pharmacogenetics – 두마디 정밀의료

[논문소개] 면역억제제 Tacrolimus의 약물 유전체 연구

작년부터 미국에 오기 전까지 부랴 부랴 동시에 4개의 논문을 쓰고 있었는데, 그중 2개 논문의 온라인 출판이 완료 되었습니다. 그래서 앞의 논문을 소개한 김에, 함께 출판된 다른 약물 유전체 연구도 소개를 해볼까 합니다. 이번 연구의 프로젝트도 약리학 교실에 처음 박사 과정으로 들어오면서 부터 시작했던 프로젝트인데, 장기 이식 후의 면역 억제제로 널리 사용하는 Tacrolimus와 관련된 약물 유전체 연구입니다. 개인적으로는 처음으로 본격적으로 NGS 패널과 Microarray인 한국인칩을 분석하면서 진행했던 프로젝트입니다.

[관련 논문 보기]

https://journals.lww.com/transplantjournal/Abstract/9000/Unraveling_the_Genomic_Architecture_of_the_CYP3A.95339.aspx

논문의 제목은 “Unraveling the Genomic Architecture of the CYP3A Locus and ADME Genes for Personalized Tacrolimus Dosing“으로, 장기 이식 수술 후 면역 억제 반응을 위해 사용하는 Tacrolimus의 약물 대사에 관여하는 약물 유전자의 변이들과 개인간의 약물 농도의 변화를 살펴봄으로써, 유전자의 기능에 따라 환자 개인별 최적 처방 용량을 guide하기 위해 진행했던 연구입니다.

[관련 포스팅 보기]

사실 본 연구 주제는 그동안 많은 연구자들이 달려들어서 진행해왔고, CYP3A5의 변이 (rs776746)가 Tacrolimus 대사능과 관련이 있다는 것이 매우 잘 알려져 왔으나, 해당 변이로는 개인간 편차의 50% 정도 밖에 설명할 수가 없어서, 추가적으로 다른 유전자를 발굴하는 것이 많은 연구자들이 목표였습니다. 이번 연구에서는 약물 유전자 전체를 스크리닝할 수 있는 약물 유전체 NGS 패널 (PGx panel) 과 한국인 특이 변이를 탐색할 수 있는 한국인칩 (Korean Chip)를 이용하여, 해당 문제를 풀려고 하였습니다.

연구 결과, 역시 기존에 알려져 있던 CYP3A5의 rs776746 변이 가 제일 중요한 인자로 작용함을 확인했고, 개인별로 드물게 존재하는 CYP3A5, CYP3A4의 희귀 변이 (rare variant)를 이용하면, 추가적으로 rs776746 의 변이가 설명하지 못했던 개인간 편차를 더 잘 설명할 수 있음을 확인하였습니다. 이 결과는 개별 맞춤 약물 처방을 하는데, 개인별로 드물게 존재하는 희귀 변이 (rare variant)를 고려하는 것이 매우 중요함을 시사합니다.

특히, 연구의 분석을 위해서, 서울대 이승근 교수님께서 개발하신 SKAT이라는 분석 방법을 이용하였는데, 이 tool을 이용하여 최초로 CYP1A1 유전자의 희귀 변이들과 Tacrolimus 개인간 편차와의 연관성을 확인하였습니다. 다만, 이번 연구를 통해 다시 한번 약물의 대사는 매우 복잡하고 다양한 인자들이 confounder로 작용하기 때문에 개별 유전형 외에도 유전자 발현에 영향을 미치는 다양한 환경적 변수들을 고려해야함을 깨달을 수 있었습니다. 본 연구 결과가 면역 억제제 Tacrolimus를 투여 받는 환자들이 개별 약물 유전형에 따라서, 부작용이 발생하지 않는 최적의 처방 용량을 결정하는데 도움이 되고, 이를 통해 정밀 의료 (Precision Medicine) 가 실현될 수 있기를 기대합니다.

[관련 Commentary 보기]

https://journals.lww.com/transplantjournal/Citation/9000/COMMENTARY__Unraveling_the_Genomic_Architecture_of.95395.aspx

plink를 이용한 GWAS 분석 및 Manhattan plot 만들기

유전체 연구에 있어서 연구 디자인 (Study Design)과 형질 (Phenotype) 은 매우 중요합니다. 특히 약물 유전체 연구에 있어서의 관심 형질은 체내 약물 농도나 대사능, 부작용의 발생 여부 등이기 때문에 더욱더 정확한 표현형을 수집하기가 어려운 점이 있습니다. 최근에 논문을 쓰면서, GWAS (Genome-wide association study)를 돌리고, Manhattan plot을 그릴 일이 있어서, 관련 분석 과정을 정리해볼까 합니다.

관련 포스팅 보기>

I. PLINK

대부분의 GWAS는 SNP array를 이용하여, 대표 유전자 마커를 이용한 표현형 연관성 연구로 진행이 되는데, 이때 주로 사용하는 Tool이 plink입니다. (해당 tool이 논문으로 나온게 2007년이니까 벌써 10년도 넘은 소프트웨어입니다..) 그러나 아직도 쓰이고 있다는 건, 그만큼 많은 연구자들이 쓴다는 것이고, 대표적인 소프트웨어라고 할 수 있습니다. (~~1.9 버젼이 나온 이후, 2.0 버젼을 베타 테스트하고 있다고 한지도 꽤 오래 되었는데, 그 이후 업데이트가 매우 느리게 진행되고 있는 것이 단점입니다.~~) 물론, BI tool 답게 많은 경쟁 소프트웨어들이 나왔는데 (ex. EPACTS), 아직도 대부분의 논문에서 plink를 쓰는 것을 보면, 대부분의 분석을 하는데 plink만 있어도 크게 무리가 없기 때문이 아닐까 합니다. plink의 사용법은 plink 홈페이지 (PLINK: Whole genome data analysis toolset)의 tutorial page에 매우 자세하게 소개가 되어 있어서, 그때 그때 필요한 내용들을 찾아서 쓰면 됩니다.

