KR101722107B1 - 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법 - Google Patents

한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법 Download PDF

Info

Publication number
KR101722107B1
KR101722107B1 KR1020160084636A KR20160084636A KR101722107B1 KR 101722107 B1 KR101722107 B1 KR 101722107B1 KR 1020160084636 A KR1020160084636 A KR 1020160084636A KR 20160084636 A KR20160084636 A KR 20160084636A KR 101722107 B1 KR101722107 B1 KR 101722107B1
Authority
KR
South Korea
Prior art keywords
quot
seq
genotype
base
diabetes
Prior art date
Application number
KR1020160084636A
Other languages
English (en)
Inventor
이주영
김봉조
고민진
Original Assignee
대한민국
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국 filed Critical 대한민국
Priority to KR1020160084636A priority Critical patent/KR101722107B1/ko
Application granted granted Critical
Publication of KR101722107B1 publication Critical patent/KR101722107B1/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G06F19/22—
    • G06F19/3431—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/156—Polymorphic or mutational markers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/04—Endocrine or metabolic disorders
    • G01N2800/042—Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Organic Chemistry (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biotechnology (AREA)
  • Genetics & Genomics (AREA)
  • Pathology (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biochemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Medicinal Chemistry (AREA)
  • Cell Biology (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

본 발명은 제2형 당뇨와 연관된 단일염기 다형성 및 이의 유전적 위험도 점수화를 통해 제2형 당뇨병 진단에 필요한 정보를 제공하는 방법 및 이를 이용한 제2형 당뇨병 진단 또는 예후 판단용 키트에 관한 것으로, 한국인에서 분석이 가능한 기 보고된 당뇨 유전변이 55개와 안성/안산 코호트를 이용한 연관성 분석에서 연관성을 나타내는 19개 유전변이를 나타내는 단일염기다형성(SNP)를 선정하였으며, 이를 유전적 위험도 점수화하여 분석함으로써 제2형 당뇨병의 예후에 대하여 통계적으로 유의한 결과를 나타냄을 확인함으로써, 제2형 당뇨를 조기에 진단 및 예측 예방에 이용할 수 있다.

