified a novel gene. These results could provide additional insight into the genetic regulation of T2D but require further replicative efforts to confirm the findings.


 인간게놈프로젝트(International HapMap Project) 및 1000 유전체 프로젝트(1000 genome project)의 완료로 인간의 유전체 분석 기반이 마련됨에 따라, 유전체정보를 활용하여 질병과 연관성을 밝히기 위한 연구가 활발하게 진행되고 있다. 특히 유전체 칩 기반의 단일염기다형성(Single Nucleotide Polymorphism, 이하 ‘SNP’)을 이용한 전장유전체연관분석연구(Genome-Wide Association Study, 이하 ‘GWAS’) 및 대규모 메타분석을 통하여 각종 질환 및 여러 가지 표현형질과 연관된 유전변이가 밝혀지고 있다. 특히 제2형 당뇨관련 원인유전변이는 80개 이상 발굴되었지만, 발굴된 유전변이가 유전율(heritability)을 충분히 설명하지 못하는 한계(missing heritability)가 나타나고 있으며, 이를 해결하기 위해 저빈도(low frequency variants) 및 희귀변이(rare variants) 발굴 연구, 유전요인 간의 상호작용 연구와 유전요인과 환경요인의 상호작용 연구 등 다양한 연구의 필요성이 제시되고 있다. 그 중 다중연관성분석기반은 multi-traits과 multi-SNPs을 동시에 고려하는 방법 및 multi-traits과 unit-SNPs을 고려하는 방법으로 크게 구분할 수 있는데 이 글에서는 현재 진행되고 있는 제2형 당뇨병 관련 multi-traits과 unit-SNPs을 고려한 다중연관성분석기반의 전장유전체 연관분석연구에 대해 기술하고자 한다.

다중연관성분석기반의 전장유전체 연관분석 중 multi-traits과 unit-SNPs은 서로 연관이 있는 표현형질인 공복혈당(Fasting Plasma Glucose, FPG), 경구당부하검사(Oral Glucose Tolerance Test)로 75mg의 포도당을 섭취 후 2시간 후 혈당(glucose 120, GLU120) 및 당화혈색소(hemoglobin A1c, HbA1c)과 SNP들을 함께 고려하여 분석하는 방법이다(Figure 1).

기존 GWAS인 unti-SNP unti-trait 분석에서 발굴하지 못한 제2형 당뇨에 연관된 후보유전변이를 발굴 하고자 multi-traits과 unit-SNPs에 대한 다중연관전장분석을 서로 상관되어 있는 변수를 고려한 유전자 연관분석에 효율적인 Multiple Family-based Quasi-Likelihood Score test(MFQLS) 프로그램 통해 수행하였다.

제2형 당뇨 관련 형질에 대한 분석을 수행하기 전, 제2형 당뇨병 환자는 과거 당뇨병 진단여부와 과거 및 현재 약물력 설문조사 결과를 이용하여 당뇨병으로 진단된 대상자들을 분석에서 제외하였다. 이와 더불어 American Diabetes Association (ADA) 당뇨병 진단 기준을 적용, FPG 126mg/dl 이상이거나, GLU120 혈당이 200mg/dl 이상인 대상자들을 제2형 당뇨병 환자로 판단하여 추가로 제외하였다. 결과적으로 지역사회코호트 총 7,696명을 대상으로 분석을 수행하였다. 또한, 제2형 당뇨병 발생과 가장 밀접한 관계를 보이는 다양한 위험요인 중에 비만은 당뇨의 주요한 위험요인중의 하나로 12년 대한당뇨병학회 및 질병관리본주 조사에 따르면 성인 당뇨환자의 75%가 과체중이거나 비만에 속한다고 보고 하였다. 이에 분석 수행 시 나이, 성별 및 체질량지수(Body Mass Index, BMI)을 보정변수로 사용하였으며 유의수준(p_value < 5 X 10-7) 기준 14개의 유전변이를 발굴하였다(Table 1).

제2형 당뇨와 전장유전체 연관분석 및 메타분석을 통해 발굴 되었던 유전변이들이 확인되었으며(GCKR, CDKAL1, GCK, ANK, C2CD4A, VPS13C-C2CD4B) 공복혈당 및 당화혈색소 등 혈당 지수 (glycemic related trait)와 연관성을 나타내었던 유전변이(GCKR, SIX3, HECTD4, ANK1)가 본 연구를 통해서도 확인되었다. 추가적으로 HUNK 유전변이가 본 연구를 통해 제2형 당뇨와 연관을 나타내는 유전변이로 추가로 발굴되었다. 이 유전변이는 아시아유전체 역학 네트워크(Asian Genetic Epidemiology Network, AGEN) 컨소시엄 및 다이어그램 컨소시엄(Diabetes Genetics Replication And Meta-analysis Consortium, DIAGRAM) 메타분석 결과에서도 제2형 당뇨와 연관성을 나타내었다.

본 연구는 제2형 당뇨의 원인 유전변이를 발굴하고자, 제2형 당뇨에 영향을 미치는 형질을 선정하여 다중연관성 분석을 시행한 결과 제2형 당뇨 전장유전체 연관분석 및 메타분석을 통해 발굴 되었던 유전변이들이 확인되었으며, 기존 발굴되지 못하였던 유전변이도 추가적으로 확인 할 수 있었다. 이는 기존 검정력(power)이 낮아서 유의하지 나오지 않았던 유전변이들을 추가로 발굴 하였다는 것에 의의가 있다. 본 연구 결과를 바탕으로 확인해 본 결과, 다중연관성 분석으로 각 변수를 고려한 경우보다 sample size를 키우는 효과를 나타내기 때문에 기존 GWAS연구를 수행하여 발굴하지 못했던 원인유전변이(causal variant)를 발굴할 수 있는 효율적인 연구 방법으로 지속적인 연구가 필요할 것으로 사료되어 진다.

<참고문헌>

1. Mahajan A. et al. (2014). Genome-wide trans-ancestry meta-analysis provides insight into the genetic architecture of type 2 diabetes susceptibility. Nat Genet. 46(3):234-244.
2. Yoon Shin Cho. et al. (2012). Meta-analysis of genome-wide association studies identifies eight new loci for type 2 diabetes in east Asians. Nat Genet. 44(1):67-72.
3. Manolio TA. et at (2009). Finding the missing heritability of complex diseases. Nature 461(7265):747-53.
4. Sungho Won. et al. (2015). Family-based association analysis: a fast and efficient method of multivariate association analysis with multiple variants. BMC Bioinformatics 16:46.