Mobile Element가 희귀 질환을 일으키는 방식, 그리고 3billion의 FindME

한눈에 보기

Mobile Element Insertion(MEI)은 DNA 서열이 게놈 내 새로운 위치로 복사·삽입되는 현상으로, 혈우병·뒤센 근이영양증·신경섬유종증 등 120개 이상의 유전 질환 원인으로 알려져 있다. 기존 표준 도구인 MELT는 유지보수 중단과 느린 처리 속도라는 한계가 있었고, 3billion은 이를 해결하기 위해 자체 MEI 검출 도구 FindME를 개발했다. FindME는 MELT 대비 평균 4배 빠른 처리 속도와 5% 높은 Recall을 달성했으며, 기존 파이프라인이 놓친 임상 변이를 실제 케이스에서 검출했다.

---

1. Mobile Element란 무엇인가

우리 인간의 유전체(게놈)는 고정된 정보의 집합처럼 보이지만, 사실 그 안에는 스스로 복사되어 다른 곳으로 이동할 수 있는 특별한 DNA 서열이 존재합니다. 이를 Mobile Element(이동성 유전 요소, ME)라고 합니다.

Mobile Element는 ‘Copy-and-Paste’ 방식으로 작동합니다. RNA 중간체를 거쳐 자신의 서열을 게놈의 새로운 위치에 복사해 삽입합니다. 이를 Mobile Element Insertion(MEI)이라고 부릅니다.

인간 게놈에서 현재까지 활성 상태로 알려진 Mobile Element는 크게 세 종류입니다.

• LINE-1 (L1): 자율적으로 움직이는 유일한 ME로, 인간 게놈의 약 17%를 차지합니다. 다른 ME들의 이동도 도와주는 핵심 엔진 역할을 합니다.
• Alu: 전체 게놈의 약 11%를 차지하는 가장 풍부한 ME로, LINE-1의 도움을 받아 이동합니다. 약 300bp 길이의 짧은 서열입니다.
• SVA (SINE-VNTR-Alu): 가장 최근에 생겨난 ME 계열로, 게놈의 약 0.2%를 구성하며 인간과 유인원에게서만 발견됩니다.

현재 살아있는 인간 중 12~14명 중 1명은 새로운 MEI를 가지고 태어난다는 연구 결과가 있을 정도로, MEI는 우리 게놈 안에서 현재진행형으로 일어나고 있는 변화입니다.

2. MEI로 인한 희귀 질환들

Mobile Element가 무작위로 삽입될 때, 그 위치가 중요한 유전자 안이라면 문제가 생깁니다. 현재까지 120개 이상의 병원성 MEI 변이가 유전 질환의 원인으로 기록되어 있습니다.

MEI는 유전자 기능을 다음과 같은 방식으로 교란합니다.

• 엑손(coding sequence) 내부에 직접 삽입되어 단백질 서열을 망가뜨림
• 스플라이싱 이상 유발 — 정상적인 인트론·엑손 경계를 교란
• 유전자 발현 조절 영역 삽입 — 전사(transcription) 자체를 억제

대표적인 MEI 연관 희귀 질환 사례:

이 중 많은 사례들이 과거에는 ‘원인불명’으로 남아 있다가, MEI 검출 기술이 발전하면서 비로소 진단에 이르게 된 경우입니다.

3. 기존 표준 도구 MELT

MEI를 NGS(차세대 염기서열 분석) 데이터에서 검출하기 위한 도구는 여러 가지가 개발되어 왔습니다. 그 중 오랫동안 사실상의 표준(de facto standard)으로 자리를 지킨 도구가 MELT(Mobile Element Locator Tool)입니다.

MELT는 원래 1000 Genomes Project의 일환으로 대규모 집단 연구를 위해 개발되었습니다. WGS(전장 게놈 시퀀싱) 데이터에서 LINE-1, Alu, SVA를 검출하고, 로컬과 클라우드 환경 모두에서 실행 가능한 여러 실행 모드를 제공한다는 점이 강점이었습니다.