Description

한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법{Diabetes diagnosis and prediction methods using single nucleotide polymorphism based-Genetic Risk Score in Korean}
본 발명은 제2형 당뇨와 연관된 단일염기 다형성 및 이의 유전적 위험도 점수화를 통한 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법에 관한 것이다.
모든 생물의 게놈은 진화의 과정에서 자손의 서열에 변이를 생기게 하는 자발적 돌연변이를 겪는다 (Gusella, Ann. Rev. Biochem. 55, 831-854(1986)). 변이는 진화적으로 이익 또는 불이익을 주거나 중성적일 수 있다. 어떤 경우는 변이가 치사적 불이익을 주어 자손에게 전달되지 않는 경우도 있다. 다른 경우에는, 종에게 진화학적인 이익을 주고, 결국에는 종의 대부분에 DNA가 삽입되어 효과적으로 선조 형태가 된다. 많은 경우 이 선조 형태 및 변이체는 살아남아 종집단 중에 공존하게 된다. 서열의 복수 형태의 공존에 의하여, 다형(polymorphism)이 발생한다.
이러한 다형에는 RFLP (restriction fragment length polymorphism: 제한 단편 길이 다형), STR (short tandem repeats), VNTR (variable number tandem repeat), SNP(single nucleotide polymorphism : 단일염기 다형) 등이 알려져 있다. 이중 SNP는 단일염기 다형으로서, 동일한 종의 개체 사이의 단일뉴클레오티드 변이의 형태를 취한다. 단일염기다형은 코딩 영역 서열에 발생하는 경우, 다형 형태 중 어느 하나에 의하여 결함 있거나 변이된 단백질이 발현될 수도 있다. 다른 경우에는 비코딩 영역 서열에 단일염기 다형이 발생할 수 있다. 이들 중 일부는 결함 있거나 변이된 단백질의 발현을 초래할 수 있다(예를 들면, 결함 있는 스플라이싱의 결과로서). 어떤 단일염기 다형은 표현형에 아무런 영향을 미치지 않을 수 있다.
단일염기 다형은 인간의 경우 약 1,000bp 마다 1회의 빈도로 발생하는 것으로 알려져 있다. 이들 단일염기 다형이 질병과 같은 표현형에 영향을 미치는 경우, 상기 단일 염기 다형을 포함하는 폴리뉴클레오티드는 이러한 질병을 진단하는 데에 프라이머 또는 프로브로서 사용될 수 있다. 상기 단일염기 다형에 특이적으로 결합하는 모노클로날 항체 또한, 질병의 진단에 사용될 수 있다. 그러나 이러한 단일염기 다형은 단순히 인간의 게놈 또는 cDNA 상에 단일염기 다형이 존재한다는 것만을 발견하였을 뿐, 이들이 표현형에 미치는 영향을 밝힌 것은 아니었다. 이들 중 일부에 대하여는 그 기능이 알려진 것도 있으나, 대부분이 알려지지 않았다.
2형 당뇨병 (Type 2 Diabetes mellitus)은 전체 당뇨병 환자의 90 ~ 95%를 차지하는 것으로 알려져 있다. 2형 당뇨병은 체내에서 인슐린은 생산되지만, 인슐린의 양이 비정상적이거나, 인슐린에 대한 민감도 (sensitivity)가 낮은 사람들에게서 발병하는데, 혈액 내 혈당 수준의 변이가 크게 나타나는 증세를 나타낸다. 이는 인슐린의 이상으로 인해 혈액 내의 포도당을 세포 내로 이동시킬 수 없기 때문에 음식물로부터 에너지를 얻는데 어려움이 생기는 것으로 알려져 있다. 2형 당뇨병의 발병에는 유전적 요인이 있는 것으로 알려져 있고, 그 외의 위험인자 (risk factor)로는 45세 이상의 나이, 당뇨병에 대한 가족력, 과체중, 고혈압 및 콜레스테롤 수준 등을 들 수 있다. 현재 당뇨병의 진단은 주로 공복시의 혈당치 (FSB : fasting blood glucose) 시험, 및 경구 포도당 부하시험(OGTT : oral glucose tolerance test) 등을 통해 질병에 의한 표현형의 변화, 즉 혈당량을 측정하는 방법으로 이루어지고 있다(National Institute of Diabetes and Digestive and Kidney Diseases of the National Institutes of Health, http://www.niddk.nih.gov, 2003). 2형 당뇨병의 경우 진단이 되면 운동 및 식이생활 습관의 변화, 체중조절, 및 각종 약물 치료 등을 통해 치료 또는 당뇨병의 진행 속도를 늦출 수 있기 때문에 조기 진단의 필요성이 매우 높은 질병이라 할 수 있다. 밀레니움 파마슈니컬스(Millenium Pharmaceuticals) 사에서 HNF1 유전자에 있는 유전자형의 변이들을 탐지함으로써 2형 당뇨병의 진단 (diagnosis)과 예측 (prognosis)이 가능하다고 발표하였고(PR Newswire, Sept 1, 1998), 시쿼넘(Sequenom) 사에서는 FOXA2 (HNF3β) 유전자가 2형 당뇨병의 발병과 높은 연관이 있다고 발표하였다(PR Newswire, Oct 28, 2003).
이와 같이 몇몇 유전자들이 2형 당뇨병의 발병과 연관이 있다고 보고되고 있지만, 일부 염색체 상의 소수의 특정 유전자에만 연구가 집중되어 있고 특정 인구집단을 대상으로 실험하였다. 이에 따라 대상으로 하는 인종에 따라 다른 결과가 나타날 가능성이 있고, 2형 당뇨병의 원인유전자가 모두 밝혀진 것은 아니며, 이러한 분자 생물학적 방법에 이용하여 2형 당뇨병을 진단하는 경우는 많지 않은 것이 현재의 진단 수준이다. 아울러 발병 전 조기 진단은 현재 이루어지지 못하고 있다. 이에 전체 인간 유전체를 대상으로 2형 당뇨병과 연관이 높은 새로운 SNP 및 관련 유전자를 찾아내어 조기 진단에 활용해야 필요성이 대두되었다.
제2형 당뇨병(Type 2 diabetes mellitus; T2D)은 다유전자 성향 및 환경 위험 인자에 기초한 만성 다중dlswk 질환(chronic multi-factorial disease)이다. 유전체 수준의 연관성 연구(genome-wide association studies; GWAS)의 첫 번째 물결은 제2형 당뇨병(T2D) 감수성 유전자 좌위의 발견이었다. 대부분의 제2형 당뇨 유전자 좌위는 지금까지 일부 동아시아 그룹과 함께 유럽 가계 집단에서 확인되었다. 최근 민족간 정교한 분석(trans-ethnic fine-mapping)을 통해 특성 변화를 증가시키는 추가적인 집단 특이적 신호가 동정되고 있다. 그러나, 제2형 당뇨의 유전적 구성요소의 동정은 다양한 인종 가계(ethnically diverse ancestries)에 걸쳐 유전적 이질성(genetic heterogeneity)으로 인해 제한적이다.
제2형 당뇨병 위험 예측에 대한 통합 분석 방법으로, 유전적 위험도 점수(genetic risk scores; GRS)는 GWAS 결과로부터의 지놈 수준에서 위험도를 측정하는 것에 있어서 효과적이고 효율적인 방법이 될 수 있다. 최근, 제2형 당뇨에 대한 유전적 위험 평가 연구는 누적적인 유전적 점수의 예측값을 평가함으로써 보고되었다. 그러나, GWAS로부터 유래한 유전적 점수(genetic scores)의 예측값은 유전자형 빈도, 표현형 효과 크기(phenotypic effect size) 및 질병 발생의 민족 특이적 결정 요인들에 의해 영향을 받아왔다. 추가적인 다중 SNP 유전적 위험도 점수(multi-SNP genetic risk score)의 개발 및 개선이 독립적인 민족 집단 간 복잡한 질병 예측 및 예방에 대한 좀 더 나은 이해를 이끌 수 있을 것이다. 본 발명자들은 본 연구에서 한국인에서 제2형 당뇨병의 감수성에 대하여 GRS의 유전적인 기여를 평가하였다.
이에, 본 발명자들은 한국인에 있어서 제2형 당뇨병의 예후 판단을 위하여, 한국인에서 분석이 가능한 기 보고된 당뇨 유전변이 55개와 안성/안산 코호트를 이용한 연관성 분석에서 연관성을 나타내는 19개 유전변이를 나타내는 단일염기다형성(SNP)를 선정하였으며, 이를 유전적 위험도 점수화 하여 분석함으로써 제2형 당뇨병의 예후에 대하여 통계적으로 유의한 결과를 나타냄을 확인함으로써 본 발명을 완성하였다.
본 발명의 목적은 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법을 제공하는데 있다.
상기 목적을 달성하기 위하여, 본 발명은 1) 생물학적 시료로부터 서열번호 1 내지 19로 구성된 군의 모든 단염기다형성(SNP)에 대하여 유전자 위험 점수(Genetic Risk Score, GRS)를 계산하는 단계; 2) 각 SNP별 영향력을 고려한 가중 유전자 위험 점수(Weight Genetic Risk Score, wGRS)를 계산하는 단계; 및 3) 상기 단계의 점수를 정상 대조군으로부터의 결과와 비교하는 단계를 포함하는 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법을 제공한다.
아울러, 본 발명은 서열번호 1 내지 19로 중 어느 하나의 염기서열의 26번째 염기에 위치하는 단일염기다형성(SNP)를 포함하는 10개 이상의 연속적인 염기서열 또는 이의 상보적인 염기서열로 구성된 폴리뉴클레오티드에 특이적으로 결합하는 프라이머, 프로브 또는 항체를 포함하는, 제2형 당뇨병 진단 또는 예후 판단용 키트를 제공한다.
본 발명은 제2형 당뇨와 연관된 단일염기 다형성 및 이의 유전적 위험도 점수화를 통해 제2형 당뇨병 진단에 필요한 정보를 제공하는 방법 및 이를 이용한 제2형 당뇨병 진단 또는 예후 판단용 키트에 관한 것으로, 한국인에서 분석이 가능한 기 보고된 당뇨 유전변이 55개와 안성/안산 코호트를 이용한 연관성 분석에서 연관성을 나타내는 19개 유전변이를 나타내는 단일염기다형성(SNP)를 선정하였으며, 이를 유전적 위험도 점수화하여 분석함으로써 제2형 당뇨병의 예후에 대하여 통계적으로 유의한 결과를 나타냄을 확인함으로써, 제2형 당뇨를 조기에 진단 및 예측 예방에 이용할 수 있다.
도 1은, wGRS(Weight Genetic Risk Score, wGRS)-19의 유전자형 점수(genotype score) 및 누적 효과(cumulative effect)의 분포를 나타낸 도이다:
1: 제1사분위수, 2 : 중앙값, 3 : 3사분위수, 4 : 4사분위수.
A. 위험 대립 유전자(risk alleles)의 분포. 빨간 막대는 제2형 당뇨군, ㅍ파란 막대는 정상인군을 나타냄.
B. 제2형 당뇨에 대한 4분위 기초(Quartile-based)의 교차비(odd ratios)
도 2는, 10년간의 제2형 당뇨 위험(T2D risk)의 누적 발생률(Cumulative incidence rates)을 나타낸 도이다:
A. 4분위 기초의 유전적 위험도 점수에 따른 10년간의 제2형 당뇨 위험(T2D risk)의 누적 발생률.
B. 4분위 기초의 유전적 위험도 점수에 따른 공복혈당(fasting plasma glucose; FPG), GLU60 (Glucose 60 minutes), GLU120 및 glycated hemoglobin (HbA1c) 수준의 누적 발생률.
본 발명에서 사용되는 용어, "다형성(polymorphism)"이란 하나의 유전자 좌위(locus)에 두 가지 이상의 대립 유전자(allele)가 존재하는 경우를 말하며 다형성 부위 중에서, 사람에 따라 단일 염기만이 다른 것을 단일 염기다형성(single nucleotide polymorphism, SNP)이라 한다. 바람직한 다형성 마커는 선택된 집단에서 1% 이상, 더욱 바람직하게는 5% 또는 10% 이상의 발생 빈도를 나타내는 두 가지 이상의 대립 유전자를 가진다.
본 발명에서 사용되는 용어, "대립 유전자"는 상동 염색체의 동일한 유전자 좌위에 존재하는 한 유전자의 여러 타입을 말한다. 대립 유전자는 다형성을 나타내는데 사용되기도 하며, 예컨대, SNP는 두 종류의 대립 인자(biallele)를 갖는다.
본 발명에서 사용되는 용어, "rs_id"란 1998년부터 SNP 정보를 축적하기 시작한 NCBI가 초기에 등록되는 모든 SNP에 대하여 부여한 독립된 표지자인 rs-ID를 의미한다. 본 발명에서는 rs831571와 같은 형태로 기재하였다. 이와 같은 표에 기재된 rs_id는 본 발명의 다형성 마커인 SNP 마커를 의미한다. 당업자라면 상기 rs_id를 이용하여 SNP의 위치 및 서열을 용이하게 확인할 수 있을 것이다. NCBI의 dbSNP (The Single Nucleotide Polymorphism Database) 번호인 rs_id에 해당하는 구체적인 서열은 시간이 지남에 따라 약간 변경될 수 있다. 본 발명의 범위가 상기 변경된 서열에도 미치는 것은 당업자에게 자명할 것이다.
