KR20050096044A - 유전자 기능 분석 방법 - Google Patents

Abstract

본 발명은 유전자 기능 분석 방법에 관한 것으로서, 본 발명은 스팟(spot)의 전처리, 데이터의 품질측정 및 기초 통계조사 및 규격화(normalization)를 포함하는 바이오칩을 이용한 유전자의 기능 분석 방법에 있어서, a) 실험 중 유실된 데이터를 처리하는 단계; b) 목적에 따른 기능적 핵심어(functional keyword)를 선별한 후 상기 핵심어에 상응하는 GO 용어를 추출하는 단계; c) 상기 추출된 GO 용어를 가지는 유전자를 추출하는 단계; d) 상기 c) 단계에서 추출된 유전자들의 상관관계(correlation)를 계산하여 소정 기준 이상의 상관관계를 가지는 유전자를 기준 유전자로 선별하는 단계; e) 상기 기준 유전자 및 상기 a) 단계에서 처리된 유전자들을 포함하여 클러스터링(clustering)을 수행하는 단계; f) 상기 클러스터링 수행 후, 기준 유전자를 모두 포함하고, 클론(clone) 수가 최소인 클러스터(cluster)를 결정하는 단계; g) 상기 f) 단계에서 결정된 클러스터 내에 포함된 유전자들의 상관관계를 계산하는 단계; 및 h) 상기 g) 단계의 상관관계 계산 결과, 소정 기준 이상의 높은 상관관계를 가지는 유전자를 선별하여 선별된 유전자에 생물학적 의미를 부여하는 단계를 포함하는 유전자 기능 분석 방법을 제공한다. 본 발명에 따르면, 많은 수의 유전자에 대하여 정확하게 유전자의 기능을 예측 및 분석할 수 있다는 장점이 있다.

Description

유전자 기능 분석 방법{A METHOD FOR ANALYZING FUNCTION OF GENE}

본 발명은 유전자 기능 분석 방법에 관한 것으로서, 더욱 상세하게는 유전자들 간의 상관관계 계산을 통해 얻어진 기준 유전자(reference gene)를 이용하여 알려지지 않은 유전자의 기능을 알아내는 방법에 관한 것이다.

근래에 생명 공학의 발전에 따라 인간 질병의 진단 및 신약의 개발에 혁신적인 발전이 이루어지고 있다. 또한, 최근 인간의 게놈 지도가 완성되어 약 30억 쌍의 염기 서열 정보가 밝혀지게 되면서, 인간의 질병의 치료 및 진단 등에 획기적인 발전이 있을 것이라는 기대감이 형성되고 있다.

그러나 인간의 게놈 지도가 완성된 것은 단지 인간 질병 치료 등의 청사진만을 얻은 것뿐이며, 이와 같은 정보를 실질적으로 이용하기 위해서는 각각의 유전자가 어떠한 기능을 하는지에 대한 분석이 선행되어야 한다.

이러한 유전자 기능을 분석하기 위해, 대량의 유전자 발현 정보를 얻을 수 있도록 하는 기술이 바로 DNA 마이크로어레이(microarray) 기술이다. DNA 마이크로어레이는 용액이 투과하지 않는 고형 지지체 위에 고밀도로 DNA를 고정해 놓은 보합용 "탐침 어레이(probe array)"이다. 이는 종래의 유전공학에서 사용하던 방법과는 달리 한 개의 DNA 마이크로어레이 위에 수백 개 또는 수천 개의 유전자가 놓여지므로, 다수의 유전자 발현 변이 분석을 빠른 시간에 해결할 수 있다.

