Showing posts with label NGS. Show all posts
Showing posts with label NGS. Show all posts

Thursday, August 30, 2012

스티브 잡스 vs. 루카스 와트맨 :: 개인유전체 정보를 이용한 암 치료 혁명

 스티브 잡스는 사망 후에도 히트작을 하나 만들어 내는데, 전세계에서 엄청나게 팔려나간 그의 자서전이 바로 그것이다.  잘 알려져 있다 시피 스티브 잡스는 치료법이 거의 없는 췌장암에 걸려 죽음을 앞두고 있다가,  치료가 가능한 희귀한 형태의 췌장암이라는 것이 밝혀지고 수술을 통해 6년을 더 살다가 다시 암이 재발해 숨을 거뒀다.  앞서 언급한 스티브 잡스의 자서전엔 그가 겪은 암의 치유 과정이 좀 더 자세히 묘사되어 있는데,  대체 의학에 대한 그의 믿음 때문에 치료 시기를 놓쳐 걷잡을 수 없는 상태로 암이 악화되어 갔고, 그의 의료진은 할 수 있는 모든 것을 다 시도할 수밖에 없는 상황에 놓여 있었다.

재발한 암에 고통받던 시기 스티브 잡스의 마지막 애플 컨퍼런스 기조연설


게놈 분석으로 암 치료를 시도한 스티브 잡스

앞서 언급했듯, 췌장암은 특별한 치료 방법도 없고, 약도 개발되어 있지 않다.  무기력하게 죽음을 기다릴 수밖에 없는 상황의 스티브 잡스의 치료에 지구상 최고 수준의 의료진(스탠포드, 하버드 등의 의료 연합팀) 이 실낱같은 희망을 가지고 시도한 마지막 암 치료 방법은 '개인 유전체 분석' 이었다.

잡스의 의료진이 선택한 게놈 분석은 전장 지놈 분석( Whole Genome Sequencing ) 으로 인간의 30억개 DNA 서열을 모두 읽어 분석하는 방식이다. 이런 whole genome 분석은 2001년 인간게놈프로젝트(HGP: Human Genome Project ) 에서 30조를 들여서야 가능했지만, 지금은 천만원 단위로 그 가격이 낮아져있고, 잡스의 게놈을 분석할 당시인 2009년~2010년  경엔 천만원 정도를 들이면 가능한 수준으로 낮아져 있었는데, 잡스의 사망 후 밝혀진 내용에 따르면 이에 십만달러 우리돈 1억 정도가 들었다고 한다. 현재 실험실 레벨에서의 전장 게놈 분석 비용은 3백만원 아래다.

암 환자의 게놈을 읽는 것이 어떻게 암의 치료로 이어질까? 컨셉은 매우 간단하다. 간략하게 서머리 해보면,

  1. 암 환자의 정상 세포와 암세포의 게놈을 읽는다.
  2. 두 게놈을 비교하여 암세포에 변형이 일어난 DNA 를 찾는다.
  3. 변형이 일어난 DNA 로 인한 비정상적 세포 기작을 일으키는 유전자를 찾는다.
  4. 3번 과정에서 찾은 유전자를 타겟으로 하는 약의 처방 이나 시술을 시행한다. 

위와 같은 순서로 요약할 수 있다.  문제의 원인이 되는 DNA 를 찾고, 이 DNA 가 포함된 유전자를 표적으로 하는 약을 찾아 처방한다는 것이 게놈 분석을 통한 암 치료의 핵심이다. 여기서 중요한 포인트는 문제가 되는 유전자를 표적으로 하는 약은 '암치료 약'이 아닐 수 있다는 사실이다. 평범한 감기약도 암을 유발하는 DNA 가 포함된 유전자를 타겟으로 하면 암을 치료하는 약이 될 수 있다는 사실이다.

Why Genome Sequencing for Cancer Treatment? 

이쯤에서 상기해야 하는 사실 ' 우리는 서로 모두 다른 게놈 DNA 서열을 가지고 있다' 

치료 방법이 없는 스티브 잡스의 게놈을 왜 분석했을까? 그래봐야 치료법이 없는 암을 앓고 있지 않았나? 맞다. 하지만 그의 게놈은 지구상 그 누구의 게놈과도 다른 유일한 DNA 서열로 이루어져 있다. 그의 암을 일으킨 DNA 들은 기존의 암치료제들이 표적으로 삼지는 않지만, 이미 존재하는 다른 약들은 표적으로 삼을 가능성이 존재한다. 이 '개인 특이적 DNA 다형성' 이 암 치료에 게놈 분석을 도입하고, 효과적으로 이용될 수 있는 이유다.