본 발명에서 "서열번호 1 내지 19"는 다형성 부위를 포함하는 다형성 서열(polymorphic sequence)이다. 다형성 서열이란 폴리뉴클레오티드 서열 중에 SNP를 포함하는 다형성 부위(polymorphic site)를 포함하는 서열을 의미한다. 상기 폴리뉴클레오티드 서열은 DNA 또는 RNA가 될 수 있다.
본 발명의 SNP는 표 4에 개시하였으며, 개체의 SNP의 다형성 부위가 효과 대립 유전자(effect allele)로 표시된 대립 유전자일 경우, 제2형 당뇨병 위험성이 높아 제2형 당뇨병 발병 또는 위험이 높은 개체로 판단할 수 있는 것이다. 본 발명에서 "효과 대립 유전자"는 "위험 대립 유전자"와 혼용될 수 있다.
본 발명에서 사용되는 용어, "진단 또는 예후 판단"은 질병 발생의 예측 및 질병 발생 위험도를 결정하거나 도출시키는데 사용되는 모든 유형의 분석을 포함하며, 바람직하게는 제2형 당뇨인지 여부를 판단하여 진단을 하거나 발병 위험을 예측하는 것일 수 있다.
이하, 본 발명을 상세히 설명한다.
본 발명은
1) 생물학적 시료로부터 서열번호 1 내지 19로 구성된 군의 모든 단염기다형성(SNP)에 대하여 유전자 위험 점수(Genetic Risk Score, GRS)를 계산하는 단계;
2) 각 SNP별 영향력을 고려한 가중 유전자 위험 점수(Weight Genetic Risk Score, wGRS)를 계산하는 단계; 및
3) 상기 단계의 점수를 정상 대조군으로부터의 결과와 비교하는 단계를 포함하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법을 제공한다.
상기 생물학적 시료는 조직, 세포, 전혈, 혈청, 혈장, 타액, 객담, 뇌척수액 또는 뇨로 이루어지는 군으로부터 선택되는 것이 바람직하나 이에 한정되지 않는다.
상기 유전자 위험 점수(Genetic Risk Score, GRS)는 각 SNP 좌위에 존재하는 위험 대립유전자의 수를 세부점수로 부여하고 그 세부 점수의 총합으로 계산되는 것이 바람직하다.
상기 가중 유전자 위험 점수(Weight Genetic Risk Score, wGRS)는 연관성 통계로부터 얻어진 각각의 베타 계수에 의한 각각의 위험 대립 유전자 수의 곱을 통해 계산되는 것이 바람직하다.
상기 GRS 계산은 이에 제한되지는 않으나, 그 예로 비위험 대립 유전자만 두 개 가지는 경우(homozygous of non-risk alleles) 0, 이형 대립유전자 (heterozygous of alleles)는 1, 위험 대립 유전자만 두 개 가지는 경우(homozygous of the risk alleles) 2로 유전형 점수로 계산하여 선별된 SNP의 유전형 점수를 모두 계산하는 simple count method 및 각 SNP의 제2형 당뇨에 대한 다중 회귀 분석의 베타 계수를 유전형 점수에 곱한 값을 모두 더하고, 유전형 점수에 베타 계수를 곱한 최대 총 점수로 나눈 다음 최대 위험 대립 유전자 수를 곱하는 방법(weighted count method)으로 정해진 GRS일 수 있다. 이렇게 구해진 GRS를 독립변수로 하여 제2형 당뇨병 및 관련 표현형에 대해서 회귀 분석을 수행해서 특이 SNP를 선별할 수 있다
상기 각각 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 2의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 3의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 4의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 5의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 6의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 7의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 8의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 9의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 10의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 12의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 13의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 14의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 15의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 16의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 17의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 18의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 19의 31번째 염기의 유전자형이 “A”인 경우에 제2형 당뇨병 발병 위험도가 높다고 예측하는 것이 바람직하다.
상기 방법은 성별, 나이, 체질량 지수(kg/m2), 허리둘레(cm), 수축기 혈압(mmHg), 확장기 혈압(mmHg), HDL 콜레스테롤(mg/dl), 총 콜레스테롤(mg/dl), 트리글리세라이드(Triglycerides)(mg/dl) 및 공복혈당(mmol/L)으로부터 선택되는 하나 이상의 임상적 정보를 추가적으로 포함하여 분석하는 것이 바람직하나 이에 한정되지 않는다.
상기 진단은 한국인을 대상으로 하는 것이 바람직하나, 이에 한정되지 않는다.
본 발명의 구체적인 실시예에서, 본 발명자들은 연구대상자를 KARE(Korean Association Resource) 연구로부터 선별되었고, KARA 연구는 한국인유전체역학조사사업(Korean Genome Epidemiologic Study project)을 통해 대한민국 안성지역 및 안산지역에서 조사한 인구 기반 전향적 코호트 연구를 통해 40세 이상 69세 이하의 10,038명의 연구 참가자를 선정하였고, 1,042명의 제2형 당뇨병 환자군 및 2,943명의 정상인 대조군에서 임상적 특성은 제 2형 당뇨병 환자군이 정상인군보다 높은 것을 확인하였다(표 1 참조).
본 발명자들은 당뇨병 위험 예측을 위한 유전적 위험도 점수(Genetic Risk Score, GRS) 및 가중된 유전적 위험도 점수(Weight Genetic Risk Score, wGRS) 모델의 설계하기 위해, 총 10,004개의 KARE 연구 샘플을 Affymetrix Genome-Wide Human SNP array 5.0을 이용하여 유전자형을 판별하였다. 단일염기다형성(SNP) 결측치 예측 분석(SNP imputation)은 참조 패널로서 1,000 genome reference panel에 기반으로 IMPUTE를 이용하여 수행하였고 동아시아인들에게 특정한 55개의 제 2형 당뇨 관련 SNP 중에서, 한국인에서 일관되고 유의한 제 2형 당뇨를 증가하는 것으로 확인된 19개를 선택하였다(표 4 참조). 가중된 유전적 위험도 점수(Weight Genetic Risk Score, wGRS)는 연관성 통계로부터 얻어진 각각의 베타 계수에 의한 각각의 위험 대립 유전자 수의 곱을 통해 계산하였다. 또한, 가산 모델(additive model)을 이용하여 위험 대립유전자(risk alleles)의 누적적인 수를 기록하였다. 대립 유전자 영향(effect allele)에 대해, 동형 비-위험성 대립유전자(homozygous of non-risk alleles)는 0, 이형 대립유전자(heterozygous of alleles)는 1, 동형 위험성 대립유전자(homozygous of the risk alleles)는 2로 계산하였으며, 추가적으로 각 후보 유전변이의 영향력을 고려하여 영향력이 고려된 위험도 점수를 같이 고려하였다. 연관성 테스트 수행에 있어서 SNP는 R (2.15.1) software package, PLINK(http://pngu.mgh.harvard.edu/~purcell/plink/) 및 SAS 프로그램(version 9.1; SAS institute Inc., Cary, NC, USA)을 사용하여 분석하였다.
또한, 본 발명자들은 한국인에서 분석이 가능한 기 보고된 당뇨 유전변이 55개와 안성/안산 코호트를 이용한 연관성 분석에서 연관성을 나타내는 19개 유전변이를 선정하였다. 이 유전변이에 대해 그룹별 위험도 점수(Genetic Risk Score, GRS)와 각 SNP별 영향력을 고려한 가중 위험도 (Weight Genetic Risk Score, WGRS)를 계산하여, 그룹별 GRS 및 WGRS의 평균을 비교해 본 결과, 당뇨 군에서 정상 군보다 값이 높음을 확인하였으며, 통계적으로 유의한 결과를 나태내었다(표 2 참조)
또한, 본 발명자들은 로지스틱 모델을 적용 receiver operation characteristic (ROC) curve 면적을 비교한 결과, GRS-55와 GRS-19에서 차이가 없었으며, 가중치를 고려한 WGRS-55와 WGRS-19에서도 ROC 면적의 차이가 없음을 확인하였다(표 3 참조).
따라서, 한국인에서 19개의 유전변이를 고려한 위험도 점수화 모델을 이용한 본 발명의 제2형 당뇨병 진단 방법은 제2형 당뇨병의 예후에 대하여 통계적으로 유의한 결과를 나타냄을 확인함으로써, 제2형 당뇨를 조기에 진단 및 예측 예방에 이용할 수 있다.
또한, 본 발명은 서열번호 1 내지 19 중 어느 하나의 염기서열의 26번째 염기에 위치하는 단일염기다형성(SNP)를 포함하는 10개 이상의 연속적인 염기서열 또는 이의 상보적인 염기서열로 구성된 폴리뉴클레오티드에 특이적으로 결합하는 프라이머, 프로브 또는 항체를 포함하는, 제2형 당뇨병 진단 또는 예후 판단용 키트를 제공한다.
각각 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 2의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 3의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 4의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 5의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 6의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 7의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 8의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 9의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 10의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 12의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 13의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 14의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 15의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 16의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 17의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 18의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 19의 31번째 염기의 유전자형이 “A”인 경우에 제2형 당뇨병 발병 위험도가 높다고 예측하는 것이 바람직하나 이에 한정되지 않는다.
상기 진단은 한국인을 대상으로 하는 것이 바람직하나, 이에 한정되지 않는다.
