[ACMG 가이드라인 쉽게 읽기] 1편: 인구집단 데이터 (Population Data) — “일반인에게 흔하다면 비병원성이다”

TL;DR (바쁜 독자를 위한 3초 요약)

• 인구집단 데이터 룰이란? 대규모 일반인 유전체 데이터베이스(gnomAD 등)를 활용해 변이의 빈도를 확인하고 위험도를 가려내는 ACMG 기준입니다.
• 핵심 원리: 질병을 유발하는 병원성 변이는 극히 드물어야 합니다. 일반인 인구집단에서 자주 발견되는 변이는 비병원성(Benign) 증거가 되고, 반대로 대규모 데이터에서 전혀 발견되지 않는 희귀 변이는 병원성(Pathogenic) 가능성을 높여줍니다.
• 대표 룰 4가지: BA1 (단독 비병원성), BS1·BS2 (강한 비병원성), PM2 (약한 정도의 병원성 정황).

---

유전자 검사 결과지에서 발견된 변이가 “진짜 병을 일으키는 변이인가?”를 가려낼 때, 유전학자들이 가장 먼저 확인하는 알리바이가 있습니다. 바로 “이 변이가 병이 없는 일반인들에게도 흔하게 나타나는가?”입니다.

희귀 유전성 질환을 일으키는 변이는 인구집단 내에서 매우 드물게 존재해야 한다는 것이 유전학의 기본 원칙입니다. ACMG 가이드라인의 첫 번째 카테고리인 인구집단 데이터(Population Data) 룰들은 gnomAD와 같은 대규모 글로벌 유전체 DB를 기반으로 작동합니다.

---

Q1. 인구집단 데이터에서 변이 빈도를 확인하는 기준은 무엇일까?

유전학자들은 gnomAD(Genome Aggregation Database)처럼 수십만 명의 일반인 전장 유전체(WGS/WES) 데이터가 집대성된 DB를 조회합니다. 여기서 변이가 발견되는 빈도(Allele Frequency)에 따라 다음과 같이 판단 기준이 나뉩니다.

Q2. 인구집단 데이터 관련 4가지 룰의 세부 의미는?

인구집단 데이터와 관련된 대표적인 ACMG 룰은 크게 비병원성 방향 3가지와 병원성 방향 1가지로 나뉩니다.

1. 비병원성(Benign) 방향 룰

BA1 (Benign Stand-Alone):

• 의미: 일반인 집단 내 변이 빈도가 5% 이상으로 매우 흔하게 발견될 때 적용합니다.
• 판정: 단독으로 ‘비병원성(Benign)’ 판정을 내릴 수 있는 유일한 룰입니다. 단, 아주 드물게 5%를 넘어도 병원성과 관련된 예외 변이가 존재해, ClinGen이 별도 예외 목록을 관리하고 있습니다. (예: 비오티니다제 결핍과 관련된 BTD 유전자의 한 변이는 일반인 빈도가 약 6%에 달합니다.)

BS1 (Benign Strong):

• 의미: 5%까지는 아니지만, 해당 질환의 유병률과 침투율로 계산한 ‘기대 가능한 최대 빈도’보다 실제 빈도가 더 높을 때 적용합니다. 예를 들어 인구 10만 명 중 1명에게 생기는 질환이라면, 그 원인 변이가 일반인 100명 중 1명에서 발견될 수는 없습니다.

BS2 (Benign Strong):

• 의미: 변이가 있으면 어릴 때부터 반드시 증상이 나타나는 질환인데, 정작 증상이 없는 건강한 성인 인구집단에서 같은 변이가 발견된 경우입니다.
  여기서 ‘발현될 수 있는 형태’가 핵심입니다. 열성 질환이라면 양쪽 유전자 모두에 변이가 있어야 하고(동형접합), 우성 질환이라면 한쪽만 있어도 됩니다(이형접합). 열성 질환의 보인자(한쪽만 변이가 있는 사람)는 건강한 것이 정상이므로 BS2를 적용할 수 없습니다. 실무에서 가장 자주 잘못 쓰이는 지점입니다.

2. 병원성(Pathogenic) 방향 룰

PM2 (Pathogenic Moderate):

• 의미: 대규모 일반인 인구 DB에서 해당 변이가 전혀 발견되지 않거나(Absent), 극도로 희귀하게 발견될 때 적용합니다.
• 판정: 희귀 질환 변이일 가능성을 제시하는 ‘중간 정도(Moderate)’ 강도의 병원성 증거가 됩니다.
• 최신 임상 적용 트렌드: 2020년 발표된 ClinGen SVI Working Group의 공식 개정 권고안에 따라, 최근 진단 현장에서는 변이 부재 자체의 불확실성을 고려하여 PM2의 가중치를 한 단계 낮춘 보조적 증거인 PM2_Supporting으로 보수적으로 적용하는 추세입니다.

---

Q3. 인구집단 데이터 룰에 의해 한번 내려진 변이 판정(Classification)도 바뀔까? 그렇다면 어떤 이유로?