애석하게 스티브 잡스의 게놈 분석에서는 치료에 효과적으로 사용할 만한 정보를 찾는데 실패했고,  그는 죽음을 받아들여야 했다.

잡스가 죽고난 이후, 2012년 게놈 분석을 이용하여 암을 효과적으로 치유한 사례가 뉴욕타임즈 기사에 실리면서 화제가 되고 있는데, 더욱 화제가 될 만한 것은  이를 적용한 대상의 암 환자가 워싱턴 대학에서 암을 연구하는 의사라는 사실이다.


루카스 와트맨( Lukas Wartman )

루카스 와트맨은 대학 시절 여름 방학 때 잠깐 병원에서 일하면서 암 연구에 매료되었고, 세인트루이스 소재 워싱턴 대학 의과대학에 진학하여 암 연구 의사가 되기로 결심한다. 하지만 2002년 그의 의과대학 마지막 해 스탠포드 대학 레지던트 프로그램 인터뷰가 있던 날 아침 처음 겪어보는 엄청난 피로감과 함께 이런 계획들은 난관에 봉착하게 된다.

백혈병( 정확히는 급성 림프구 백혈병 , ALL : Acute Lymphoblastic Leukemia ) 에 걸렸던 것이다. 그는 스탠포드에서 레지던트 프로그램을 하려던 계획은 취소하고, 워싱턴 대학에 남아 치료와 레지던트 프로그램을 병행한다.  2년여의 화학요법 치료를 마치고 건강히 5년이 지나 암이 치유된 것 처럼 보였지만, 암은 다시 재발한다.  남동생의 골수를 이식받고난지 3년지 지난 후에도 다시 암이 재발한다.

담당 의료팀은 모든 방법을 시도해 봤지만, 아무 것도 효과가 없었다.


와트맨( 왼쪽 ) 과 그의 보스이자 연구 동료, 그리고 주치의인 존 디페르시오( John Dipercio )


더이상 가능한 방법이 없던 시점, 마지막 희망은 그의 게놈을 분석하여 치료를 하는 획기적 기술이었다. 워싱턴 대학 유전학 연구소의 책임자 리차드 윌슨과 엘라인 마디스 팀이 그의 게놈을 분석하기 시작했다.

DNA가 아닌 RNA 가 암을 치료하다 

연구팀은 먼저 그의 DNA 를 분석했다. 예상대로 많은 변형 DNA 들이 발견되었지만, 이들 DNA 를 표적으로 하는 약이 없었기 때문에 아무런 도움이 되지 못했다.   그래서 그들은 또다른 유전체 정보인 RNA 로 방향을 틀었다. 그리고 예상치 못한 발견을 하게 된다.

연구팀은 백혈병 세포에서 FLT3 라는 유전자가 광범위하게 발현이 되고 있음을 알아냈다. FLT3 유전자는 정상 세포에서 세포를 성장시키는 역할에 관여한다. 암이 무엇인가? 세포의 끝없는 성장이다. 곧, 과발현된 FLT3 유전자는 와트맨의 암 세포를 빠르게 성장시키는 암의 원인 유전자가 되고 있다는 가정을 할 수 있게 된다.

이 보다 더 와트맨에게 희망을 준 사실은 Sutent 혹은 Sunitinib 이라 불리는 FLT3 유전자를 표적으로 하는 신장암 약이 막 허가를 받아 시판되고 있었다는 점이다. 하지만 약값은 하루 $330불로 매우 비쌌고, 와트맨의 보험 회사는 약값 지불을 거부했다.

보험 회사가 두번이나 그의 간청을 무시하자, 그는 Sutent 의 제조사 화이자(Pfizer) 에 접촉해 그의 연봉으론 7개월 보름 분의 약값 밖에 지불할 수 없다며 약 제공을 간청했지만 여전히 묵살 당하고 만다. 동료 의사들의 도움으로 약을 제공받게 된 와트맨은 약을 복용한지 2주 백혈병 세포로 가득했던 골수가 완전히 깨끗해져 있음을 생검 검사를 통해 확인하게 된다.  이후 여러가지 검사를 통해서도 그의 백혈병은 치유되었음이 확인된다.  ( Cytometry, FISH 테스트 등)

이후 화이자는 와트맨에거 Sutent 를 무료로 제공하기로 결정했고, 그는 지금까지 건강하게 지내고 있다.   워싱턴 대학 병원은 와트맨과 같은 유전적 변이가 암에서 발견될 때, Sutent 를 처방하여 치료할 수 있도록 하기 위한 Clinical trial testing 의 런칭을 준비중이라고 한다.