상기 다형성 마커 증폭에 사용되는 프라이머는, 적절한 버퍼 중의 적절한 조건(예를 들면, 4개의 다른 뉴클레오시드 트리포스페이트 및 DNA, RNA 폴리머라제 또는 역전사 효소와 같은 중합제) 및 적당한 온도 하에서 주형-지시 DNA 합성의 시작점으로서 작용할 수 있는 단일가닥 올리고뉴클레오티드를 말한다. 상기 프라이머의 적절한 길이는 사용 목적에 따라 달라질 수 있으나, 통상 15 내지 30 뉴클레오티드이다. 짧은 프라이머 분자는 일반적으로 주형과 안정한 혼성체를 형성하기 위해서는 더 낮은 온도를 필요로 한다. 프라이머 서열은 주형과 완전하게 상보적일 필요는 없으나, 주형과 혼성화 할 정도로 충분히 상보적이어야 한다.
본 발명에서 사용되는 용어, "프라이머"는 짧은 자유 3' 말단 수산화기(free 3' hydroxyl group)를 가지는 염기서열로 상보적인 템플레이트(template)와 염기쌍(base pair)을 형성할 수 있고 주형 가닥 복사를 위한 시작 지점으로 기능을 하는 짧은 서열을 의미한다. 프라이머는 적절한 완충용액 및 온도에서 중합반응(즉, DNA 폴리머라아제 또는 역전사 효소)을 위한 시약 및 상이한 4가지 뉴클레오사이드 트리포스페이트의 존재하에서 DNA 합성을 개시할 수 있다. PCR 증폭을 실시하여 원하는 생성물의 생성 여부를 통해 제2형 당뇨를 예측할 수 있다. PCR 조건, 센스 및 안티센스 프라이머의 길이는 당업계에 공지된 것을 기초로 변형할 수 있다.
본 발명의 프로브 또는 프라이머는 포스포르아미다이트 고체 지지체 방법, 또는 기타 널리 공지된 방법을 사용하여 화학적으로 합성할 수 있다. 이러한 핵산 서열은 또한 당해 분야에 공지된 많은 수단을 이용하여 변형시킬수 있다. 이러한 변형의 비-제한적인 예로는 메틸화, "캡화", 천연 뉴클레오타이드 하나 이상의 동족체로의 치환, 및 뉴클레오타이드 간의 변형, 예를 들면, 하전되지 않은 연결체(예: 메틸 포스포네이트, 포스포트리에스테르, 포스포로아미데이트, 카바메이트 등) 또는 하전된 연결체(예: 포스포로티오에이트, 포스포로디티오에이트 등)로의 변형이 있다.
본 발명의 키트는 제2형 당뇨병 예측 또는 진단용 마커인 SNP 마커를 증폭을 통해 확인하거나, SNP 마커의 발현 수준을 mRNA의 발현 수준을 확인함으로써 제2형 당뇨병을 예측 또는 진단할 수 있다. 구체적인 일례로서, 본 발명에서 제2형 당뇨병 예측 또는 진단용 마커의 mRNA 발현 수준을 측정하기 위한 키트는 RT-PCR을 수행하기 위해 필요한 필수 요소를 포함하는 키트일 수 있다. RT-PCR 키트는, 제2형 당뇨병 예측 또는 진단용 마커의 유전자에 대한 특이적인 각각의 프라이머 쌍 외에도 RTPCR 키트는 테스트 튜브 또는 다른 적절한 컨테이너, 반응 완충액(pH 및 마그네슘 농도는 다양), 데옥시뉴클레오타이드(dNTPs), Taq-폴리머라아제 및 역전사 효소와 같은 효소, DNase, RNAse 억제제, DEPC-수(DEPC-water), 멸균수 등을 포함할 수 있다. 또한 정량 대조군으로 사용되는 유전자에 특이적인 프라이머 쌍을 포함할 수 있다. 또한 바람직하게는, 본 발명의 키트는 DNA 칩을 수행하기 위해 필요한 필수 요소를 포함하는 제2형 당뇨병 예측 또는 진단용 키트일 수 있다. DNA 칩 키트는, 일반적으로 편평한 고체 지지판, 전형적으로는 현미경용 슬라이드보다 크지 않은 유리 표면에 핵산 종을 격자형 배열(gridded array)로 부착한 것으로, 칩 표면에 핵산이 일정하게 배열되어, DNA 칩 상의 핵산과 칩 표면에 처리된 용액 내에 포함된 상보적인 핵산 간에 다중 혼성화(hybridization) 반응이 일어나 대량 병렬 분석이 가능하도록 하는 도구이다.
한국인에서 19개의 유전변이를 고려한 위험도 점수화 모델을 이용한 본 발명의 제2형 당뇨병 진단 방법은 제2형 당뇨병의 예후에 대하여 통계적으로 유의한 결과를 나타냄을 확인함으로써, 제2형 당뇨를 조기에 진단 및 예측 예방에 이용할 수 있다.
이하, 본 발명을 실시예에 의하여 상세히 설명한다.
단, 하기 실시예는 본 발명을 예시하는 것일 뿐, 본 발명의 내용이 이에 한정되는 것은 아니다.
제2형 당뇨병( T2D case) 환자군 및 정상인 대조군(control)의 선정
본 발명에서의 연구대상자는 KARE(Korean Association Resource) 연구로부터 선별되었고, KARA 연구는 한국인유전체역학조사사업(Korean Genome Epidemiologic Study project)을 통해 대한민국 안성지역 및 안산지역에서 조사한 인구 기반 전향적 코호트 연구를 통해 40세 이상 69세 이하의 10,038명의 연구 참가자를 선정하였다.
상기 코호트 모두 종적 전향적 연구(longitudinal prospective studies)가 가능하도록 설계하였다. 연구대상 코호트로부터 제2형 당뇨병 환자는 과거 당뇨병 진단 여부와 과거 및 현재 약물력 설문조사 결과를 이용하여 당뇨병으로 진단된 대상자들과 이에 더불어 WHO 당뇨병 진단 기준을 적용하여, 공복혈당이 7 mmol/l 이상이거나, 경구 당 부하검사(Oral Glucose Tolerance Test)로 75 mg의 포도당을 섭취 후 2시간 후 혈당이 11.1 mmol/l 이상인 대상자들을 측정된 혈당 수치로부터 확인하여 제 2형 당뇨병 환자군으로 선정하였다. 또한, 정상인 대조군은 WHO 당뇨병 진단 기준을 적용하여 공복혈당이 5.6 mmol/l 미만이거나, 경구 당 부하검사(orl glucose tolerance test)로 75 mg의 포도당을 섭취 후 2시간 후 혈당이 7.8 mmol/l 미만인 대상자들로 선정하였다.
상기와 같이 1,042명의 제2형 당뇨병 환자군 및 2,943명의 정상인 대조군을 선정하였다. 실험에 참여한 집단의 임상적 특성은 제 2형 당뇨병 환자군이 정상인군보다 높은 것을 확인하였으며 그 결과는 아래 표 1과 같다.
제2형 당뇨병 환자 및 정상인의 기준 특성
변수 제2형 당뇨군 정상군 P
개 수 1,042 2,943
성별 (M/F) 539/503 1,355/1,588 0.0016
나이 (yr) 56.37 ± 8.58 51.06 ± 8.57 < .0001
체질량 지수 (kg/m2) 25.48 ± 3.29 24.13 ± 2.95 < .0001
허리둘레 (cm) 86.48 ± 8.22 81.45 ± 8.59 < .0001
수축기 혈압 (mmHg) 122.28 ± 17.85 113.4 ± 15.95 < .0001
확장기 혈압 (mmHg) 76.89 ± 11.11 73.24 ± 10.92 < .0001
HDL 콜레스테롤 (mg/dl) 42.6 ± 9.71 45.25 ± 9.8 < .0001
총 콜레스테롤 (mg/dl) 200.19 ± 42.32 185.62 ± 33.42 < .0001
트리글리세라이드(Triglycerides) (mg/dl) 214.46 ± 149.57 140.77 ± 78.47 < .0001
공복혈당 (mmol/L) 6.91 ± 2.56 4.47 ± 0.37 < .0001
데이터: 평균 ± SD.
HDL: 고밀도 지단백질(high-density lipoprotein)
제2형 당뇨병 위험 예측을 위한 유전적 위험도 점수(Genetic Risk Score, GRS) 및 가중된 유전적 위험도 점수(Weight Genetic Risk Score, wGRS ) 모델의 설계
총 10,004개의 KARE 연구 샘플은 Affymetrix Genome-Wide Human SNP array 5.0을 이용하여 유전자형을 판별하였다. 단일염기다형성(SNP) 결측치 예측 분석(SNP imputation)은 참조 패널로서 1,000 genome reference panel에 기반으로 IMPUTE를 이용하여 수행하였다.
구체적으로, 사후확률 점수 < 0.90, 높은 유전자형 정보량(info < 0.5), HWE(P < 1×10-7) 및 MAF < 0.01를 가지는 SNP은 제거하였다. 제2형 당뇨 감수성(susceptibility) 유전자 좌(loci)를 이용하여 유전적 위험도 점수(Genetic Risk Score, GRS)을 만들기 위해, GWAS 카탈로그(https://www.ebi.ac.uk/gwas/)로부터 72 GWAS 유전자 좌를 고려하였다. 또한, 동아시아인들에게 특정한 SNP(rs2233580 in PAX4) 이외에도, 동일한 효과를 가지는 54개의 SNP를 선택하였다. 이렇게 총 55개의 SNP가 본 발명의 하기 표 4에 개시된다.
55개의 제 2형 당뇨 관련 SNP 중에서, 한국인에서 일관되고 유의한 제 2형 당뇨를 증가하는 것으로 확인된 19개를 선택하였다. Bonferroni threshold(유의성, 0.05/69=0.0007)에 근거하여, 네 개의 변이체(rs4402960, rs7756992, rs10811661 및 rs1111875)가 다중 테스트에 대한 교정 이후 유의하게 존재하였다. 유전적 예측 모델의 통계적 효과를 극대화하기 위해, 명목적 p-value < 0.05를 가지는 모든 SNP는 다음과 같은 위험 지수 분석에 포함시켰다.
가중된 유전적 위험도 점수(Weight Genetic Risk Score, wGRS)는 연관성 통계로부터 얻어진 각각의 베타 계수에 의한 각각의 위험 대립 유전자 수의 곱을 통해 계산된다. 또한, 가산 모델(additive model)을 이용하여 위험 대립유전자(risk alleles)의 누적적인 수를 기록하였다. 대립 유전자 영향(effect allele)에 대해, 동형 비-위험성 대립유전자(homozygous of non-risk alleles)는 0, 이형 대립유전자(heterozygous of alleles)는 1, 동형 위험성 대립유전자(homozygous of the risk alleles)는 2로 계산하였으며, 추가적으로 각 후보 유전변이의 영향력을 고려하여 영향력이 고려된 위험도 점수를 같이 고려하였다.
통계분석
연관성 테스트 수행에 있어서 SNP는 R (2.15.1) software package, PLINK(http://pngu.mgh.harvard.edu/~purcell/plink/) 및 SAS 프로그램(version 9.1; SAS institute Inc., Cary, NC, USA)을 사용하여 분석하였다. 제2형 당뇨병의 연관성은 공변수로써 나이, 성별 및 BMI에 대한 조정 유무에 따른 가산 모델에서 로지스틱 회귀분석(logistic regression)에 의해 분석하였고, SNP 유전자형에 따른 제 2형 당뇨 감수성의 상대적 위험을 OR(odds ratio)로 계산하였다. 또한, 공복혈당(fasting plasma glucose; FPG) 및 당화 헤모글로빈(glycated hemoglobin; HbA1c) 수준의 정량적 특성은 다중 선형 회귀 분석(multiple linear regression analysis)에 의해 시험되었다.
< 실험예 1> 유전적 위험도 점수화 모델(genotype risk score)의 분포 확인
이전 GWAS 유전자 좌위에 대한 포괄적인 위험 평가를 위해, 본 발명자들은 결측치 보정(imputation data)을 기반으로 한 상기 <실시예 2>에서 분석된 1,000 지놈으로부터 분석 가능한 55개의 위험 대립 유전자를 합(summing)함으로써 GRS-55를 설계하였다. 또한, 상기 한국인에서 분석이 가능한 기 보고된 당뇨 유전변이 55개와 안성/안산 코호트를 이용한 연관성 분석에서 일관된 연관성을 나타내는 19개 유전변이를 선정하여 GRS-19를 제작하였다.
이 유전변이에 대해 그룹별 위험도 점수(Genetic Risk Score, GRS)와 각 SNP별 영향력을 고려한 가중 위험도 점수(Weight Genetic Risk Score, wGRS)를 계산하여, 그룹별 GRS 및 wGRS의 평균 차이을 비교하였다.
그 결과, 표 2에 나타낸 바와 같이 가중된 GRS-19(wGRS-19)의 평균값은 가중된 GRS-55(wGRS-55)보다 유의하게 높았다(wGRS-19: P = 1.75 ×10-28 및 wGRS-55: P = 5.32 × 10-27)(표 2). 제2형 당뇨병 실험군에서 위험 대립유전자의 수의 분포는 도 1a와 같다(도 1a). 즉, 제2형 당뇨 실험군이 정상군보다 높은 값을 나타내는 것을 확인하였으며, 통계적으로 유의한 결과를 나타내었다.
또한, 표 3에 나타낸 바와 같이 계층화된 그룹간 C 통계에서 차이가 없다고 하더라도, wGRS-19는 지역, 연령, 성별 및 BMI에 대한 조정 후 증가된 제2형 당뇨병 위험(wGRS-19: P = 6.11 × 10-32, OR per risk allele = 2.60, 95% confidence interval [CI] = 2.22-3.04; wGRS-55; P = 2.00 × 10-28, OR per risk allele = 2.02, 95% [CI] = 1.78-2.28)과 유의적으로 연관이 있음을 확인하였다(표 3). 또한 가중된 분위 분석(quartile analysis)에서, 증가된 위험 대립 유전자는 제2형 당뇨병 위험에 대해 증가된 교차비(odds ratio)와 연관이 있음을 확인하였다(도 1b).