plink 다운로드 및 설치>

<VCF 파일 압축 및 인덱싱>

bgzip -c [myvcf.vcf] > [myvcf.vcf.gz]
tabix -p vcf -f [myvcf.vcf.gz]

<PED, MAP 파일 or BED, BIM, FAM 파일 만들기>

plink 실행을 위해서는 PED & MAP file 또는 binary 형식으로 변환된 BED, BIM, FAM file이 필요합니다. 일반적으로 SNP array 데이터를 생산하면 만들어주기 때문에 따로 준비할 필요는 없습니다. 간혹 NGS로 생산된 시퀀싱 데이터로 plink로 실행하고 싶은 경우, vcf 파일을 위의 형식으로 변환하면 좋은데, 아래와 같은 command가 유용합니다.

plink --noweb --vcf [myvcf.vcf.gz] --recode --out myplink
plink --noweb --vcf [myvcf.vcf.gz] --recode --make-bed --out myplink

<PLINK 파일 기본 QC>

plink --file myplink --missing-genotype N --make-bed --mind 0.05 --maf 0.05 --geno 0.1 --hwe 1e-6 --recode --out myplink.QC

missing genotype 여부, genotyping calling rate, minor allele feqeuncy, HWE (Hardy-Weinberg equilibrium) cut-off 기준으로 이를 위반하는 SNP들은 모두 날려버리는 quality control 과정입니다.

<plink를 이용한 연관 분석>

plink를 이용한 연관 분석은 통계 모형에 기반하기 때문에 우선적으로 어떤 모델을 이용하여, 어떻게 분석을 할지를 고려해야 합니다. Genetic inheritance mode (Additive, Dominant, Recessive)와 분석 형질이 Dichotomous trait인지 Continuous trait 인지에 따라서 Case-control, linear regression, logistic regression model 등을 적용할 수 있습니다. 더불어, 보정을 위한 공변량(covariate)으로 무엇을 선택할 것인지도 중요합니다.

분석을 위한 Input Phenotype data를 준비하는 과정도 중요한데, 다음 페이지에서 자세하게 소개가 되어 있습니다.

[분석을 위한 command]

plink --noweb --bfile [mydata] --[additive/dominant/recessive] --[assoc/linear/logistic] --pheno [phenotype_file] --pheno-name [phenotype_name] --covar [covariates_file] --covar-name [covariates_name] --out [result_file]

위의 command에 적절한 inheritance mode [additive/dominant/recessive]와 분석 모델 [assoc/linear/logistic]을 골라서, 분석을 실행하면 됩니다. 특정 SNP에 대한 Conditioning을 원하는 경우, –cond [SNP ID]를 추가합니다.

위의 분석 과정을 거치면, 모든 SNP 위치에 대한 Beta 및 P value가 계산됩니다. Beta는 해당 SNP의 Effect size를 나타내는 통계량이고, P value는 해당 SNP의 통계적 유의도를 의미합니다. Manhattan plot은 일반적으로 여기서 계산된 P value에 -log를 취한 형태로 그리게 됩니다.

II. Manhattan Plot 그리기

Manhattan Plot을 그리는 방법도 다양하지만, 여기서는 제일 간편한 qqman R package를 이용하도록 하겠습니다. 자세한 option은 아래 Reference의 자료들을 참고 바랍니다.

library(qqman)

## plink 결과 파일 불러오기
data &amp;amp;lt;- read.table("plink_result", header = T, stringsAsFactors=F)

## Manhattan plot 그리기
manhattan(data, main = "Manhattan Plot", ylim = c(0, 40), cex = 0.8, cex.axis = 0.9, col = c("grey", "skyblue"))

## QQ plot 그리기
qq(data$P)

위의 패키지를 이용하면, 위와 같은 Manhattan plot을 손쉽게 만들 수 있습니다.

III. HaploView

마지막으로, SNP 정보의 linkage 여부에 따른 LD block의 시각화를 위한 Haploview에 대해서 간단히 정리하고, 포스팅을 마치도록 하겠습니다.

Haploview 4.2 Download

plink --noweb --bfile [mydata] --extract [Gene_SNP_list] --recodeHV --out [Gene_haploview]

plink의 위의 command를 이용하여, Haploview를 원하는 SNP의 list에 대해 ped 및 info 파일을 생성합니다. 이를 HaploView 프로그램을 통해 loading해주면, 생성된 LD block과 계산된Haplotype 조회가 가능합니다. 아래 그림은 HaploView를 이용하여, 생성된 LD block 입니다.

[References]

PLINK: Whole genome data analysis toolset

Purcell, Shaun, et al. “PLINK: a tool set for whole-genome association and population-based linkage analyses.” The American journal of human genetics 81.3 (2007): 559-575.

Chang, Christopher C., et al. “Second-generation PLINK: rising to the challenge of larger and richer datasets.” Gigascience 4.1 (2015): s13742-015.

qqman R package GitHub

Manhattan plot in R: a review

[유전학 중요 정리] Nonsense-mediated decay (NMD) and Genetic compensation

그동안 시간이 날때마다 유전학 관련하여 중요한 개념을 하나씩 정리했습니다. 오늘은 그동안 정리하지 못했던 매우 중요한 개념인 Nonsense-mediated decay (NMD)와 최근에 Nature에 그 메커니즘이 발표된 NMD의 결과 발생하는 Genetic compensation에 대해서 정리해 보고자 합니다.