이를 상세하게 살펴보면, 두 개의 다른 환경에서 채집된 유전 물질에 각각 다른 색깔의 형광물질(빨간색(Cy5)과 녹색(Cy3))을 합성한 것을 똑같은 양만큼 보합한 것들이 DNA 마이크로어레이의 각 셀(cell)을 이룬다. 그러므로 이것을 레이저 형광 스캐너로 읽어 들이면 서로 다른 두 개의 환경 중 어떤 환경에서 유전 물질이 많이 발현했느냐의 정도에 따라 빨간색부터 녹색 사이의 다양한 색상을 갖는 점들의 집합을 얻을 수 있으며, 이를 이용하여 시각적으로 수천 개의 유전 물질의 발현 변이 정도를 한번에 확인 할 수 있게 된다.

상기와 같이 DNA 마이크로어레이 기술을 통해 얻어진 대량의 유전자 발현 정보를 조직화하고 분석함으로써, 유전자의 기능을 분석해 낼 수 있게 된다.

도 1은 종래기술에 따른 마이크로어레이(microarray) 분석 과정을 도시한 도면이다.

도 1에 도시된 바와 같이, 종래 마이크로어레이 분석 과정은 우선, 스팟(spot)의 전처리 과정을 수행한다(S100). 스팟은 단위 유전자가 DNA 칩 위에 미세 집적된 부분을 의미하는데, 스팟 가운데 오류의 가능성이 있는 스팟을 제외시킴으로써, 분석 결과의 신뢰도를 높일 수 있다.

이후, 데이터 품질측정 및 기초 통계조사를 수행한다(S102). 이는 혼성화 및 스캐닝을 통해 추출된 슬라이드 데이터의 품질을 측정하고, 기초 통계조사를 수행함으로써, 품질이 낮은 슬라이드를 선별하여 이를 분석과정에서 제외시켜 전반적인 분석의 신뢰도를 확보할 수 있도록 한다.

데이터의 품질측정 등이 마무리되면 데이터의 규격화(normalization) 과정이 수행된다(S104). DNA 칩을 이용한 기능 분석 방법에서는 동일한 조건에서 여러 번의 실험을 수행하게 되는데, 그러나 동일한 조건에서 실험을 수행하고 스캐닝을 한다고 하더라도 DNA 칩 실험은 그 자체가 매우 복잡하므로 체계적 또는 비체계적 오류의 가능성이 상당히 높기 때문에, 여러 슬라이드 데이터를 동일한 기준으로 비교할 수 있도록 규격화의 과정을 수행하게 된다.

규격화가 수행된 후 유의 수준으로 발현된 유전자 선정 과정이 수행된다(S106). 이는 DNA 칩 실험에서 나온 데이터 가운데 기본적인 편차 수준을 벗어한 수준으로 기본 시료(sample)와 실험 시료에서의 발현이 차이가 나타나는 유전자를 선정하는 과정이다.

상기와 같이 유의 수준으로 발현된 유전자가 선정되면, 데이터의 분석에 적합하도록 데이터를 사후 처리한다(S108). 데이터 사후 처리 과정을 통해 데이터 전처리 과정에서 누락된 값(missing value)들을 적절히 처리함으로써, 데이터의 사용을 더욱 효율적으로 할 수 있다.

데이터 사후 처리가 끝나면, 유사한 패턴을 보이는 유전자끼리 모으는 클러스터링(clustering)이 수행된다(S110). 많은 논문을 통해 유사한 패턴을 보이는 유전자는 유사한 기능을 가진다는 것이 가설로서 정립되어 있으므로, 유사한 패턴을 보이는 유전자마다 군집(cluster)을 형성하도록 하여 군집간의 관계를 분석할 수 있게 된다.

이후, 유전자 자체의 annotation 및 reference를 참조하여 상기와 같은 과정을 통해 얻어진 클러스터에 생물학적인 의미를 부여하는 과정이 수행되고(S112), 이로써 특정 목적에 사용될 후보 유전자(candidate gene)를 선택할 수 있게 된다.

상기와 같은 종래의 DNA 마이크로어레이를 통한 유전자 기능 분석 방법은 다음과 같은 문제점이 있었다.