MELT의 강점:

• 1000 Genomes Project 규모의 대규모 WGS 분석에서 검증된 성능
• Precision(정밀도) 측면에서 높은 신뢰도
• 다양한 ME 타입 동시 검출 지원

그러나 MELT에는 명확한 한계가 있습니다:

1. 유지보수 중단: 마지막 공개 업데이트가 2020년으로, 이후 발견되는 이슈에 대한 대응이 불가능한 상태입니다.
2. 원인 불명의 오류: 일부 샘플에서 재현 불가능한 실패가 발생하며, 디버깅이 매우 어렵습니다.
3. 느린 처리 속도: WGS 샘플의 경우 분석에 수 주가 소요되는 케이스가 존재합니다. 이는 임상 현장의 진단 일정에 큰 부담이 됩니다.

임상 진단 환경에서는 속도, 안정성, 비용 모두가 중요합니다. MELT는 연구 도구로서의 역할은 충분히 했지만, 날로 증가하는 임상 분석 수요를 따라가기에는 한계가 뚜렷했습니다.

4. 3billion이 직접 만든 이유 — FindME의 탄생

3billion의 BI pipeline 팀, BI evidence 팀, SW Gebra 팀은 위의 문제들을 해결하기 위해 자체 MEI 검출 도구 FindME를 개발했습니다.

FindME = Find Mobile Element insertion

단순히 MELT를 대체하는 수준이 아닙니다. 3가지 문제를 모두 해결하면서, 임상 진단이라는 실제 현장의 요구에 맞게 설계된 도구입니다.

FindME의 분석 워크플로우:

1. Input BAM — BAM 포맷의 시퀀싱 데이터를 입력
2. Candidate Window Detection — MEI가 삽입되었을 가능성이 있는 후보 구간을 검출
3. Breakpoint Pairing — 삽입 위치의 양쪽 breakpoint를 쌍으로 매칭
4. Variant Calling — MEI 변이 판정
5. Hard / Soft Filtering — 필터링을 통해 고신뢰도 변이 선별
6. Output VCF — 표준 VCF 포맷으로 결과 출력

5. FindME의 차별점 — 숫자가 증명하는 4가지 우위

🔴 처리 속도: 평균 ~4배 가속

10개 스레드 기준, 일반 샘플에서 평균 3~4배 빠릅니다. 특히 기존에 MELT로 10일 이상 걸리던 대형 샘플의 경우, FindME는 4시간 이내에 처리하며 최대 60배까지 가속이 확인되었습니다.

🟢 정확도: F1 0.577, Recall +5%

GIAB HG002 SV truth set을 기반으로 한 정량 벤치마크 결과:

Precision은 MELT 대비 소폭 낮지만, Recall은 5% 높아 더 많은 실제 MEI 변이를 검출합니다. 임상 진단에서 “놓치지 않는 것”이 중요하다는 점에서, 이 Recall 우위는 핵심적인 차별점입니다.

🔵 유지보수 & 안정성: 자체 개발 = 즉각 대응

MELT의 유지보수 중단 문제와 달리, FindME는 자체 코드베이스로 개발되어 이슈 발생 시 내부에서 즉시 수정 및 배포가 가능합니다. 이는 곧 분석 파이프라인의 안정성으로 이어져, 고객이 의뢰한 샘플의 결과 신뢰도를 높입니다.

6. 임상 검증: 100% 재현 + 기존 파이프라인이 놓친 변이 검출

Confirmed MEI 변이 재현: 11/11 (100%) PASS

3billion이 기존에 임상 진단으로 보고한 11건의 confirmed MEI 변이에 대해 FindME로 재분석한 결과, 전체 11건 모두 PASS로 재현되었습니다. 대상 변이는 LINE-1과 ALU 삽입으로, 동형접합(homozygous)과 이형접합(heterozygous) 케이스를 모두 포함합니다.

실제 임상 팀이 요청한 신규 케이스 — # 2817

임상 팀이 IGV(Integrative Genomics Viewer)로 직접 확인한 MEI 의심 변이가 있었습니다. 기존 파이프라인에서 사용하는 MELT와 Manta 모두 해당 위치에서 call을 생성하지 못했습니다. 즉, 기존 도구로는 진단할 수 없었던 변이였습니다. FindME는 이 변이를 성공적으로 검출했고, 결과는 Gebra에 업로드되어 임상 해석에 활용되었습니다.