GRS-55 및 GRS-19에서 위험 대립 유전자의 평균 수의 비교
GRS -19 P GRS -55 P
제2형 당뇨병 17.16 ± 2.72 2.16 × 10 -26
57.38 ± 4.47 1.00 × 10 -28
정상인 16.11 ± 2.74 55.64 ± 4.32
WGRS -19 P WGRS -55 P
제2형 당뇨병 3.12 ± 0.50 1.75 × 10 -28
11.70 ± 0.72 5.32 × 10 -27
정상인 2.92 ± 0.50 11.42 ± 0.72
OR per risk allele(95% CI) P -value ROC- AUC ( GRS +area, age, sex and BMI )
GRS -55 1.11 (1.09-1.13) 3.41 X 10 -27 0.76 (0.75-0.78)
GRS -19 1.18 (1.15-1.21) 1.37 X 10 -28 0.76 (0.75-0.78)
WGRS -55 2.02 (1.78-2.28) 2.00 X 10 -28 0.77 (0.75-0.78)
WGRS -19 2.60 (2.22-3.04) 6.11 X 10 -32 0.77 (0.75-0.78)
< 실험예 2> 가중된 GRS -19( wGRS -19)의 위험 예측 평가
본 발명자들은 wGRS-19의 위험 예측 개선을 평가하기 위해, 본 발명자들은 추가적으로 제2형 당뇨병의 누적 발생률, 공복혈당(FPG) 및 당화 헤모글로빈(HbA1c)의 수준을 평가하였다. FPG, GLU60, GLU120 및 HbA1c 특성에 대한 평균값은 오직 비-당뇨병 대조군에서 분위 기반의 유전자형 위험도 점수에 의해 계산하였다.
그 결과, 도 2에 나타낸 바와 같이 wGRS-19에서 제2형 당뇨병의 발병 빈도는 가장 높은 분위(quartile)에서의 증가와 연관이 있다는 것을 확인하였다(도 2a). 이러한 결과는 wGRS-19가 혈당 상태에서 지속적인 가산 위험 효과(additive risk effects)와 연관이 있다는 것을 증명한다(도 2b). 그러나, 공복 혈당 수치(n = 5,907)와 비교하여, 유효 관측치(non-missing)의 수는 미미한 개선을 나타내는 2시간 혈당 수준 (n = 5,107)에서 p 값을 계산하기에 상대적으로 작았다.
< 실험예 3> 제2형 당뇨병에 대한 위험도 점수화 모델(genotype risk score)의 확립
상기 <실험예 1> 및 <실험예 2>를 통해 제작한 GRS-55 및 GRS-19, 그리고 wGRS-55 및 wGRS-19의 로지스틱 모델을 적용하여 receiver operation characteristic (ROC) curve 면적을 비교한 결과, GRS-55와 GRS-19에서 차이가 없었으며, 가중치를 고려한 wGRS-55와 wGRS-19에서도 ROC 면적의 차이가 없음을 확인하였다. 이를 통해 한국인에서는 19개의 후보 유전변이를 고려하는 것이 제2형 당뇨 모델 구축에 효율적이라는 것을 상기 표 3을 통해 확인하였다.
또한, 당뇨의 환자가 된 군을 확인한 결과, 전체 12.35%였으며, GRS를 4개의 그룹으로 분리하여, 레퍼런스 그룹에 비해 각 그룹별 위험률 비교 시 위험도가 증가함에 따라 발생률이 증가하는 것을 확인하였다.
제2형 당뇨병 유전자 좌위에 대한 KARA의 결과
Chr
서열
번호 		Lead SNP
(rs-id) 		Alleles European 12,171 cases
and 56,862 controls 		KARE 1,042 cases
and 2,943 controls
Risk Other OR CI P OR CI P
1 rs10923931 T G 1.10 (1.04-1.16) 5.80E-04 0.75 (0.52-1.08) 1.23E-01
1 rs2075423 G T 1.08 (1.04-1.12) 1.60E-04 1.00 (0.86-1.18) 9.67E-01
2 rs780094 C T 1.04 (1.00-1.08) 3.20E-02 1.08 (0.97-1.20) 1.62E-01
2 rs10203174 C T 1.15 (1.08-1.22) 4.70E-06 0.87 (0.51-1.49) 6.09E-01
2 rs243088 T A 1.09 (1.04-1.14) 2.60E-05 0.97 (0.85-1.10) 5.82E-01
2 rs6723108 T G 1.01 (0.97-1.05) 7.20E-01 NA NA NA
2 rs7593730 C T 1.11 (1.06-1.17) 4.30E-06 1.06 (0.92-1.23) 4.18E-01
2 rs3923113 A C 1.04 (1.00-1.08) 4.00E-02 1.05 (0.87-1.26) 6.06E-01
2 rs2943640 C A 1.09 (1.05-1.13) 4.80E-06 1.04 (0.82-1.33) 7.32E-01
3 rs1801282 C G 1.16 (1.10-1.22) 1.70E-08 1.22 (0.94-1.59) 1.42E-01
3 rs7612463 C A 1.10 (1.04-1.16) 1.60E-03 1.10 (0.96-1.26) 1.64E-01
3 서열
번호 1 		rs831571 C T 1.03 (0.99-1.07) 1.80E-01 1.12 (1.00-1.25) 4.92E-02
3 rs6795735 C T 1.07 (1.03-1.11) 4.40E-04 0.90 (0.78-1.03) 1.39E-01
3 rs11717195 T C 1.09 (1.05-1.13) 2.60E-05 NA NA NA
3 서열
번호 2 		rs4402960 T G 1.13 (1.09-1.17) 1.80E-10 1.27 (1.13-1.43) 6.06E-05
3 rs16861329 C T 1.03 (0.96-1.11) 4.10E-01 1.09 (0.90-1.32) 3.93E-01
4 서열
번호 3 		rs6815464 C G 1.10 (1.04-1.16) 4.30E-04 1.14 (1.02-1.27) 2.55E-02
4 rs4458523 G T 1.09 (1.06-1.12) 5.80E-07 0.85 (0.61-1.19) 3.38E-01
5 rs459193 G A 1.05 (1.01-1.09) 2.70E-02 1.08 (0.97-1.21) 1.46E-01
5 rs6878122 G A 1.13 (1.07-1.19) 3.20E-06 1.43 (0.81-2.51) 2.16E-01
6 서열
번호 4 		rs7756992 G A 1.20 (1.16-1.24) 1.10E-21 1.36 (1.22-1.52) 4.05E-08
6 rs9470794 C T 0.99 (0.93-1.05) 8.10E-01 0.95 (0.84-1.08) 4.55E-01
6 rs1535500 T G 1.13 (1.08-1.19) 1.80E-06 1.02 (0.91-1.13) 7.94E-01
7 rs17168486 T C 1.13 (1.07-1.19) 2.10E-06 0.94 (0.83-1.06) 3.37E-01
7 rs849135 G A 1.12 (1.08-1.16) 1.90E-09 1.01 (0.42-2.43) 9.84E-01
7 rs10278336 A G 1.05 (1.01-1.09) 2.70E-02 1.05 (0.87-1.26) 6.23E-01
7 서열
번호 5 		rs6467136 G A 1.00 (0.95-1.03) 5.50E-01 1.16 (1.02-1.32) 2.88E-02
7 서열
번호 6 		rs2233580 T C NC NC NC 1.52 (1.02-2.26) 3.83E-02
7 서열
번호 7 		rs791595 A G 1.19 (1.11-1.28) 4.69E-06 1.29 (1.09-1.53) 3.32E-03
7 rs13233731 G A 1.10 (1.06-1.14) 1.70E-07 0.96 (0.85-1.08) 4.52E-01
8 rs516946 C T 1.10 (1.06-1.14) 2.10E-06 1.10 (0.94-1.29) 2.33E-01
8 rs7845219 T C 1.08 (1.04-1.12) 3.20E-05 1.06 (0.94-1.20) 3.33E-01
8 서열
번호 8 		rs3802177 G A 1.16 (1.11-1.21) 1.30E-10 1.15 (1.03-1.29) 1.44E-02
9 rs7041847 A G 1.05 (1.01-1.09) 1.40E-02 1.04 (0.93-1.16) 4.85E-01
9 rs17584499 T C 0.99 (0.94-1.06) 9.40E-01 0.97 (0.70-1.34) 8.57E-01
9 서열
번호 9 		rs10811661 T C 1.18 (1.13-1.23) 1.20E-12 1.28 (1.15-1.43) 7.25E-06
9 rs17791513 A G 1.21 (1.13-1.30) 4.30E-07 1.16 (0.92-1.47) 2.02E-01
9 rs2796441 G A 1.07 (1.03-1.11) 4.90E-04 0.92 (0.79-1.06) 2.40E-01
9 rs11787792 A G 1.17 (1.09-1.25) 7.12E-06 1.08 (0.80-1.45) 6.23E-01
10 서열번호 10 rs11257655 T C 1.06 (1.01-1.11) 1.70E-02 1.16 (1.04-1.30) 9.10E-03
10 rs1802295 T C 1.02 (0.98-1.06) 3.00E-01 0.96 (0.81-1.12) 5.81E-01
10 rs12571751 A G 1.09 (1.06-1.12) 7.10E-07 0.95 (0.85-1.06) 3.73E-01
10 서열
번호 11 		rs1111875 C T 1.15 (1.11-1.19) 1.20E-14 1.23 (1.09-1.39) 7.33E-04
10 rs7903146 T C 1.40 (1.35-1.45) 1.90E-59 0.99 (0.69-1.42) 9.74E-01
10 rs10886471 C T 0.99 (0.95-1.03) 6.10E-01 0.95 (0.82-1.11) 5.16E-01
11 rs2334499 T C 1.07 (1.03-1.11) 1.30E-03 1.04 (0.90-1.20) 6.09E-01
11 서열
번호 12 		rs163184 G T 1.09 (1.04-1.14) 4.30E-05 1.19 (1.06-1.34) 3.92E-03
11 서열
번호 13 		rs5215 C T 1.08 (1.04-1.12) 1.10E-05 1.13 (1.01-1.26) 3.11E-02
11 서열
번호 14 		rs1552224 A C 1.13 (1.08-1.18) 1.50E-06 1.38 (1.09-1.76) 8.02E-03
11 서열
번호 15 		rs10830963 G C 1.11 (1.06-1.16) 2.50E-06 1.11 (0.99-1.25) 7.75E-02
12 rs11063069 G A 1.10 (1.04-1.16) 3.20E-04 1.06 (0.83-1.35) 6.23E-01
12 rs10842994 C T 1.09 (1.04-1.14) 3.00E-04 0.97 (0.85-1.11) 6.85E-01
12 rs2261181 T C 1.16 (1.1-1.22) 3.9e_07 1.13 (0.96-1.33) 1.58E-01
12 rs7955901 C T 1.09 (1.05-1.13) 9.00E-06 0.99 (0.88-1.11) 8.06E-01
12 rs12427353 G C 1.12 (1.07-1.17) 2.80E-06 NA NA NA
13 rs1359790 G A 1.10 (1.05-1.15) 3.20E-06 1.10 (0.98-1.24) 1.01E-01
15 서열
번호 16 		rs7403531 T C 1.02 (0.98-1.06) 3.80E-01 1.11 (0.99-1.24) 6.62E-02
15 rs7163757 C T 1.06 (1.02-1.10) 2.20E-03 1.07 (0.96-1.20) 2.20E-01
15 rs7178572 G A 1.08 (1.04-1.12) 1.90E-04 1.08 (0.97-1.20) 1.68E-01
15 rs11634397 G A 1.09 (1.05-1.13) 1.80E-05 1.14 (0.86-1.52) 3.73E-01
15 rs2028299 C A 1.04 (1.00-1.08) 4.40E-02 1.09 (0.95-1.24) 2.30E-01
15 rs12899811 G A 1.09 (1.04-1.14) 7.10E-05 1.40 (0.92-2.13) 1.12E-01
16 rs9936385 C T 1.13 (1.09-1.17) 3.20E-10 1.09 (0.92-1.28) 3.09E-01