첫째, 유의 수준 이상으로 발현되는 유전자만을 선정하여 분석을 수행하므로, 유의 수준 이상으로 발현되지는 않았으나 실질적으로 특정 기능과 관련이 있을 수 있는 유전자를 간과할 수 있다는 문제점이 있다. 예를 들어, 실험자가 특정 약품의 기능과 관련이 있는 유전자를 알아내고자 하는 경우, 약품의 기능과 밀접한 관련이 있는 유전자임에도 불구하고, 유의 수준 이상으로 발현되지 않으면, 데이터 분석 과정에서 상기 유전자가 제외된다. 따라서 종래기술에 따르면, 유전자의 정확한 기능을 예측 및 분석하는 것이 어려워지는 문제점이 있었다.

둘째, 클러스터링 수행 결과에 따른 클러스터(cluster) 간의 기능적 유사성 및 특징만을 분석하기 때문에, 클러스터에 포함된 유전자의 개별적인 기능은 분석할 수 없는 문제점이 있었다.

셋째, 사용하고자 하는 후보 유전자 리스트를 얻기 위해, 클러스터들 전체에 대하여 기능적 차이를 분석하여야 하므로 상당한 시간과 노력이 요구되었다.

본 발명에서는 상기와 같은 종래 기술의 문제점을 해결하기 위해, 전체의 유전자에 대하여 유전자 기능을 분석할 수 있는 방법을 제안하고자 한다.

본 발명의 다른 목적은 유전자 각각에 대하여 개별적인 기능을 분석할 수 있는 방법을 제안하는 것이다.

본 발명의 또 다른 목적은 기준 유전자(reference gene)을 선정하여 신뢰성이 높은 방법으로 유전자들 간의 상관관계를 분석할 수 있는 방법을 제안하는 것이다.

상기와 같은 본 발명의 목적을 달성하기 위해, 본 발명의 일 실시예에 따르면, 스팟(spot)의 전처리, 데이터의 품질측정 및 기초 통계조사 및 규격화(normalization)를 포함하는 바이오칩을 이용한 유전자의 기능 분석 방법에 있어서, a) 실험 중 유실된 데이터를 처리하는 단계; b) 목적에 따른 기능적 핵심어(functional keyword)를 선별한 후 상기 핵심어에 상응하는 GO 용어를 추출하는 단계; c) 상기 추출된 GO 용어를 가지는 유전자를 추출하는 단계; d) 상기 c) 단계에서 추출된 유전자들의 상관관계(correlation)를 계산하여 소정 기준 이상의 상관관계를 가지는 유전자를 기준 유전자로 선별하는 단계; e) 상기 기준 유전자 및 상기 a) 단계에서 처리된 유전자들을 포함하여 클러스터링(clustering)을 수행하는 단계; f) 상기 클러스터링 수행 후, 기준 유전자를 모두 포함하고, 클론(clone) 수가 최소인 클러스터(cluster)를 결정하는 단계; g) 상기 f) 단계에서 결정된 클러스터 내에 포함된 유전자들의 상관관계를 계산하는 단계; 및 h) 상기 g) 단계의 상관관계 계산 결과, 소정 기준 이상의 높은 상관관계를 가지는 유전자를 선별하여 선별된 유전자에 생물학적 의미를 부여하는 단계를 포함하는 유전자 기능 분석 방법을 제공한다.

이하에서 첨부된 도면을 참조하여 본 발명의 따른 유전자 기능 분석 방법의 바람직한 실시예를 상세하게 설명한다.

도 2는 본 발명의 바람직한 일 실시예에 따른 마이크로어레이를 이용한 유전자 기능 분석 과정을 도시한 도면이다.

도 2의 설명에 앞서, 도 2의 유실 데이터 처리(S200) 이전의 단계는 도 1의 S100에서 S104까지의 단계와 동일하므로 여기서는 생략하기로 한다.