Nonsense mutation은 Premature termination codon (PTC)을 발생시키는 변이로 coding 영역의 전체 단백을 정상적으로 발현시키지 못하고 조기 종결되어, 유전자의 입장에서는 기형 단백 (Truncated protein) 을 발생시키는 결과를 초래합니다. 대부분의 Frameshift mutation 역시 PTC를 발생시키고, 그래서 일반적으로 Nonsense와 Frameshift mutation은 Protein Truncation Variant (PTV)로 변이 판독에 있어 definitely pathogenic variant로 구분 됩니다. 위와 같은 기형 단백의 발현을 대부분 정상 단백의 작동을 방해하는 Dominant negative 방식으로 작동하게 되고, 따라서 세포의 입장에서는 이러한 기형 단백의 발현을 억제하는 기작이 필요하게 되는데, 이러한 정상적인 mRNA만 발현하도록 검열하는 기작을 Nonsense-mediated decay (NMD) = (nonsense mRNA는 소멸시킨다)라고 합니다. 아래는 NMD의 생물학적인 역할을 정리한 그림입니다. 정상 mRNA의 발현과 유전자 발현을 조절하는 중요한 역할을 하고 있음을 알 수 있습니다.

관련 포스팅 보기>

[유전학 중요개념 정리] Haploinsufficiency와 pLI score, Dominant Negative

그러나 세포의 입장에서 NMD의 존재는 양날의 검과 같습니다. 즉, NMD에 의해서 기형 단백은 전혀 발현되지 않도록 하면, 기형 단백의 발현으로 인한 방해는 예방할 수 있지만, 전혀 발현되지 않음으로 인한 기능 저하는 감수해야되는 것입니다. 그러나 최근에 생물학적으로 NMD의 결과를 보상하기 위해서, PTC가 발생한 유전자와 유사한 유전자들의 발현을 보상적으로 증가 시킴으로 인해, 그 기능을 일부 대체한다 (Genetic Compensation) 는 사실이 메커니즘적으로 밝혀졌습니다.

이 연구 결과는 그 의의가 매우 중요한데, 특히 CRISPR/Cas9과 같은 tool을 이용하여 유전자를 Knock-out 시켜서 유전자의 기능을 살펴볼 때, 흔히 사용하는 Mouse model에서 나타나는 Phenotype (형질)이 단순한 유전자의 기능 소실의 결과를 그대로 반영하는 것이 아니라는 것입니다. 즉, 위 기전은 많은 경우에 기대하던 유전자를 Knock-Out 시켰는데도 불구하고, 원하던 형질이 나타나지 않는 현상에 대한 설명이 됩니다. 거꾸로 어떤 특정 환자의 질병 원인 유전자를 찾는 관점에서 보면, 환자의 질병은 단순하게 한 두개의 원인 유전자 또는 변이에 의해서 초래되었다기 보다는 위와 같은 다양한 보상 기전에도 불구하고, 질병이 발생했다고 보는 것이 타당합니다.

약물 유전학적 관점에서도 위의 메커니즘은 매우 중요한데, 약물 관련 유전자가 워낙에 유사 유전자 (Paralogue gene) 및 isoform이 많기 때문입니다. 발생 과정과 같은 매우 중추적인 생물학적 과정과 달리 약물의 대사 관련 유전자는 섭식과 약물의 노출 환경에 따라서 매우 다양하게 진화하였기 때문입니다. NMD의 결과 초래된 유전적 보상 메커니즘은 약물 유전체에 따른 다양하고 복잡한 반응을 일부 설명하고, 연구 과정에서도 중요하게 고려해야할 것으로 보입니다.

관련 포스팅 보기>

[실험실 노트] 유전자 가위 CRISPR/Cas9을 이용한 Gene Editing

약물 유전체 연구가 어려운 이유

[References]

Nickless, Andrew, Julie M. Bailis, and Zhongsheng You. “Control of gene expression through the nonsense-mediated RNA decay pathway.” Cell & bioscience 7.1 (2017): 26.

Genetic paradox explained by nonsense; Nature NEWS and VIEWS

Ma, Zhipeng, et al. “PTC-bearing mRNA elicits a genetic compensation response via Upf3a and COMPASS components.” Nature (2019): 1.

El-Brolosy, Mohamed A., et al. “Genetic compensation triggered by mutant mRNA degradation.” Nature (2019): 1.

약물 유전체 연구가 어려운 이유

저는 작년 2월부터 1년 반정도의 기간을 약물유전체 연구를 하고 있습니다. 지도 교수님이신 이민구 교수님과 다양한 약물 반응에 대한 유전적 바이오 마커를 발굴하는 연구를 하고 있는데, 생각보다 쉽지가 않고, 좋은 결과가 나오지 않고 있습니다. 그에 비해 최근에 선천성 기형의 일종인 두개골 조기유합증이라는 희귀질환에 대해 성형외과 및 신경외과와 공동연구에도 참여하고 있는데, 많은 환자들의 유전적 원인들을 확인할 수 있었습니다. 유전적 소인과 형질 간에는 어떠한 연관이 있는 것일까요? 이번 글은 흔히 말하는 Common disease 와 Rare disease 의 차이와 더불어, 지난 1년반정도의 기간을 약물 유전체 연구를 하며 느낀 점들과 왜 약물 유전체 연구가 어려운지에 대해서 정리해보고자 합니다.

기본적으로 약물 유전체 연구는 크게 여러 사람들이 동일한 약물을 먹었을 때 혈중 유효 농도가 다양하게 나타나는 것에서, 어떤 유전적 차이가 이러한 약물 대사에 기인하는지와 부작용 발생 유무의 위험도를 예측할 수 있는 유전적 바이오마커가 있는지에 관심을 갖춰 연구되고 있습니다.

관련 포스팅 > 약물 유전학은 왜 정밀의료에서 중요한가?