16 rs7202877 T G 1.15 (1.07-1.24) 5.00E-05 1.04 (0.84-1.28) 7.14E-01
17 rs391300 C T 1.00 (0.96-1.04) 9.50E-01 1.11 (0.97-1.26) 1.15E-01
17 rs312457 G A 1.19 (1.10-1.29) 9.40E-06 1.08 (0.86-1.35) 5.23E-01
17 rs4430796 G A 1.13 (1.07-1.19) 6.60E-06 1.05 (0.78-1.43) 7.41E-01
18 서열
번호 17 		rs12970134 A G 1.08 (1.03-1.13) 2.30E-04 1.15 (1.00-1.31) 4.17E-02
19 rs10401969 C T 1.13 (1.05-1.22) 9.30E-04 0.98 (0.81-1.18) 7.94E-01
19 서열
번호 18 		rs3786897 A G 1.02 (0.98-1.06) 3.30E-01 1.12 (0.98-1.27) 9.40E-02
19 rs8108269 G T 1.06 (1.02-1.11) 5.00E-03 1.15 (0.92-1.43) 2.09E-01
20 서열
번호 19 		rs4812829 A G 1.07 (1.01-1.13) 1.30E-02 1.17 (1.02-1.34) 2.38E-02
Chr 서열번호 BP Locus Lead SNP( rs _id) Alleles
Risk Other
1 120517959 NOTCH2 rs10923931 T G
1 214154719 PROX1 rs2075423 G T
2 27741237 GCKR rs780094 C T
2 43690030 THADA rs10203174 C T
2 60568745 BCL11A rs243088 T A
2 135479980 TMEM163 rs6723108 T G
2 161171454 RBMS1 rs7593730 C T
2 165501849 GRB14 rs3923113 A C
2 227093585 IRS1 rs2943640 C A
3 12393125 PPARG rs1801282 C G
3 23336450 UBE2E2 rs7612463 C A
3 서열번호 1 64048297 PSMD6 rs831571 C T
3 64705365 ADAMTS9 rs6795735 C T
3 123082398 ADCY5 rs11717195 T C
3 서열번호 2 185511687 IGF2BP2 rs4402960 T G
3 186666461 ST64GAL1 rs16861329 C T
4 서열번호 3 1309901 MAEA rs6815464 C G
4 6289986 WFS1 rs4458523 G T
5 55806751 ANKRD55 rs459193 G A
5 76427311 ZBED3 rs6878122 G A
6 서열번호 4 20679709 CDKAL1 rs7756992 G A
6 38106844 ZNFAND3 rs9470794 C T
6 39284050 KCNK16 rs1535500 T G
7 14898282 DGKB rs17168486 T C
7 28196413 JAZF1 rs849135 G A
7 44245363 GCK rs10278336 A G
7 서열번호 5 127164958 GCC1 rs6467136 G A
7 서열번호 6 127253550 PAX4 $ rs2233580 T C
7 서열번호 7 127862802 MIR129 - LEP rs791595 A G
7 130437689 KLF14 rs13233731 G A
8 41519248 ANK1 rs516946 C T
8 95937502 TP53INP1 rs7845219 T C
8 서열번호 8 118185025 SLC30A8 rs3802177 G A
9 4287466 GLIS3 rs7041847 A G
9 8879118 PTPRD rs17584499 T C
9 서열번호 9 22134094 CDKN2A /B rs10811661 T C
9 81905590 TLE4 rs17791513 A G
9 84308948 TLE1 rs2796441 G A
9 139252148 GPSM1 rs11787792 A G
10 서열번호 10 12307894 CDC123 rs11257655 T C
10 70931474 VPS26A rs1802295 T C
10 80942631 ZMIZ1 rs12571751 A G
10 서열번호 11 94462882 HHEX /IDE rs1111875 C T
10 114758349 TCF7L2 rs7903146 T C
10 121149403 GRK5 rs10886471 C T
11 1696849 DUSP8 rs2334499 T C
11 서열번호 12 2847069 KCNQ1 rs163184 G T
11 서열번호 13 17408630 KCNJ11 rs5215 C T
11 서열번호 14 72433098 ARAP1( CENTD2 ) rs1552224 A C
11 서열번호 15 92708710 MTNR1B rs10830963 G C
12 4374373 CCND2 rs11063069 G A
12 27965150 KLHDC5 rs10842994 C T
12 66212318 HMGA2 rs2261181 T C
12 71433293 TSPAN8 rs7955901 C T
12 121426901 HNF1A rs12427353 G C
13 80717156 SPRY2 rs1359790 G A
15 서열번호 16 38822905 RASGRP1 rs7403531 T C
15 62391608 C2CD4A rs7163757 C T
15 77747190 HMG20A rs7178572 G A
15 80432222 ZFAND6 rs11634397 G A
15 90374257 AP3S2 rs2028299 C A
15 91544076 PRC1 rs12899811 G A
16 53819169 FTO rs9936385 C T
16 75247245 BCAR1 rs7202877 T G
17 2216258 SRR rs391300 C T
17 6940393 SLC16A13 rs312457 G A
17 36098040 HNF1B rs4430796 G A
18 서열번호 17 57884750 MC4R rs12970134 A G
19 19407718 CILP2 rs10401969 C T
19 서열번호 18 33893008 PEPD rs3786897 A G
19 46158513 GIPR rs8108269 G T
20 서열번호 19 42989267 HNF4A rs4812829 A G
<110> Korea centers for disease control and prevention <120> Diabetes diagnosis and prediction methods using single nucleotide polymorphism based-Genetic Risk Score in Korean <130> 2014P-10-032 <160> 19 <170> KopatentIn 2.0 <210> 1 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (30) <223> C/T <400> 1 tccatcctct tgacaacaag ataggcttta cttcgcctct agaatggcct ccagccctat 60 c 61 <210> 2 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (30) <223> G/T <400> 2 ggagcagtaa ggtaggatgg acagtagatt taagatactg attgtgtttg caaacatgcc 60 c 61 <210> 3 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/G <400> 3 tcccgcccga tacctgtacc ccgggttttg cgctgacaca tgctccattg cttcctcgtg 60 a 61 <210> 4 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/G <400> 4 aattaatatt cccccctgta ttttagtttt ggatctacag ttatgtagca atgagctcat 60 t 61 <210> 5 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/G <400> 5 attttcttgg acattacttt aaaagtgcaa gtgacaaaag aaaaatatag ataaattgga 60 t 61 <210> 6 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/T <400> 6 ggcagagagg tggcagtagc cagctttcca tgggccactg aatcaggata ctgcccacgc 60 t 61 <210> 7 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/G <400> 7 agctttcacg ccacccccca gggcagctgt agccacagaa ttgaggcata atttggacac 60 t 61 <210> 8 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/G <400> 8 gaaaataagg aaccaaagga agaaattcat gtcatggtgc aatgcacatt ttatctattt 60 a 61 <210> 9 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/T <400> 9 gtcagcagct cacctccagc tttagttttc tcatgacagt aagtctatta ccctcctgat 60 c 61 <210> 10 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/T <400> 10 ctactgcttc tccggactcg gggcaagtgt ttactgggca tgaaaccatc tccgtgggga 60 a 61 <210> 11 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/T <400> 11 aaatggaccc tgagtgcagg ttcagacgtc cagaggaaat gacttgatgg tacggaggtg 60 g 61 <210> 12 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> G/T <400> 12 tccacgccag ggactggggc aagggtggag gttggagtaa agagagaggc agggcaaccc 60 c 61 <210> 13 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/T <400> 13 gggccgtgca gagtggtgtg ggcactttga cggtgttgcc aaacttggag tagtccacag 60 a 61 <210> 14 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/C <400> 14 ggaggttttt gagcccaggt atggctttgc acctgtgatt tatgtcttta agtgtttgtg 60 a 61 <210> 15 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/G <400> 15 ccccagtgat gctaagaatt cacaccatct gctatccaga accagtaact gcctgggagg 60 t 61 <210> 16 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> C/T <400> 16 cttgccatct caactttcct ttatggctgg ttagcatctt cccatagata ctcatatgtg 60 a 61 <210> 17 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/G <400> 17 tgatactgac tcttaccaaa caaagcatga acaaacaaag atttatcaga agggtgcttg 60 t 61 <210> 18 <211> 61 <212> DNA <213> Homo sapiens <220> <221> V_segment <222> (31) <223> A/G <400> 18 ggaagacctg tgtcttccag ggaaaaaggg actcagggct cagcccaggc agggaaggct 60 g 61 <210> 19 <211> 61 <212> DNA <213> Homo sapiens <220> <221> variation <222> (31) <223> A/G <400> 19 tgaggtagcc tggaatagca gcatcttcaa atgctctaaa caggacaagt gaagagatag 60 g 61