정답은 “네, 데이터베이스의 변화에 따라 실제로 자주 재조정(Re-classification)됩니다.”

과거에는 데이터가 부족하여 ‘불확실 변이(VUS)’로 분류되었던 유전자 변이가, 시간이 지나면서 ‘비병원성(Benign)’이나 ‘병원성(Pathogenic)’으로 등급이 바뀝니다. 인구집단 데이터 관점에서 판정이 바뀌는 핵심 이유는 다음과 같습니다.

1. 글로벌 초대형 인구 데이터베이스의 등장과 확장

영국의 UK Biobank(약 50만 명)나 미국의 All of Us Research Program(목표 100만 명)처럼 수십만~수백만 명 규모의 일반인 유전체 데이터가 새로 공개되면 판정이 바뀝니다.

과거에는 DB에 없어서 병원성 정황인 PM2가 부여되었던 희귀 변이가, 초대형 DB가 구축되면서 사실은 건강한 일반인들에게도 흔히 관찰되는 변이임이 밝혀집니다. 이 경우 PM2 룰이 제거되고 BS1이나 BA1이 붙으면서 VUS ➔ 비병원성(Likely Benign / Benign)으로 다운그레이드됩니다.

2. 특정 질환 및 환자 전용 코호트 데이터베이스

희귀 질환 환자들만을 집중적으로 모아 놓은 정밀 코호트 DB가 구축되면, 같은 변이가 동일한 질환을 가진 환자들에게서 반복적으로 관찰되는지를 파악할 수 있습니다. 단, 환자에게서 여러 번 보였다는 사실만으로는 부족하고, 일반인 대조군과 비교해 환자군에서 의미 있게 더 많이 나타나는지까지 확인되어야 병원성 증거로 인정됩니다. 이 근거가 쌓이면 VUS가 병원성 방향으로 재조정될 수 있습니다.

3. 자체 In-house DB의 파워

공공 DB(gnomAD 등)는 업데이트 주기가 길고, 아시아인·한국인 데이터 비율이 상대적으로 적다는 한계가 있습니다. 그래서 빈도 평가에는 한국인 대조군 DB(KOVA, KRGDB 등)를 함께 참고해야 정확해집니다. 서양인에게는 없지만 한국인에게는 흔한 변이를 놓치지 않기 위해서입니다.

여기에 진단 기업의 자체 인하우스 DB(In-house DB)가 더해지면, 성격이 다른 정보가 열립니다. 인하우스 DB는 희귀질환 환자들의 데이터이므로 ‘일반인 빈도’를 대신할 수는 없지만, 대신 이런 것을 볼 수 있습니다.

• 같은 변이가 여러 환자에게서 반복 관찰되는지, 그 환자들의 증상이 서로 닮았는지 확인
• 검사 과정에서 반복적으로 잘못 검출되는 기술적 오류 변이를 걸러내기
• 새로운 논문이나 DB가 나왔을 때 과거 VUS 환자들을 즉시 다시 검토(재해석)

정리하면, 일반인 대조군 DB는 “이 변이가 흔한가?”에 답하고, 환자 인하우스 DB는 “이 질환에서 반복되는가?”에 답합니다. 두 질문은 다르고, 둘 다 필요합니다.

---

💡 쓰리빌리언의 데이터 파워

쓰리빌리언 역시 매년 2~3배씩 빠르게 성장하며 누적 10만 건 이상의 희귀질환 환자 진단 데이터(In-house DB)를 구축해 나가고 있습니다. 이렇게 축적된 대규모 데이터베이스는 VUS를 줄이고 진단 정확도를 극대화하는 가장 강력한 엔진이 됩니다.

끊임없이 진화하는 유전체 데이터와 함께 진단의 정확도를 높여 가시죠.

---

FAQ (자주 묻는 질문)

Q1. 한국인이나 동양인 데이터베이스는 gnomAD 같은 글로벌 DB와 다를 수 있지 않나요?

A. 맞습니다. 서양인에게는 희귀하지만 아시아인/한국인 인구집단에서는 흔하게 발견되는 인종 특이적 변이가 존재합니다. 따라서 정확한 분석을 위해 글로벌 gnomAD뿐만 아니라 한국인 유전체 DB(KOVA, KRGDB 등)와 기업의 자체 인하우스 DB를 함께 참고하여 BS1이나 PM2를 정밀하게 평가합니다.

Q2. 일반인 DB에 전혀 없는 변이(PM2)라면 무조건 질병을 일으키는 병원성 변이인가요?

A. 그렇지 않습니다. 단순히 그 변이가 가문이나 개인 특이적으로 새로 발생한 무해한 변이(Benign Variant)일 수도 있습니다. 따라서 PM2 하나만으로는 병원성으로 진단할 수 없으며, 단백질 기능 예측(2편)이나 환자 증상/가족력(3편) 등 다른 카테고리의 증거가 함께 조합되어야 합니다.