도 2에 도시된 바와 같이, 규격화 과정을 마친 후(S104), 유실(missing) 데이터를 처리한다(S200). 유실 데이터의 처리는 패턴을 보고자 하는 슬라이드 내에서 유실된 스팟(spot)이 하나라도 있는 것은 제외시키는 과정이다.

이후, 기능적 핵심어(functional keyword)를 선택한 후 이 핵심어에 상응하는 GO 용어를 추출한다(S202). 기능적 핵심어는 목적에 따라 달라질 수 있는데, cyctochrome P450, apoptosis 및 heat shock protein 등과 같이 그 목적에 따라 기능적 핵심어를 적절하게 선택할 수 있으며, 이러한 기능적 핵심어와 연관되는 GO 용어를 추출한다. GO(gene ontology)는 유전자들의 복잡한 네트워크 중에서 하나의 유전자의 위치를 확립시키는 것으로서, 각 유전자에 생물학적 작용(biological process), 분자적 기능(molecular function) 및 세포 성분(cellular component)과 같은 정보가 부여되어 있는 것을 의미한다.

GO 용어가 추출되면, 추출된 GO 용어를 가지는 유전자를 추출한다(S204). 본 발명의 바람직한 실시예에 따르면, 추출된 GO 용어를 가지는 유전자를 상기의 스팟 내에 있는 유전자 중에서 선별하나, 경우에 따라 스팟에 심어진 유전자 이외의 유전자 중에서 선별할 수 있다는 것은 당업자에게 있어 자명할 것이다.

상기와 같이 GO 용어에 따라 유전자가 선별되면 이들 유전자들의 상관관계를 계산한다(S206). 이와 같은 상관관계를 계산을 통해 상관관계가 소정 기준 이상이 되는 유전자를 선별한다. 본 발명의 일 실시예에 따르면, 선별된 유전자들의 강도 상관관계(intensity correlation)를 계산하고, 상관관계가 0.85 이상이 되는 유전자를 선별한다. 그러나 이는 일예에 불과하며, 무엇을 기준으로 상관관계를 계산할지 여부 및 상관관계의 최소 기준 수치가 달라질 수 있다는 것은 당업자에게 있어 자명할 것이다.

상기와 같이 선별된 유전자를 기준 유전자(reference gene)로 하는데, 기준 유전자는 이미 기능이 알려져 있는 유전자로서, 같은 기능을 가지면서 이들 간의 상관관계가 소정 기준 이상이 되는 유전자의 그룹을 의미하며, 기준 유전자의 수가 많을수록 유전자의 정확한 기능 분석이 가능해 진다.

이와 같이, 소정 기준 이상의 상관관계를 가지는 기준 유전자가 선별되면, 기준 유전자를 포함하여 클러스터링을 수행한다(S208).

클러스터링 수행 후 얻어진 클러스터 중에서 기준 유전자를 모두 포함하며, 클러스터에 포함된 클론(clone)의 수가 최소인 최적 클러스터를 결정한다(S210).

상기 단계를 통해 최소 클론 수를 가지는 클러스터가 결정되면, 클러스터 내에 포함된 클론 사이의 상관관계에 관한 계산을 수행한다(S212). 본 단계에서의 상관관계 계산은 상기 S206 단계에서의 계산 과정과 동일하다.

본 발명에 따르면, 클러스터 사이의 기능적 유사성뿐만 아니라, 최적 클러스터 내의 유전자들의 상관관계를 계산하여 분석하므로 유전자의 개별적인 기능 분석이 가능해진다.

클러스터 내의 상관관계 계산 후 기준 유전자들의 상관관계의 최소 값보다 높은 값을 가지는 유전자를 선별한다(S214). 예를 들어, 기준 유전자가 3개(A, B 및 C)가 있다고 하고, A와 B의 상관관계가 0.9, A와 C가 0.89 및 B와 C가 0.87이라 할 때, 상기 클러스터 내의 유전자 중에서 상관관계가 0.87이상인 유전자 쌍을 선별하는 것이다.