Claims (10)

1) 생물학적 시료로부터 서열번호 1 내지 19로 구성된 군의 모든 단염기다형성(SNP)에 대하여 유전자 위험 점수(Genetic Risk Score, GRS)를 계산하는 단계;
2) 각 SNP별 영향력을 고려한 가중 유전자 위험 점수(Weight Genetic Risk Score, wGRS)를 계산하는 단계; 및
3) 상기 단계의 점수를 정상 대조군으로부터의 결과와 비교하는 단계;
를 포함하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
제 1항에 있어서, 상기 생물학적 시료는 조직, 세포, 전혈, 혈청, 혈장, 타액, 객담, 뇌척수액 또는 뇨로 이루어지는 군으로부터 선택되는 것을 특징으로 하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
제 1항에 있어서, 상기 유전자 위험 점수(Genetic Risk Score, GRS)는 각 SNP 좌위에 존재하는 위험 대립유전자의 수를 세부점수로 부여하고 그 세부 점수의 총합으로 계산되는 것을 특징으로 하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
제 1항에 있어서, 상기 가중 유전자 위험 점수(Weight Genetic Risk Score, wGRS)는 연관성 통계로부터 얻어진 각각의 베타 계수에 의한 각각의 위험 대립 유전자 수의 곱을 통해 계산되는 것을 특징으로 하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
제 1항에 있어서, 각각 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 2의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 3의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 4의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 5의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 6의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 7의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 8의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 9의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 10의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 12의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 13의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 14의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 15의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 16의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 17의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 18의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 19의 31번째 염기의 유전자형이 “A”인 경우에 제2형 당뇨병 발병 위험도가 높다고 예측하는 것을 특징으로 하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
제 1항에 있어서, 상기 방법은 성별, 나이, 체질량 지수(kg/m2), 허리둘레(cm), 수축기 혈압(mmHg), 확장기 혈압(mmHg), HDL 콜레스테롤(mg/dl), 총 콜레스테롤(mg/dl), 트리글리세라이드(Triglycerides)(mg/dl) 및 공복혈당(mmol/L)으로부터 선택되는 하나 이상의 임상적 정보를 추가로 포함하는 것을 특징으로 하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
제 1항에 있어서, 상기 진단은 한국인을 대상으로 하는 것을 특징으로 하는, 제2형 당뇨병 진단에 필요한 정보를 제공하기 위한 방법.
서열번호 1 내지 19로 구성된 모든 염기서열의 각각 31번째 염기에 위치하는 단일염기다형성(SNP)를 포함하는 10개 이상의 연속적인 염기서열 또는 이의 상보적인 염기서열로 구성된 폴리뉴클레오티드에 특이적으로 결합하는 프라이머, 프로브 또는 항체를 포함하는, 제2형 당뇨병 진단 또는 예후 판단용 키트.
제 8항에 있어서, 각각 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 2의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 3의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 4의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 5의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 6의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 7의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 8의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 9의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 10의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 1의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 12의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 13의 31번째 염기의 유전자형이 “C”인 경우, 서열번호 14의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 15의 31번째 염기의 유전자형이 “G”인 경우, 서열번호 16의 31번째 염기의 유전자형이 “T”인 경우, 서열번호 17의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 18의 31번째 염기의 유전자형이 “A”인 경우, 서열번호 19의 31번째 염기의 유전자형이 “A”인 경우에 제2형 당뇨병 발병 위험도가 높다고 예측하는 것을 특징으로 하는, 제2형 당뇨병 진단 또는 예후 판단용 키트.
제 8항에 있어서, 상기 진단은 한국인을 대상으로 하는 것을 특징으로 하는, 제2형 당뇨병 진단 또는 예후 판단용 키트.
KR1020160084636A 2016-07-05 2016-07-05 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법 KR101722107B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160084636A KR101722107B1 (ko) 2016-07-05 2016-07-05 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160084636A KR101722107B1 (ko) 2016-07-05 2016-07-05 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법