I. 약물 반응은 복합 형질 (Complex trait)이다 : 기본적으로 약물의 대사 과정에는 다양한 약물 효소가 관련합니다. 또한 약물이 흡수되어 배출되기까지의 대사 과정 (ADME) 또는 약동학 (Pharmacokinetics) 과정에는 다양한 요소들이 관여하기 때문에, 한 두가지 유전적 소인이 형질에 결정적 차이를 나타내기 어렵습니다. 복합 형질로 가장 많이 연구되는 질병 중 하나가 2형 당뇨병 (Type 2 Diabetes mellitus; T2DM)인데, 당뇨병 발생의 원인과 그 유전적 요인에 대해서 많은 연구가 진행되었지만 여전히 속 시원한 유전적 원인에 대해서는 알지 못하고 있습니다. 특히 이러한 복합 형질에서 발굴된 유전적 마커들은 형질의 차이에 기여하는 정도가 매우 작아서, 대부분의 효과 크기 (Effect size)가 매우 작습니다. 그래서 그나마 연구가 잘되고 결과가 잘 나오는 것은 효과 크기가 매우 큰 한 두가지의 유전적 인자가 약물의 부작용 발생 유무에 영향을 미치는 경우입니다.

II. 약물 반응의 측정 자체가 어렵다 : 체내 약물 대사능에 영향을 주는 유전적 인자를 확인하고자 하는 연구의 경우, 일단 환자에서 해당 약물 농도 측정 자체가 매우 어렵습니다. 현실적으로 환자들에게는 의사들이 체중이나 대사능 등을 고려하여 약을 처방하기 때문에 복용한 약물의 양도 간격도 전부 달라지게 되며, 약물 농도라는 것도 매우 변동성이 심하기 때문에 언제 채혈하였는지, 다른 약과 함께 복용하였는지 (drug-drug interaction), 음주 & 흡연 여부, 성별 등 다양한 요소에 영향을 받게 됩니다. 기본적으로 이러한 요소들에 대한 명확한 통제가 어렵고, 보정을 한다고 하더라도 그 측정 약물 농도가 명확하게 그 사람의 약물 대사능을 대변하지도 못합니다. 즉, 처음부터 얻어지는 정보 자체에 매우 큰 변동성이 있기 때문에 해당 데이터와 유전적 정보 간의 연관성을 찾으려고 해도, 그 영향이 명확하게 큰 경우가 아니면 연관성을 찾기가 매우 어렵습니다.

III. 약물 대사 경로에는 다양한 대체자가 존재한다. : 이 세상에는 정말로 다양한 약물이 존재합니다. 기본적으로 약물은 간에서 대사되어 신장을 통해 배설된다고 알려져 있습니다만, 약물 개별로 보면 어떤 약물이 정확하게 어떠한 효소에 의해 대사되어 어떠한 형태로 배설되는지, 명확하게 알려져 있는 약물은 그리 많지 않습니다. 희귀 질환의 경우에는 생명에 필수적인 역할을 하는 어떠한 유전자에 문제가 생겨서 바로 질환으로 나타나는 경우가 많습니다. 이는 해당 유전자가 만들어내는 단백질이 중요한 역할을 하고, 다른 유전자가 대신 기능을 해주지 못하기 때문입니다. 반면에 약물 유전자가 만들어내는 약물 효소의 종류는 워낙 다양해서 한 두가지 효소에 문제가 생긴다고 하더라도, 비슷한 다른 효소가 이러한 역할을 대신해주게 됩니다. 그리고 대사 경로 자체가 한가지 방향으로만 정해져 있는 것이 아니라, 어떠한 길이 막히면 다른 길로 돌아갈 수 있는 대체 경로가 존재하게 됩니다. 즉, 약물 대사능은 한가지 유전자와의 1:1 대응이 아니라, 다수의 효소들이 관여하여 복합적으로 나타나기 때문에 동시에 고려해야할 요소들이 많아지게 됩니다. 이를 유전학적으로 나타내보면 다음과 같습니다.

A number of isoforms (e.g. Cytochrome P450 family, GST family)
Many different transcription mode in a single gene: alternative splicing

IV. 연구 방법의 한계 : 유전적 바이오 마커 발굴의 연구 방법으로 많이 사용하고 있는 것이 SNP array chip 또는 NGS를 통한 시퀀싱입니다. SNP array는 주로 GWAS 연구에 사용하기 때문에 인구집단에 흔하게 존재하는 common variant 연구에 사용하고, NGS 시퀀싱은 유전자의 개별 변이까지 모두 확인하기 때문에 rare variant 발굴에 사용하게 됩니다. 그러나 두 연구 방법 모두 한계가 있습니다. 앞에서 언급한 것처럼 복합형질에서 common variant는 그 효과 크기에 대부분 매우 작기 때문에 GWAS 연구로는 새로운 마커의 발굴이 쉽지 않은 편입니다. 반면 Rare variant 발굴에 유리한 NGS 방법으로는 rare variant를 발굴하여도 그 변이의 해석이 쉽지 않고, 더불어 통계적으로 의미 있는 결과를 얻기 위해 필요한 n수가 매우 커서 현실적으로 연구가 어렵게 됩니다.

전장 유전체 연관 분석, GWAS란 무엇인가?

유전자 변이의 해석: 대용량 기능 검사의 필요성

위에서 언급한 여러가지 이유들로 인해, 약물 유전체 연구는 정말 어려운 분야인 것 같습니다. 하지만 다른 한편으로는 정밀의료 분야의 발전으로 가장 많은 사람들이 혜택을 볼 수 있는 분야도 약물과 관련된 분야이기 때문에, 그만큼 의미가 크다고 할 수 있겠습니다. 이러한 여러가지 어려운 점에도 불구하고, 열심히 노력하고 있는 연구자들이 함께 좋은 연구가 나올 수 있었으면 하는 바람입니다.

동반 진단, Companion diagnostics란 무엇인가?

오늘은 정밀 의료 (Precision Medicine)와 약물 유전학 (Pharamacogenetics) 분야에서 공통적으로 중요한 개념인 ‘동반 진단’ (Companion Diagnostics)에 대해 정리하는 포스팅을 남길까 합니다. 저는 개인적으로 우리 나라의 ‘동반 진단’이라는 어휘를 별로 좋아하지 않습니다. 어휘는 들었을 때 이해하기 쉽고 개념이 바로 연상되어야 하는데, 동반 진단이라는 단어는 이해가 어렵기 때문이죠 (영어식 표기를 단순히 우리말로 번역한 결과).

그러면 ‘Companion diagnostics’ (이하 CD)를 좀 더 쉽게 이해하기 위해서, 어떤 의미의 단어인지 부터 살펴보겠습니다.

‘Companion’: 흔히 동행, 동반자, 친구 등으로 번역되는데 쉽게 말해서 ‘졸졸 따라 다니는’ 의 의미 입니다. / + ‘Diagnostics’ : ‘진단 방법’을 의미 합니다.

즉, Companion diagnostics 는 어떤 약물 치료 또는 처치를 하기 위해, 수반되어 시행해야 하는 (권장되는) 진단 방법 또는 검사를 일컫게 됩니다. 더 쉽게 말하면, ‘너 이 약이나 치료 쓰려면, 이 검사하고 나서 써.’ 입니다. (무슨 이런 쉬운 말을 이렇게 어렵게 이름 붙인답니까..) 더 자세한 정의 및 의미는 아래에서 살펴 보겠습니다.

약물 유전학 관련 포스팅 보기 -> 약물 유전학은 왜 정밀의료에서 중요한가?

Companion Diagnostics가 나타나게 된 배경

사실 CD의 개념은 오래 전부터 있었습니다. 대부분의 CD는 종약학 (Oncology) 분야의 항암제 치료와 밀접한 관련이 있습니다. 1970년 대 진행성 유방암 환자에서 ER (Estrogen Receptor) status에 따라 항암제인 Tamoxifen 의 치료 성적이 달라진다는 사실을 알게 되었고, 1980년 대에는 HER2 유전자의 변이 여부에 따라 유방암의 예후가 달라진다는 사실을 알게되면서, HER2에 변이를 가진 환자에서만 특이적으로 치료 효과를 갖는 HER2 antagonist인 Trastuzumab (일명 Herceptin)이 개발되었습니다. 이렇듯 어떠한 약물 (항암제)의 치료 효과 또는 반응이 떠한 유전자의 변이 여부에 따라 다르게 나타나게되면서, 치료 대상자의 선정도 변이 여부에 따라 선택적으로 이루어 지게 된 것입니다. 이러한 개념이 점차 확대되면서, 약물의 개발 과정에서 부터 CD가 깊게 관여하게 되었고, 최근 개발된 많은 항암제에는 이러한 CD marker가 추가되었습니다. 대표적으로, 최근 유명한 면역 항암제인 PD-1 inhibitor인 Pembrolizumab, Nivolumab 등이 여기에 해당합니다.

CD1 — **[종양학 분야의 항암제 개발과 Companion Diagnostic 마커]** 최근 많은 항암제가 유전자의 돌연변이를 타겟으로 하면서, 항암제 사용을 위한 동반진단 마커가 함께 개발되고 있습니다.

Companion Diagnostics의 정의

실제 의료 현장에서 위에서 언급한 신약들을 정착시킴에 있어 미국 FDA의 승인이 필요하게 되었습니다. 따라서 동시에 CD에 해당하는 진단 검사 방법에 대한 의료 기기 및 검사에 대한 승인을 받기 위해서 CD가 정확히 무엇이다 라는 정의가 필요하게 되었습니다. 이에 따라 현재 널리 쓰이는 CD의 정의는 이 때 FDA에서 정의한 내용을 쓰고 있습니다. FDA에 따르면, Companion Diagnostics란 다음의 내용을 포함하는 체외 진단 검사를 일컫습니다.

To identify patients who are most likely to benefit from the therapeutic product;
To identify patients likely to be at increased risk of serious adverse reactions as a
result of treatment with the therapeutic product;
To monitor response to treatment with the therapeutic product for the purpose of adjusting treatment
To identify patients in the population for whom the therapeutic product has been
adequately studied, and found safe and effective

정리하면, 약물을 안전하고 효과적으로 사용할 수 있는 대상자를 선정하고, 치료를 모니터링할 수 있도록 도움을 주는 체외 진단 검사 방법이 Companion Diagnostics 인 셈입니다.

CD3 — **[Companion Diagnostics의 적응 약물, 관련 질환 및 해당 바이오마커]**

Companion Diagnostics의 임상 활용 및 전망

마지막으로 CD의 임상 활용 및 전망에 대해 살펴 보고 포스팅을 마치고자 합니다. 현재 CD의 개념은 대부분 항암제에 국한된 것이 사실입니다. 많은 연구를 통해 암의 발생 메커니즘 (carcinogenesis)를 이해하면서 이에 근거하여 치료제를 개발하다보니 항암제-유전자 변이 마커 쌍이 성공적으로 정립되고 있기 때문입니다. 그러나 이것은 좁은 의미의 CD이며, 더 넓게는 다양한 의료 현장에서 치료의 선택에 활용이 가능합니다. 또한 앞으로 개발되는 많은 신약들에는 이러한 CD의 개념이 더 폭넓게 적용 및 요구될 가능성이 높습니다. (Drug-diagnostic co-development)

신약 개발 과정 관련 포스팅 보기 -> 신약 개발과 임상 시험, 그리고 시판 후 조사

CD2 — **[Drug-diagnostic co-development]** 최근 Companion Diagnostics는 신약 개발 과정에서부터 함께 고려되어야 하는 중요한 부분이 되었습니다.