스티브 잡스, 와트맨, 그리고 당신 

같은 게놈 분석을 암치료에 적용하고도 스티브 잡스는 죽었고, 와트맨은 치유되었다.  와트맨은 운이 좋았다. 운 좋게 그의 변이 유전자를 표적으로 하는 약이 개발되어 있었고, 스티브 잡스는 아마도 이런 유전적 변이와 이를 표적으로 하는 약을 찾을 수 없었을 것이다.

하지만 와트맨과 같은 사례는 앞으로 더 많은 숫자와 주기로 반복될 것이다. 이런 사례들은 각각 새로운 암 치료 '유전자 변이-표적 약'  조합을 가지게 되고,  암으로 고통받는 수많은 사람들중 상당수를 구원하게 될 것이다.

스티브 잡스, 와트맨 처럼 게놈 분석을 하기 위해선 아직도 꾀나 많은 돈이 든다. 하지만 유전체 분석 비용은 가파르게 떨어지고 있고, 암 유전체 분석만을 위해서 구체적으로 상품을 꾸린다면 지금도 천만원 보다 적은 돈으로 이런 치료를 시도해 볼 수 있다 ( 마진을 거의 붙이지 않는다면 ).

우리는 이런 기술이 가능한 세상에 살고 있고, 이런 기술이 앞으로 암에 걸린 당신을 치유하게 될 것이다.

Saturday, August 6, 2011

GigaScience :: BGI 가 출간하는 저널

BGI 가 BioMedCentral 과 합작하여 GigaScience라는 새로운 저널을 출간한다는 소식이다.  ( http://www.gigasciencejournal.com/ )

'Big Data' 에 기반한 생의학 연구들의 출판을 목표로 하고 있고, 리뷰 과정에서 기존의 '학문적 의미'에 대한 잣대와 동시에 데이터의 유용성과 재연성을 중요한 잣대로 할 계획이라고 한다.

또하나 흥미로운 점은 '데이터셋' 자체에 DOI 를 부여하여, 데이터가 하나의 연구 논문에서 분석되는데서 벗어나 넓리 퍼져나가 다양한 연구에 이용될 수 있도록하여 데이터의 가치를 극대화하겠다는 점을 공언한 점이다.

"데이터의 '저장'과 함께 데이터의 효과적인  '전파' 도 중요한 문제다  "
- GigaScience 저널의 편집장 Scott Edmunds( BGI 소속)

데이터셋 자체에 DOI 를 부여하는 건 정말 '학계' 에서 보기 드문 획기적인 발상이다.  또한 이는 지난 10년 간의 Genomic data 들의 낮은 재사용성을 NGS data에 대해 답습하지 않을 수 있는 가능성을 어느 정도 열어 준다고 평가한다.

Microarray database인 NCBI 의 GEO에는 현재 24,000여개의 독립된 dataset (GSE 단위) 이 존재하지만, 두번 이상 재분석 된 dataset은 손에 꼽을 정도다. 기본적으로 어떤 논문에 어떤 GSE data가 쓰였는지 논문 본문을 검색하거나, 반대로 geo 데이터를 검색하지 않는 이상 알 수 없고, 해당 논문이 인용이 되어도, 논문에 딸린 dataset에 대한 인용인지를 평가하는 것도 어려운 등의 문제가 존재하여, dataset 자체에 대한 평가가 어려웠다는 문제가 있었기 때문이다.

1. Dataset 자체에 DOI 가 붙으면, 이를 분석한 논문과 별개로 dataset 자체에 대한 citation 이 가능해진다. 따라서 어떤 Dataset 이 퀄리티 높고, 재연성이 높은 dataset 인지를 일목요연하게 search하고 분석하는 것이 가능해 진다.

2. 인용이 가능해짐은 곧, dataset 자체로 높은 citation 을 얻을 수 있다는 얘기. 이는 곧, 높은 품질의 dataset 생산과 '전파' 에 대한 연구자들의 '동기'를 유발하게 하는 효과를 불러 일으킬 수 있다.
이는 다시 재연가능하고 유용한 dataset 숫자의 증가라는 긍정적인 결과로 이어진다.

2010년이 넘어가면서 본격적으로 생물학은 data dependent information science 로 넘어왔다. 바야흐로 bioinformatics 의 전성시대가 열리고 있고, dataset 자체가 논문과 상응하는 DOI 를 가질 수 있는 시대가 열렸다는 것은 이런 '시대의 흐름'을 보여주는 한 단면이 아닐까

Tuesday, March 8, 2011

NCBI SRA 서비스 중단

NGS 기술을 통해 쏟아져 나오는 sequence 데이터 저장소 서비스였던 NCBI의 SRA( Sequence Read Archive ) 와 Trace Archive 가 예산 부족을 이유로 서비스를 중단한다는 소식이다( http://www.ncbi.nlm.nih.gov/sra ). NCBI  의 다른 데이터베이스들과 비교해 리소스는 많이 잡아먹으면서, 활용도(인기) 는 상대적으로 많이 처지는 상황이었기에 이런 결정을 내렸다는 의견이 있다.

그러나 3대 genome 기관 중 NCBI 를 제외한 두곳, EBI 와 DDBJ 는 SRA 서비스를 계속 한다는 방침을 발표했다( http://www.ebi.ac.uk/ena/SRA_announcement_Feb_2011.pdf , http://www.ddbj.nig.ac.jp/whatsnew/2011/DRA20110222.html ).

규모나 연구자금 면에서 가장 여유로운 미국의 NCBI 가 차후 바이오텍을 혁명적으로 바꾸어나갈 NGS raw data 저장소 서비스를 EBI 나 DDBJ 에 앞서 중단한다니 다소 의외다. 차후 새로운 포맷으로 효율적인 새 NGS 저장소 서비스를 준비하려고 하나 싶다가도, 그럴 계획이 있었다면 기존의 SRA 서비스를 살려놓은 채로 smooth 하게 변화를 주었을 거란 생각을 하면, 이번 결정이 SRA 서비스 자체의 효용성에 대해 NCBI 내부에서 '부정적' 으로 결론을 내렸기 때문이 아닌가 하는 생각이 든다.

SRA 서비스가 효용성이 떨어진다고 결론내렸다면 아래 두가지 이유가 아니었을까...

1. NGS raw data 자체의 비효율성
- NGS raw data 는 보통 수십배 중복되어 같은 부위의 DNA 를 읽은 수백 base 단위의 read 들로 구성되어 있다. 이 데이터는 assemble 되어 중복이 제거된 하나의 full sequence ,  목적에 따라 CNV 데이터, RNA-seq 의 경우 expression 데이터로 변환 될 수 있는데, 이 과정에서 불필요하게 중복된 데이터들이 제거될 수 있다.

개인의 whole genome 분석을 수행한 NGS raw 데이터라면, 30배수로 실험을 수행한 경우 3GB*30 = 90GB(완전한 raw data 라면 이 보다도 훨 크겠지) 가 소모되지만 분석 결과는 하나의 whole genome 3GB 다.  효율적이고 간결한 whole genome DB 가 필요하다면, 불필요한 나머지 87GB 의 데이터를 모두 저장하고 있을 필요가 없다.

2. 기존의 다른 NCBI DB들과의 중복성
- SRA 중단을 알리는 글에,
RNA-seq 는 GEO,
varient와 genotype, polymorphism 정보는 dbVar, dbGaP, dbSNP,
genome assemblies 는 Genbank/WGS,
transcript 는 Genbank/TSA,
16s ribosomal RNA 와 기타 genomic data 는 Genbank
를 이용해 저장하라고 안내되어 있다.

NGS raw data 를 processing 하여 얻을 수 있는 정보들은 모두 기존의 NCBI DB들이 담고자 하는 정보와 부합이 되기 때문에, 복잡하고 생명정보학 전문가들이나 컨트롤 할 수 있기에 생물학계 전반의 학자들에 의한 활용도가 낮은 SRA 서비스를 중단하고, 기존의 DB 들에 NGS raw data 분석 결과를 저장해 나가자는 결정을 내렸을 수도 있을 것 같다 ( 정말 예산이 부족했다면...)

NGS 데이터 분석을 해본 적이 없어, NGS raw data 가 얼마나 효용성이 큰 데이터 인지는 사실 잘 모르겠다. 예컨데 1000명 인간의 whole genome sequence 를 분석했다면, 1000개의 whole genome sequence 가 최종 결과다. 중간의 분석 과정에서 어떤 분석 방법을 쓰느냐에 따라 아마 sequence 결과에 조금씩 차이가 생기긴 하겠지. 하지만 NGS 기계 자체의 기술적 진보와, 분석 방법의 발전은 적당한 선에서 consensus 가 이루어 질 것이다( CNV, epigenetic data 등 한 NGS raw data set 에서 나올 수 있는 것들 포함). 그런 상황에서 NGS raw data 를 이용해 새로운 연구를 해볼 만한 여지는 크게 없지 않나 하는 생각이 들기도 한다.