→ MELT가 놓친 임상적으로 의미 있는 변이를 FindME가 실제로 보완한 사례입니다.

---

7. 그래서, 3billion

희귀 질환 진단에서 “놓치지 않는 것”은 단순한 성능 지표의 문제가 아닙니다. 한 환자의 진단이 달라질 수 있고, 가족의 유전 위험을 밝혀낼 수 있는 일입니다.

MEI는 오랫동안 임상 진단의 사각지대였습니다. 기술적 어려움과 도구의 한계로 인해 많은 환자들이 원인을 찾지 못한 채 진단을 마쳤습니다.

3billion은 이 사각지대를 좁히기 위해 FindME를 자체 개발했습니다. 더 빠르고, 더 많이 검출하며, 안정적으로 운영할 수 있는 도구. 그리고 이를 모든 신규 샘플 분석에 적용해 나갈 것입니다.

---

MEI 변이가 의심되는 환자가 있으신가요? 원인불명으로 남아 있는 케이스라면, 저희에게 문의해 주세요.

---

자주 묻는 질문 (FAQ)

Q. Mobile Element Insertion(MEI)이란 무엇인가요? MEI는 LINE-1, Alu, SVA 등의 DNA 서열이 RNA 중간체를 통해 게놈의 새로운 위치에 복사·삽입되는 현상입니다. 중요한 유전자 내부에 삽입될 경우 유전자 기능을 교란해 질환을 유발할 수 있습니다.

Q. MEI가 원인인 희귀 질환에는 어떤 것이 있나요? 혈우병 A·B, 뒤센 근이영양증, 낭포성 섬유증, 신경섬유종증 1형, 후쿠야마형 선천성 근이영양증, X-연관 근긴장 파킨슨증, 린치 증후군 등이 대표적입니다. 현재까지 120개 이상의 병원성 MEI 변이가 보고되어 있습니다.

Q. 기존 MEI 검출 도구 MELT의 한계는 무엇인가요? MELT는 2020년 이후 업데이트가 중단되어 유지보수가 불가능하고, 일부 샘플에서 원인 불명의 오류가 발생하며, WGS 샘플 분석에 수 주가 소요되는 처리 속도 문제가 있습니다.

Q. FindME는 MELT와 비교해 어떤 성능을 가지나요? GIAB HG002 SV truth set 기준으로 F1 score 0.577(MELT 0.569 대비 우위), Recall 0.435(MELT 0.413 대비 +5%)를 기록했습니다. 처리 속도는 일반 샘플 기준 평균 3~4배 빠르며, 일부 대형 샘플에서는 최대 60배까지 가속됩니다.

Q. FindME는 실제 임상에서 검증되었나요? 기존에 진단 보고된 confirmed MEI 변이 11건을 100% 재현했으며, 기존 파이프라인(MELT + Manta)이 검출하지 못한 임상적으로 의미 있는 변이를 실제 케이스(# 2817)에서 성공적으로 검출했습니다.

이 포스트의 내용은 3billion 내부 자료 및 아래 공개 문헌을 참고하였습니다.

참고 문헌

• Gardner et al. (2017). The Mobile Element Locator Tool (MELT). Genome Research. https://pmc.ncbi.nlm.nih.gov/articles/PMC5668948/
• Batcher et al. (2020). Mobile element insertion detection in 89,874 clinical exomes. Genetics in Medicine. https://www.nature.com/articles/s41436-020-0749-x
• Hancks & Kazazian (2016). Roles for retrotransposon insertions in human disease. Mobile DNA. https://link.springer.com/article/10.1186/s13100-016-0065-9
• Holste et al. (2023). Mobile element insertions in rare diseases: a comparative benchmark and reanalysis of 60,000 exome samples. European Journal of Human Genetics. https://www.nature.com/articles/s41431-023-01478-7
• Jeong et al. (2021). SVA retrotransposon insertion in MMR genes results in aberrant RNA splicing and causes Lynch syndrome. PMC. https://pmc.ncbi.nlm.nih.gov/articles/PMC8115629/