위와 같이, 높은 상관관계를 가지는 유전자들이 선별되면, 유전자들의 서열 및 구조적 유사성을 조사하여 이들에 생물학적 의미를 부여한다(S216). 따라서 본 발명에 따르면, 이미 기능이 알려져 있는 기준 유전자를 기준으로 최소의 클론을 가지는 클러스터 내의 유전자만을 분석 대상으로 하므로, 분석하여야 할 유전자의 숫자가 작아지게 되어 분석 시간을 상당히 감소시킬 수 있게 된다.

이와 같이 생물학적 의미를 부여한 후 기준 유전자들을 바탕으로 알려지지 않았던 기능을 밝혀내기 위한 후보 유전자를 선별할 수 있게 되는 것이다.

상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.

이상에서 설명한 바와 같이, 본 발명에 따른 유전자 기능 분석 방법에 따르면, 스팟에 심어진 전체 유전자 세트(set) 중 유실되지 않은 유전자를 분석 대상으로 하기 때문에, 많은 수의 유전자의 기능을 분석할 수 있다.

또한, 본 발명에 따르면, 상관관계 계산을 통해 기준 유전자를 선별하고, 기준 유전자를 포함시켜 클러스터링을 수행하기 때문에 유전자 기능 분석에 있어 고도의 신뢰성을 얻을 수 있다는 장점이 있다.

또한, 본 발명에 따르면, 기준 유전자를 포함하며 최소의 클론 수를 가지는 클러스터를 선별하고, 클러스터 내 유전자들에 대하여 서열 및 구조적 특성을 분석하기 때문에, 유전자들 각각의 기능을 예측할 수 있다는 장점이 있다.

도 1은 종래기술에 따른 마이크로어레이(microarray) 분석 과정을 도시한 도면.

도 2는 본 발명의 바람직한 일 실시예에 따른 마이크로어레이를 이용한 유전자 기능 분석 과정을 도시한 도면.

Claims (4)

1. 특정 목적의 바이오칩에 사용될 수 있도록 원하는 기능을 가진 유전자를 추출하는 방법에 있어서,

   a) 상기 원하는 기능과 관련이 있는 기능적 핵심어(functional keyword)를 선별한 후 상기 핵심어에 상응하는 GO 용어를 추출하는 단계;

   b) 상기 추출된 GO 용어가 할당된 유전자를 추출하는 단계;

   c) 상기 b) 단계에서 추출된 유전자들의 상관관계(correlation)를 계산하여 소정 기준 이상의 상관관계를 가지는 유전자를 기준 유전자로 선별하는 단계;

   d) 상기 기준 유전자 및 스팟에 심어진 유전자들을 포함하여 클러스터링(clustering)을 수행하는 단계;

   e) 상기 클러스터링 수행 후, 기준 유전자를 모두 포함하고, 클론(clone) 수가 최소인 클러스터(cluster)를 결정하는 단계;

   f) 상기 e) 단계에서 결정된 클러스터 내에 포함된 유전자들의 상관관계를 계산하는 단계; 및

   g) 상기 f) 단계의 상관관계 계산 결과, 소정 기준 이상의 높은 상관관계를 가지는 유전자를 선별하여 선별된 유전자에 생물학적 의미를 부여하는 단계를 포함하는 것을 특징으로 하는 유전자 기능 분석 방법.
2. 제1항에 있어서,

   상기 c) 단계에서의 상관관계는 강도 상관관계(intensity correlation)이며, 상관관계의 기준이 적어도 0.85인 것을 특징으로 하는 유전자 기능 분석 방법.
3. 제1항에 있어서,

   상기 기준 유전자는 상기 스팟 내에 심어진 유전자 중 적어도 한 쌍인 것을 특징으로 하는 유전자 기능 분석 방법.
4. 제1항에 있어서,

   상기 g) 단계에서의 소정 기준은 상기 기준 유전자의 상관관계 수치 중 최소값 이상인 것을 특징으로 하는 유전자 기능 분석 방법.