더불어, 우리나라에서도 2015년에 식약처에서 체외동반진단기기에 대한 가이드라인을 정립하였습니다. (우리 나라의 현황 및 실무와 관련된 내용은 다음 포스팅에서 다루도록 하겠습니다.) 유전자 검사법이 점점 발전하게 되면서, 앞으로는 더 다양한 치료 효과를 예측하고 모니터할 수 있는 많은 마커들이 발견될 것이며, 이를 통해 조금 더 정밀 의료의 실현에 가까워 질 수 있을 것으로 기대되고 있습니다. 많은 CD 마커들이 발굴되고, 실제로 환자들이 도움을 받을 수 있기를 희망합니다.

[참고 문헌]

Jørgensen, Jan Trøst, and Maria Hersom. “Companion diagnostics—a tool to improve pharmacotherapy.” Annals of translational medicine 4.24 (2016).

CPIC Guideline: 유전체 정보를 활용한 약물 처방에 관한 임상 근거 지침

지난 포스팅에서 약물 유전학이 왜 정밀 의료의 실현에 중요한지에 대해서 간단하게 포스팅했습니다. 오늘은 조금 더 구체적으로 약물 유전체 정보에 근거하여 실제 임상 진료 시 약물의 처방에 대한 지침을 제공하고 있는 CPIC (Clinical Pharmacogenetic Implementation Consortium) Guideline에 대해서 구체적으로 소개해 보고자 합니다.

지난 포스팅 보기 -> 약물 유전학은 왜 정밀의료에서 중요한가?

CPIC 홈페이지 방문하기 -> CPIC 홈페이지

CPIC 가이드 라인 및 중요도 구분

CPIC 가이드 라인은 약물과 관련 유전자 쌍 (Gene-Drug pair)에 대한 다양한 연구 결과들을 바탕으로, 실제 임상 적용에 대한 중요도를 Level로 구분하고 있습니다. 아래는 이러한 중요도를 평가하는 기준을 나타내주고 있습니다.

Is there prescribing actionability?
What is the severity of the clinical consequences (adverse effects, lack of response) if genetics are not used to inform prescribing?
Is the gene already subject to other CPIC guidelines?
Is there an available genetic test for that gene?
How commonly used are the affected drugs?
How common are the high-risk genetic variants?
Is there mention of genetic testing in drug labelling?
Are there pharmacogenetically-based prescribing recommendations from professional organizations or others?

즉, 실제 처방에 활용할 수 있는 용이성과 그 임상적 중요도를 바탕으로 하여, 아래 표와 같이 4가지 레벨 A, B, C, D로 구분하고 있습니다. CPIC 홈페이지는 작성일자 기준 352개의 약물-유전자 쌍에 대한 CPIC level을 제공하고 있는데, 이 중에서도 가장 중요도가 높은 A로 분류된 약물-유전자 쌍에 대해서는 실제 임상 가이드 라인이 출판되거나, 진행 되는 중입니다. 또한, CPIC 에서는 Level A 및 B로 구분된 약물-유전자 쌍에 대해서는 실제 유전형에 따라 다르게 약물을 처방하는 것이 효과적이라고 구분하고 있습니다.

CPIC 가이드 라인의 실제 적용 예

다음으로 CPIC 가이드 라인의 실제적인 예를 살펴 보도록 하겠습니다. 면역 억제제로 흔하게 사용하고 있는 Tacrolimus와 CYP3A5 유전자에 대한 지침을 살펴보겠습니다. CPIC은 우선적으로 CYP3A5 유전자에 대한 유전형을 검사하여, 실제 약물 대사 표현형을 3개의 단계로 구분하고, 각 표현형에 따라 서로 다른 약물 농도를 처방할 것을 권장하고 있습니다.

cpic level_00000 — CYP3A5 유전형에 따른 표현형을 구분한 표. CYP3A5 유전형에 따라 약물을 얼마나 잘 대사하는지에 따라 표현형을 Extensive / Intermediate / Poor Metabolizer와 같이 구분합니다.

cpic level_00001 — 위의 CYP3A5 유전형에 따라 구분된 표현형에 따라, Extensive/Intermediate 그룹과 Poor Metabolizer 그룹에 속하는 환자의 권장 처방 용량이 달라집니다.

CPIC 가이드 라인의 한계 및 나아가야 할 방향

마지막으로 CPIC 가이드 라인의 한계 및 앞으로 정밀 의료의 측면에서 보완해야할 내용을 짚어보고 포스팅을 마치고자 합니다. 위의 실제 예를 살펴보면, 임상 지침이 상당히 간단(?)한 것을 볼 수 있습니다. 사실 이는 우리가 흔히 꿈꾸고 있는 정밀 의료의 모습과는 상당히 멀다는 것을 알 수 있습니다. 사실 지금도 이 분야에서 많은 연구자들이 노력하고 있지만, 저런 간단한 유전형에 따른 약물 처방 지침 조차도 현재까지는 19개의 약물 유전자 쌍에 대해서만 출판이 된 상태입니다. 즉 아직도 많은 약물 반응과 유전 정보와의 관계가 불명확하거나, 근거가 부족한 상태입니다. 또한 이러한 임상 지침은 흔한 변이에 근거하여 축적된 관찰에 근거하기 때문에, 매우 드문 변이 (Rare variant)를 갖는 환자에 대해서는 적절한 정보를 제공해 주지 못합니다. 또한 표현형의 구분이 3~4개의 카테고리로 매운 단순하기 때문에 같은 표현형 내에서도 여전히 많은 차이를 보이게 됩니다. 더 세밀한 구분과 관련 지침 수립이 필요한 부분입니다.

또한, 수많은 약물과 유전형과의 추가적인 연구와 덧붙여, 기존에 알려진 약물-유전형에 대한 가이드 라인도 여전히 문제가 많습니다. 위의 임상 지침은 미국을 기준으로 하고 있으나, 약물 반응은 인종별로도 차이가 크게 다르며, 따라서 위의 임상 근거 및 처방 용량이 한국인에서 그대로 적용될 것이라고는 말하기 어렵습니다. 따라서 엄밀한 의미의 정밀 의료를 위해서는 인종별 약물 반응에 대한, 각 지역별 근거도 함께 수립이 되어야 합니다. 한국인 맞춤 진료 지침이 필요한 이유입니다.

여기까지 살펴보면, 실제 유전 정보를 이용하여 약물 반응을 설명하는 것이 쉽지 않음을 깨닫게 됩니다. 이는 약물 반응이라는 형질 또는 표현형이 단순히 한 두가지 유전자의 조합으로만 쉽게 설명되지 않는 경우가 대부분이기 때문입니다. 그러나 동시에 여전히 많은 연구자들은 정밀 의료 실현을 위해 노력하고 있음을 알아야 할 것입니다.

신약 개발과 임상 시험, 그리고 시판 후 조사

약물 유전학 (Pharmacogenetics)은 개인별 유전형과 약물 반응을 다루는 학문입니다. 약물 반응은 다양한 방법으로 평가, 측정하게 되는데, 대부분 채혈을 통해 체내의 약물 농도를 측정하거나, 약물에 의한 부작용의 발생 여부를 평가하게 됩니다.

여기서 약물 유전학 연구의 한 가지 어려운 점이 나오는데, 일반적인 유전학 연구에서 흔히 다루는 형질과 달리 약물 반응은 상당히 다이나믹한 과정이라는 것입니다. 약동학/약력학에 의해, 약물 섭취를 하더라도 약물의 분포 및 작용은 작용 위치에 따라 달라지며, 채혈에 의한 약물 농도도 채혈 시간이나 채혈 위치 등에 따라 크게 변화하게 됩니다. 이러한 정확한 형질 정보 획득의 어려움 때문에, 약물 유전학은 더 연구하기 까다로운 측면이 있습니다. 그러나 한편으로는 새로운 신약 개발을 위한 과정이 상당히 엄격하고 돈이 많이 들어가기 때문에, 거꾸로 많은 정보들을 활용할 수도 있습니다. 이번 포스팅에서는 약물 개발 후 시판까지의 전반적인 과정, 그리고 시판 후 부작용 발생 여부를 평가하는 시판 후 조사 (Post-marketing surveillance; PMS) 과정까지 간단하게 정리해보고자 합니다.

정밀의료 시대에 약물 유전학이 중요한 이유 보기 -> 약물 유전학은 왜 정밀의료에서 중요한가?

drug_design_yourgenome — [신약 개발 과정의 전반적인 모식도] 신약 개발 과정은 수많은 후보 물질들은 발굴하고 개량한 이후에, 최종적으로 가능성이 높은 몇몇 물질들만을 이용하게 되며, 이마저도 많은 부분 임상 시험에서 탈락하는 경우가 많습니다.

신약 후모 물질 발굴 및 개량에 대한 부분은 간단히 하고, 임상 시험 과정에 대해서 좀 더 자세히 살펴 보겠습니다. 흔히, 신약 임상 시험은 다음과 같이 크게 4가지 단계로 구분하며, 각 단계에서 목적하는 바가 분명히 다릅니다. 각 단계별로 중요한 차이는 크게 2가지가 있는데, 시험 목적과 참여 대상입니다.

제 1상 임상시험 (Phase I): 당신은 지금 실험실에서 처음 가장 그럴듯한 약물을 발굴해냈습니다. 그러면 처음으로 확인해볼 것은 당연히 안전성 (Safety) 일 것입니다. 물론 사람에게 투여하기 전에 동물들에게 실험을 해보았겠지만, 사람에게 한번도 먹여본적이 없으니 안전성을 평가하고, 실제 사람에서 약물의 분포나 작용 (약동학/약력학; PK/PD) 을 보려고 할 것입니다. 그러니 무턱대고 환자에게 투여할 수 없고, 소량으로 그것도 건장하고 별로 문제가 없는 사람에게 투여해보는 것이 안전할 것입니다. 그래서 보통 1상 임상 시험은 제한된 수의 젊고 건장한 성인 (보통 성별도 전부 남자, 여성은 상대적으로 호르몬의 영향 등으로 약물 효과가 변동이 올 수도 있기 때문)을 대상으로, 시간별로 계속 채혈을 하면서 시행합니다.
제 2상 임상시험 (Phase II): 자, 1상 시험에서 크게 문제가 없었고 약동학/약력학 정보도 어느 정도 파악이 되었다고 합시다. 그러면 2상에서는 드디어 소수의 환자를 대상으로 투여를 시도해보게 됩니다. 더불어 약을 투여하였을 때 기대하는 효능 (Efficacy)이 있는지를 중점적으로 살펴 보게 됩니다. 따라서 2상에서는 최적의 효과를 위한 투여 농도 (dosing regimen)를 찾아가게 됩니다.
제 3상 임상시험 (Phase III): 1상과 2상 임상 시험을 통해서, 효과도 있고 안전한 약물을 발견하였습니다. 그러면 마지막 관문은? 기존 약물과의 경쟁입니다. 따라서 3상에서는 기존에 알려진 최적의 치료법 (gold standard)과 비교하여 신약이 더 우수한지 또는 적어도 동등한 효과를 보이는 지를 비교 평가해 보게 됩니다. 이를 비교 평가하기 위해서는 통계학적 차이를 충분히 보일 수 있어야 하기 때문에 보통 3상 임상시험은 충분히 많은 수의 환자들을 대상으로 하게 됩니다. (= 그래서 가장 많은 돈과 시간과 노력이 들어갑니다.)
제 4상 임상시험 (Phase IV): 대망의 제 3상 임상 시험까지 통과하게 되면, 그 약물은 일단 제품으로 출시가 가능해집니다. 그러나 안타깝게도, 약물은 출시가 한번되었다가도 사장되는 경우도 많습니다. 이러한 과정을 제 4상 임상시험 = 시판 후 조사 (Post-marketing surveillance)라고 부릅니다. 제 3상 시험에서 많은 수의 환자를 대상으로 임상 시험을 시행했다 하더라도, 부작용 사례는 극히 드물게 발생하는 경우가 많기 때문에, 많은 사람들이 사용하게 되어야 그러한 사례를 확인할 수 있는 경우도 있습니다.

시판 후 퇴출이 되며, 제약 회사의 입장에서는 피눈물이 나는 상황입니다. 엄청난 시간과 돈과 정성을 들여서, 3상 시험까지 다 통과해서 제품도 만들어서 이제 약 좀 팔아볼까? 하면서 투자금을 회수하고 있는데, 갑자기 생각하지도 못했던 부작용 사례 때문에 모든게 물거품이 되면 얼마나 억장이 무너지겠습니까..

시판 후 조사에서 퇴출된 약물의 연도별 첫번째 부작용 사례 보고까지 걸린 기간.

이러한 이유로, 제약회사들도 시판 후 부작용 사례에 대한 연구에 투자를 많이 하는 상황이며, 약물 유전학의 관점에서도 이러한 부작용 사례를 유전적 차이에서 설명하려는 많은 시도를 하고 있습니다. 즉, 매우 드물게 부작용이 발생하는 사례들을 유전적 차이에서 찾아내어 안전하게 투여하겠다는 논리인 셈이죠. 이러한 점에서 약물 유전학은 매우 중요한 역할을 한다고 볼 수 있습니다. 이번 글은 여기서 마치고 다음 포스팅은 약물 부작용 사례에서 약물 유전학적 연구 방법 및 약물 유전학적 관점에서 바라본 한약에 대해 얘기해 보겠습니다.

[참고 문헌]

Onakpoya, Igho J., Carl J. Heneghan, and Jeffrey K. Aronson. “Post-marketing withdrawal of 462 medicinal products because of adverse drug reactions: a systematic review of the world literature.” BMC Medicine 1.14 (2016): 1-11.

약물 유전학은 왜 정밀의료에서 중요한가?

앞선 글 보기 -> 블로그를 시작하며..

앞선 글에서 소개했던 오바마 대통령이 발표한 PMI (Precision Medicine Initiative)의 짧은 한 단락에도 약물 유전학(Pharmacogenetics)이 정밀 의료에서 왜 중요한지가 분명하게 드러납니다.

“환자의 유전적 정보를 이용하여, 개인에게 맞춘 최적의 약물 치료를 시행한다.”

disease_diagnosis

개개인의 사람들은 외모, 행동, 가치관이 다른 것 처럼 약물에 대한 반응이 모두 다릅니다. 동일한 약을 같은 용량으로 처방하여도, 어떤 사람에게는 처방한 용량이 과용량이어서 약물 부작용이 발생하기도 하고, 어떤 사람에게는 전혀 효과가 없기도 하죠. 약물 유전체학은 유전학을 토대로 이러한 약물 반응을 예측하는데 그 목표가 있습니다. 따라서 약물 유전체학은 정밀 의료의 실현을 위한 하나의 중요한 축을 담당하고 있다고 볼 수 있겠습니다.

더 세부적으로 살펴보면, 약물 유전체학의 연구 목적은 다음과 같습니다.

약물 독성 부작용의 예측 및 예방 (Prevention of Adverse drug event): 약은 어떤 한계 용량 (최소 독성 용량, minimal toxic concentration)을 넘어서는 순간 우리 몸에 독성 작용을 일으킬 수 있습니다. 안전한 약물 사용을 위해서 유전 정보를 토대로 부작용을 예측하고 예방하는 데 그 첫번째 목표가 있습니다.
약물의 유효성 및 최적의 처방 용량 수립 (Drug efficacy and optimization of dose): 개인별로 같은 양의 약을 복용하더라도 체내 농도는 모두 다르게 됩니다. 경우에 따라서 어떤 사람은 약효가 나타나기 위한 최소 농도(minimal therapeutic concentration)에 도달하지 못하는 경우도 있고, 유전적 원인에 의해서 약물이 전혀 듣지 않는 경우도 발생합니다.
약동학 및 약력학 예측: 신약 개발 및 임상 시험에 있어서 약동학 및 약력학은 매우 중요합니다. 앞서 언급한 두가지와 크게 다르지 않지만, 약물 유전체학은 새로운 약을 개발하고 약물의 유효성과 안전성을 평가하는 임상 시험에 있어서도 고려되는 매우 중요한 분야라고 할 수 있겠습니다.

약물 유전학은 크게 위와 같은 공통된 연구 목적을 가지고, 다양한 약물과 유전자 간의 관계를 밝혀가고 있는 학문입니다. 마지막으로, 오늘 글은 이러한 학문적 토대에서 실제로 약물 유전체학을 바탕으로 정밀 의료를 실현하기 위해 노력하고 있는 CPIC을 소개하면서 글을 마치고자 합니다.

CPIC (Clinical Pharmacogenetics Implementations Consortium)은 약물유전학에서 밝혀진 연구 성과를 실제로 임상 현장에 적용하기 위한 연구자들의 국제 콘소시움입니다. CPIC에서는 실제로 임상 근거가 명확한 약물 유전자와 약물 쌍을 선정하여, 해당 약물 처방 시 유전자 검사 및 이를 바탕으로한 권장 처방 용량에 대한 가이드 라인을 제시하고 있습니다.

CPIC 가이드라인 자세히 보기 -> CPIC Guideline: 유전체 정보를 활용한 약물 처방에 관한 임상 근거 지침

현재까지 약물과 관련 유전자 간의 관계가 명확히 밝혀져 임상적 유용성이 입증된 약물-유전자 쌍은 많지 않습니다. 앞으로도 더 많은 연구가 필요한 이유입니다. 그러나 지금도 많은 연구자들은 정밀 의료의 실현을 위해 노력하고 있으니, 언젠가는 다음과 같은 날도 올 것으로 생각됩니다.

B46DyypCUAAOBFb