Publications (1)

Publication Number Publication Date
KR101722107B1 true KR101722107B1 (ko) 2017-04-19

Family

ID=58706036

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160084636A KR101722107B1 (ko) 2016-07-05 2016-07-05 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법

Country Status (1)

Country Link
KR (1) KR101722107B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021096236A1 (ko) * 2019-11-14 2021-05-20 주식회사 클리노믹스 질병 카테고리에 대한 통합 위험도 계산 및 시각화 장치 및 방법
KR20210145541A (ko) * 2020-05-25 2021-12-02 주식회사 마크로젠 제2형 당뇨병에 대한 유전적 위험도 측정 방법 및 분석 장치
KR20230056899A (ko) 2021-10-21 2023-04-28 경희대학교 산학협력단 유전 정보 및 생활습관 정보 기반 비만 위험도 예측 방법
KR102531776B1 (ko) * 2022-10-31 2023-05-12 대한민국 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법
KR20240061944A (ko) 2022-11-01 2024-05-08 대한민국(질병관리청 국립보건연구원장) 당뇨병 예측 또는 진단용 kcnq1 snp 마커 및 이의 용도
WO2024117528A1 (ko) * 2022-11-29 2024-06-06 고려대학교 산학협력단 임상 데이터와 인종특이적 빈도를 적용한 유전 데이터를 활용한 당뇨병 예측 방법 및 그 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101459057B1 (ko) * 2014-02-27 2014-11-12 서울대학교병원 (분사무소) 임신성 당뇨병 이후 제2형 당뇨병 발병 예측 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101459057B1 (ko) * 2014-02-27 2014-11-12 서울대학교병원 (분사무소) 임신성 당뇨병 이후 제2형 당뇨병 발병 예측 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
International Journal of Diabetology & Vascular Disease Research. Vol. 2015, No. Suppl 1, pp. 1-19 (2015.03.12. 온라인 공개)*
Korean Diabetes Journal. Vol. 34, No. 1, pp. 10-15 (2010)*
Nature Genetics. Vol. 44, No. 1, pp. 67-73 (2011)*

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021096236A1 (ko) * 2019-11-14 2021-05-20 주식회사 클리노믹스 질병 카테고리에 대한 통합 위험도 계산 및 시각화 장치 및 방법
KR20210145541A (ko) * 2020-05-25 2021-12-02 주식회사 마크로젠 제2형 당뇨병에 대한 유전적 위험도 측정 방법 및 분석 장치
KR102348173B1 (ko) * 2020-05-25 2022-01-07 주식회사 마크로젠 제2형 당뇨병에 대한 유전적 위험도 측정 방법 및 분석 장치
KR20230056899A (ko) 2021-10-21 2023-04-28 경희대학교 산학협력단 유전 정보 및 생활습관 정보 기반 비만 위험도 예측 방법
KR102531776B1 (ko) * 2022-10-31 2023-05-12 대한민국 유전 및 라이프스타일 위험도 평가 기반 제2형 당뇨병 고위험군 진단 방법
KR20240061944A (ko) 2022-11-01 2024-05-08 대한민국(질병관리청 국립보건연구원장) 당뇨병 예측 또는 진단용 kcnq1 snp 마커 및 이의 용도
WO2024117528A1 (ko) * 2022-11-29 2024-06-06 고려대학교 산학협력단 임상 데이터와 인종특이적 빈도를 적용한 유전 데이터를 활용한 당뇨병 예측 방법 및 그 시스템

Similar Documents

Publication Publication Date Title
KR101722107B1 (ko) 한국인 당뇨 연관 유전변이를 이용한 유전적 위험도 기반의 당뇨 예측 방법
US20140094381A1 (en) Predictive Biomarkers for Response to Exercise
EP1978107A1 (en) Fto gene polymorphisms associated to obesity and/or type II diabetes
US20130338012A1 (en) Genetic risk factors of sick sinus syndrome
US7883851B2 (en) Common allele on chromosome 9 associated with coronary heart disease
KR101546058B1 (ko) 대사증후군 예측용 ｓｎｐ 마커 및 이의 용도
WO2013080227A1 (en) Genetic variants useful for risk assessment of arterial disease
KR101979633B1 (ko) 대사증후군 예측 또는 진단용 snp 마커 및 이의 용도
WO2004001037A1 (ja) 心筋梗塞のリスク診断方法
KR101536213B1 (ko) 복부비만 예측용 ｓｎｐ 마커 및 이의 용도
US20130224739A1 (en) Genetic markers for risk management of vascular disease
Lee et al. Genetic Diversity of Insulin Resistance and Metabolic Syndrome
US20090082251A1 (en) Mitochondrial DNA variants associated with metabolic syndrome
CN113166810A (zh) 包括gba基因单碱基多态性的脑动脉瘤诊断用snp标志物
WO2015168252A1 (en) Mitochondrial dna copy number as a predictor of frailty, cardiovascular disease, diabetes, and all-cause mortality
KR101546069B1 (ko) 대사증후군 예측용 ｓｎｐ 마커 및 이의 용도
KR101617612B1 (ko) 한국인의 고혈압 예측용 ｓｎｐ 마커
KR101972355B1 (ko) 한국인의 비만 또는 비만 관련 질환의 위험 예측용 다형성 마커, 이를 이용한 한국인의 비만 또는 비만 관련 질환의 위험 예측 방법
KR102254341B1 (ko) 유전적 위험도 평가 기반 당뇨병 고위험군 진단 방법
KR101972359B1 (ko) 한국인의 지질관련 대사성 질환의 위험 예측용 다형성 마커, 이를 이용한 지질관련 대사성 질환의 위험 예측 방법
KR102158724B1 (ko) Lingo2 유전자의 단일염기다형성을 포함하는 뇌동맥류 진단용 snp 마커
KR102158718B1 (ko) Cul4a 유전자의 단일염기다형성을 포함하는 뇌동맥류 진단용 snp 마커
KR101546070B1 (ko) 대사증후군 예측용 ｓｎｐ 마커 및 이의 용도
JP2008188016A (ja) 心筋梗塞のリスク検査方法
RU2650867C1 (ru) Способ определения генетической предрасположенности к развитию панического расстройства

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant