KR20230072031A - 피부 탄력도 예측용 바이오마커 및 이의 용도 - Google Patents

피부 탄력도 예측용 바이오마커 및 이의 용도 Download PDF

Info

Publication number
KR20230072031A
KR20230072031A KR1020210158328A KR20210158328A KR20230072031A KR 20230072031 A KR20230072031 A KR 20230072031A KR 1020210158328 A KR1020210158328 A KR 1020210158328A KR 20210158328 A KR20210158328 A KR 20210158328A KR 20230072031 A KR20230072031 A KR 20230072031A
Authority
KR
South Korea
Prior art keywords
polynucleotide
skin
base
seq
snp
Prior art date
Application number
KR1020210158328A
Other languages
English (en)
Inventor
이기찬
권혁중
유혜영
우지은
박성하
Original Assignee
한국콜마주식회사
이원다이애그노믹스(주)
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 한국콜마주식회사, 이원다이애그노믹스(주) filed Critical 한국콜마주식회사
Priority to KR1020210158328A priority Critical patent/KR20230072031A/ko
Publication of KR20230072031A publication Critical patent/KR20230072031A/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
    • C12Q1/6813—Hybridisation assays
    • C12Q1/6827—Hybridisation assays for detection of mutation or polymorphism
    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • 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

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Zoology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biotechnology (AREA)
  • Data Mining & Analysis (AREA)
  • Immunology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

본 발명은 피부 탄력도 예측용 바이오마커 및 이의 용도에 관한 것으로, 보다 상세하게는 피부 탄력도를 예측할 수 있는 단일염기다형성(Single Nucleotide Polymorphism, SNP) 마커, 상기 마커를 검출할 수 있는 제제를 포함하는 조성물, 상기 조성물을 포함하는 키트 및 상기 마커를 이용한 피부 탄력도에 대한 정보 제공 방법에 관한 것이다.
본 발명의 단일염기다형성 마커는 각각의 개체에 대한 피부 특성, 구체적으로는 피부 탄력도를 예측할 수 있는 마커로, 이를 이용하여 개체에 대한 정확한 피부 타입에 대한 정보를 제공할 수 있고, 피부 특성에 따른 맞춤형 화장품을 제공하는데 매우 유용하게 활용될 수 있다.

Description

피부 탄력도 예측용 바이오마커 및 이의 용도{Biomarkers for predicting skin elasticity and use thereof}
본 발명은 피부 탄력도 예측용 바이오마커 및 이의 용도에 관한 것으로, 보다 상세하게는 피부 탄력도를 예측할 수 있는 단일염기다형성(Single Nucleotide Polymorphism, SNP) 마커, 상기 마커를 검출할 수 있는 제제를 포함하는 조성물, 상기 조성물을 포함하는 키트 및 상기 마커를 이용한 피부 탄력도에 대한 정보 제공 방법에 관한 것이다.
사람의 피부는 골격과 근육 바깥쪽으로 부드럽지만 탄성을 가진 세포조직으로 이루어진 몇 개의 층으로 구성되어 있다. 이러한 피부는 해당 조직을 이루고 있는 세포나 조직간의 결합 정도, 두께 등의 다양한 요소에 의해서 피부의 단단한 정도나 늘어나는 정도 등의 다양한 점성이나 탄성 등의 탄력 관련 특성을 가지고 있으며, 신체 부위, 개체 등에 따라 다양한 양상을 보인다. 피부의 이러한 탄력 특성 들은 피부 자체의 노화와 상처 회복 등에 의한 조직 변화 등에 감소하거나 변화하는 특성이 나타나며, 연령 증가 등에 따라 근육 변화 같은 다른 조직 변화와 더불어 피부의 탄력저하, 처짐이나 주름 발생 등과 함께 노화의 지표 중의 하나로 알려져 있다.
한편, 인간의 피부는 개개인마다 피부상태가 차이가 있다. 특히, 같은 연령, 같은 피부타입이라도 개개인이 처한 내적, 외적인 환경에 따라 피부상태는 많이 달라질 수 있다. 과학 문명이 발달할수록 각종 오염된 환경의 노출, 오존층 파괴로 인한 자외선 노출, 각종 스트레스 등으로 인하여 피부에 심각한 영향을 주어 피부기능이 저하되고 심지어는 피부 트러블이 발생되는 심각한 상태에 이르는 사례가 늘고 있다. 따라서 사용자들은 피부상태를 호전 또는 유지시킬 수 있는 기능성 화장품에 대한 요구가 점차 높아지고 있다.
그러나, 현재는 주로 사용자 개개인에 대한 피부상태의 판단은 단순한 피부문진 및 간단한 피부테스트를 통하여 자기 자신의 피부상태가 어떤지를 파악하는 정도이므로 피부상태 정보에 대한 완전한 신뢰를 얻기는 어렵다. 또한 현재 시판되고 있는 기능성 화장품들은 개개인을 타깃으로 하는 것이 아니라 범용적인 측면이 강하기 때문에 사용자 자신만의 적합한 화장품을 찾기에는 많은 제약이 따른다. 따라서 과학적인 근거에 접근하여 피부상태를 정밀하게 진단하여 맞춤형 화장품을 제공하는 시스템은 거의 전무후무하다고 할 수 있다.
피부특성에 따른 맞춤형 화장품에 대한 요구가 점차 증가하면서, 피부 분류의 체계적 기준 확립 및 이에 따른 제품 처방의 특성화가 요구되고 있다. 하지만 현재 피부 분류에 이용되고 있는 유수분 밸런스 분류기준으로는 정확한 피부 분류를 하지 못하는 실정이다. 또한 종래의 피부상태를 측정하여 맞춤형 화장품 제공하는 방법에는 사용자의 현재 피부상태를 검사하기 위하여 주름의 경우에는 주로 모사판을 이용하여 이미지 분석 시스템(image analyzer system)으로 피부주름의 상태를 파악하며, 피부 주름 생성의 경우에는 색차계(mexameter) 및 색채계(colorimeter)를 이용하여 홍반이나 피부색깔의 변화를 측정하고 있으며, 피부보습의 경우에는 주로 코니오메타(corneometer)를 이용하여 보습량을 측정하고 있다. 이런 측정방법들은 피부표면에 대한 물리적인 상태를 단순한 수치화로 나타내고 있으며 측정하는 프로그램에 따라 그 수치가 달라질 수 있기 때문에 피시험자의 작은 개선정도를 평가하는데 있어서는 오차가 발생할 우려가 있다. 또한, 시험자의 육안평가 및 피시험자의 설문평가의 경우에는 주관적인 측면이 크게 작용하여 피시험자의 피부상태를 객관적이고 정밀하게 평가하기에는 어려운 단점이 있다.
이러한 배경하에 본 발명자들은 개체의 피부 특성을 결정하는 유전적 특징을 파악하여 과학적 피부 분류 기준을 구축하고, 이를 근거로 한 개인 맞춤형 유효성분을 개발하여, 다양한 제품 세분화를 통해 피부 특성별 맞춤형 화장품 개발에 기여하고자 예의 노력한 결과, 피부 탄력도와 유의적 상관관계를 갖는 특정 단일염기다형성 (SNP) 마커를 선별하여 피부 타입이 주름 생성 위험도가 높은지 여부를 예측하는 방법을 확인하여 본 발명을 완성하였다.
따라서, 본 발명의 목적은 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G, C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기가 G 또는 A인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A 또는 G인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 및 서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기가 C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;로 이루어진 군에서 선택된 1종 이상을 포함하는, 피부 탄력도 예측용 마커 조성물을 제공하는 것이다.
본 발명의 다른 목적은 상기 마커를 검출할 수 있는 제제를 포함하는, 피부 탄력도 예측용 조성물을 제공하는 것이다.
본 발명의 다른 목적은 상기 마커를 포함하는, 피부 탄력도 예측용 마이크로어레이를 제공하는 것이다.
본 발명의 다른 목적은 상기 조성물을 포함하는, 피부 탄력도 예측용 키트를 제공하는 것이다.
본 발명의 다른 목적은 개체로부터 분리된 생물학적 시료에서 rs146095627, rs2446092, rs73499013, rs112251095 및 rs182035024로 이루어진 군에서 선택된 1종 이상의 SNP를 검출하는 단계를 포함하는, 피부 탄력도에 대한 정보 제공 방법을 제공하는 것이다.
전술한 본 발명의 목적을 달성하기 위하여, 본 발명은 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G, C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기가 G 또는 A인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A 또는 G인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 및 서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기가 C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;로 이루어진 군에서 선택된 1종 이상을 포함하는, 피부 탄력도 예측용 마커 조성물을 제공한다.
본 발명의 다른 목적을 달성하기 위하여 본 발명은 상기 마커를 검출할 수 있는 제제를 포함하는, 피부 탄력도 예측용 조성물을 제공한다.
본 발명의 다른 목적을 달성하기 위하여 본 발명은 상기 마커를 포함하는, 피부 탄력도 예측용 마이크로어레이를 제공한다.
본 발명의 다른 목적을 달성하기 위하여 본 발명은 상기 조성물을 포함하는, 피부 탄력도 예측용 키트를 제공한다.
본 발명의 다른 목적을 달성하기 위하여 본 발명은 개체로부터 분리된 생물학적 시료에서 rs146095627, rs2446092, rs73499013, rs112251095 및 rs182035024로 이루어진 군에서 선택된 1종 이상의 SNP를 검출하는 단계를 포함하는, 피부 탄력도에 대한 정보 제공 방법을 제공한다.
이하, 본 발명에 대해 상세히 설명한다.
본 발명은 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;
서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G, C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;
서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기가 G 또는 A인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;
서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A 또는 G인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 및
서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기가 C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;로 이루어진 군에서 선택된 1종 이상을 포함하는, 피부 탄력도 예측용 마커 조성물을 제공한다.
본 발명이 제공하는 상기 마커는 LINC00885, IMPG1, LOC285889, ITGA8 또는 SGMS1유전자에 위치하는 SNP인 rs146095627, rs2446092, rs73499013, rs112251095 및/또는 rs182035024 부위를 포함하는 전체 또는 일부 폴리뉴클레오티드일 수 있고, 구체적으로 서열번호 1, 2, 3, 4 및/또는 5로 표시되는 폴리뉴클레오티드의 전체 또는 일부 폴리뉴클레오티드일 수 있으며, 보다 구체적으로 서열번호 1의 염기서열로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G 또는 T이고, 서열번호 2의 염기서열로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G, C 또는 T이고, 서열번호 3의 염기서열로 표시되는 폴리뉴클레오티드에서 101번째 염기가 G 또는 A이며, 서열번호 4의 염기서열로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A 또는 G이고, 서열번호 5의 염기서열로 표시되는 폴리뉴클레오티드에서 101번째 염기가 C 또는 T이고, 바람직하게는 이들 각각을 포함하는 5 내지 200개, 구체적으로 5 내지 150개, 보다 구체적으로 5 내지 120개, 보다 더 구체적으로 5 내지 100개의 연속적인 염기로 구성되는 폴리뉴클레오티드, 또는 이에 상보적인 폴리뉴클레오티드를 포함하는 피부 탄력도 예측용 SNP 마커일 수 있다.
본 발명의 일 양태에서, 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs146095627가 G인 경우; 서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs2446092가 A인 경우; 서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs73499013가 A인 경우; 서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs112251095가 G인 경우; 및 서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs182035024가 T인 경우;로 이루어진 군에서 선택된 어느 하나 이상인 경우, 피부 탄력도가 낮을 수 있다.
본 발명에서 "다형성(polymorphism)"이란 하나의 유전자 좌위(locus)에 두 가지 이상의 대립유전자(allele)가 존재하는 경우를 말하며 다형성 부위 중에서, 사람에 따라 단일 염기만이 다른 것을 단일염기다형성(single nucleotide polymorphism, SNP)이라 한다. 바람직한 다형성 마커는 선택된 집단에서 1% 이상, 더욱 바람직하게는 10% 또는 20% 이상의 발생빈도를 나타내는 두 가지 이상의 대립유전자를 가진다.
본 발명에서 "대립유전자(allele)"는 상동염색체의 동일한 유전자좌위에 존재하는 한 유전자의 여러 타입을 말한다. 대립유전자는 다형성을 나타내는데 사용되기도 하며, 예컨대, SNP는 두 종류의 대립인자 (biallele)를 갖는다.
본 발명에서 "rs_id"란 1998년부터 SNP 정보를 축적하기 시작한 NCBI가 초기에 등록되는 모든 SNP에 대하여 부여한 독립된 표지자인 rs-ID를 의미한다. 이와 같은 표에 기재된 rs_id는 본 발명의 다형성 마커인 SNP 마커를 의미한다.
본 발명의 일 실시예에 따르면 본 발명자들은 피험자의 피부 타입을 피부 탄력도가 높거나 낮은 피험자로 분류하였다. 본 발명의 단일염기다형성 마커는 피부의 탄력도를 예측할 수 있도록 하므로, 유효 성분과 접촉된 피부의 변화된 피부 타입에 대한 정보도 줄 수 있다.
본 발명의 일실시예에서는 단일염기다형성 마커의 피부 탄력도 예측력은 각 마커들의 빈도 수를 측정하여 판단하였다. 이와 같은 유의성은 0.05 미만, 0.01 미만, 0.001 미만, 0.0001 미만, 0.00001 미만, 0.000001 미만, 0.0000001 미만, 0.00000001 미만, 또는 0.000000001 미만의 p-value와 같은 p-값을 특징으로 하나 이에 제한되지는 않는다. 바람직하게는 p-value가 0.01 미만일 수 있으며, 더 바람직하게는 p-value가 0.001 미만일 수 있다.
본 발명의 다형성 마커는 개체의 다형성 마커의 다형성 부위의 염기가 소수 대립유전자 (minor allele)인 경우, 즉, 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs146095627가 G인 빈도수가 높은 경우; 서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs2446092가 A인 빈도수가 높은 경우; 서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs73499013가 A인 빈도수가 높은 경우; 서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs112251095가 G인 빈도수가 높은 경우; 및 서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs182035024가 T인 빈도수가 높은 경우;로 이루어진 군에서 선택된 어느 하나 이상인 경우 피부 탄력도가 낮은 피부로 판단할 수 있는 마커이다.
본 발명은 또한 상기 마커를 검출할 수 있는 제제를 포함하는, 피부 탄력도 예측용 조성물을 제공한다.
본 발명에서 상기 제제는 상기 마커를 검출 또는 증폭할 수 있는 프라이머 세트, 프로브, 올리고뉴클레오티드 또는 이의 조합일 수 있으나, 이에 제한되는 것은 아니다.
상기 "프라이머 (primer)"는 중합효소에 의한 뉴클레오티드의 중합반응에서, 개시점으로 작용할 수 있는 단일가닥의 폴리뉴클레오티드를 말한다. 예를 들면, 상기 프라이머는 적합한 온도 및 적합한 완충액 내에서 적합한 조건, 즉, 4종의 다른 뉴클레오시드 트리포스페이트 및 중합효소의 존재 하에서 주형-지시(template-directed) DNA 합성의 개시점으로 작용할 수 있는 단일가닥의 폴리뉴클레오티드일 수 있다. 프라이머의 적합한 길이는 다양한 인자, 예를 들어, 온도와 프라이머의 용도에 따라 달라질 수 있다. 상기 프라이머는 길이가 15 내지 30 뉴클레오티드인 것일 수 있다. 예를 들어, 프라이머의 길이가 짧을수록, 낮은 어닐링(annealing) 온도에서 주형과 충분히 안정된 혼성화 복합체를 형성할 수 있다. 상기 프라이머의 길이는 약 5 내지 약 100 뉴클레오티드(이하, 'nt'라고 함), 약 10 내지 약 80 nt, 약 10 내지 약 60 nt, 약 10 내지 약 50 nt, 약 10 내지 약 40 nt, 약 10 내지 약 30 nt, 또는 약 10 내지 약 20 nt일 수 있다.
상기 "프로브(probe)"는 표적 핵산에 특이적으로 결합할 수 있는 올리고뉴클레오티드를 말한다. 상기 프로브는 표지 물질에 결합된 것일 수 있다. 상기 프로브는 길이가 약 50 nt 내지 약 400 nt, 약 100 nt 내지 약 350 nt, 약 150 nt 내지 약 300 nt, 또는 약 200 nt 내지 약 250 nt일 수 있다.
상기 "올리고뉴클레오티드(oligonucleotide)"는 유전자 검사 또는 연구에 사용되는 짧은 DNA, RNA 분자 또는 올리고머이다. 상기 올리고뉴클레오티드는 사용자가 지정한 서열을 갖는 단일 가닥 분자일 수 있다.
상기 프로브 올리고뉴클레오티드 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 변형시킬 수 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 발명은 또한 상기 마커를 포함하는, 피부 탄력도 예측용 마이크로어레이를 제공한다.
상기 마이크로어레이(microarray)는 기판 표면의 구분된 영역에 상기 폴리뉴클레오티드가 높은 밀도로 고정화되어 있는 것을 말한다. 상기 마이크로어레이는, 상기 영역이 예를 들면 400개/㎠ 이상, 103개/㎠ 이상, 또는 104개/㎠ 이상의 밀도로 기판 상에 배열되어 있는 것일 수 있다.
상기 마이크로어레이에 고정된 폴리뉴클레오티드는 DNA 또는 RNA일 수 있다. 상기 폴리뉴클레오티드는 단일 가닥 또는 이중 가닥일 수 있다. 상기 폴리뉴클레오티드는 천연 뉴클레오티드, 천연 뉴클레오티드의 유사체, 천연 뉴클레오티드의 당, 염기 또는 인산 부위가 변형되어 있는 뉴클레오티드, PNA(peptide nucleic acid), 및 이들의 조합을 포함할 수 있다. 상기 폴리뉴클레오티드는 검출가능한 표지(예를 들면, Cy3 또는 Cy5 형광성 물질)가 그의 3'-말단, 중간, 또는 5'-말단에 부착된 것일 수 있다.
상기 마이크로어레이에 고정되는 폴리뉴클레오티드는 길이가 약 5 내지 약 100 nt, 약 10 내지 약 80 nt, 약 10 내지 약 60 nt, 약 10 내지 약 50 nt, 약 10 내지 약 40 nt, 약 10 내지 약 30 nt, 또는 약 10 내지 약 20 nt일 수 있다.
본 발명은 또한 상기 피부 탄력도 예측용 조성물을 포함하는, 피부 탄력도 예측용 키트를 제공한다.
상기 키트는 RT-PCR 키트 또는 DNA 칩 키트일 수 있고, 상기 키트는 중합 반응에 필요한 시약, 예를 들면 dNTP, 중합효소 및 발색제 등을 더 포함할 수 있다.
상기 키트는 SNP 다형성 마커를 증폭을 통해 확인하거나, SNP 다형성 마커의 발현 수준을 mRNA의 발현 수준을 확인함으로써 피부 탄력도를 진단할 수 있다. 예를 들어, 피부 표현형별 진단용 마커의 mRNA 발현 수준을 측정하기 위한 키트는 RT-PCR을 수행하기 위해 필요한 필수 요소를 포함하는 키트일 수 있다. RT-PCR 키트는, 마커의 유전자에 대한 특이적인 각각의 프라이머 쌍 외에도 RT-PCR 키트는 테스트 튜브 또는 다른 적절한 컨테이너, 반응 완충액(pH 및 마그네슘 농도는 다양), 데옥시뉴클레오타이드(dNTPs), Taq-폴리머라아제 및 역전사효소와 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, 상기 키트는 DNA 칩을 수행하기 위해 필요한 필수 요소를 포함하는 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.
본 발명은 또한 개체로부터 분리된 생물학적 시료에서 rs146095627, rs2446092, rs73499013, rs112251095 및 rs182035024 로 이루어진 군에서 선택된 1종 이상의 SNP를 검출하는 단계를 포함하는, 피부 탄력도에 대한 정보 제공 방법을 제공한다.
상기 개체는 인간을 포함한 포유동물일 수 있다. 상기 생물학적 시료는 생물로부터 수득된 시료를 말한다. 상기 생물학적 시료는 예를 들면 조직, 소변, 점액, 타액, 눈물, 혈액, 혈장, 혈청, 객담, 척수액, 흉수, 유두 흡인물, 림프액, 기도액, 장액, 비뇨생식관액, 모유, 림프계 체액, 정액, 뇌척수액, 기관계내 체액, 복수, 낭성 종양 체액, 양수액 또는 이들의 조합일 수 있다.
상기 생물학적 시료로부터 핵산 시료를 수득하는 단계가 추가로 수행될 수 있으며, 이는 통상의 DNA 분리방법에 의하여 수행될 수 있다. 예를 들어, 표적 핵산을 중합효소 연쇄 반응(polymerase chain reactionL: PCR), 리가제 연쇄 반응(ligase chain reaction: LCR), 전사 증폭(transcription amplification), 또는 실시간-핵산 서열 기초 증폭(realtime-nucleic acid sequence based amplification: NASBA)을 통하여 증폭하고 이를 정제하여 얻을 수 있다.
상기 검출하는 단계는 단일염기다형성(SNP)을 증폭하는 단계를 포함하는 것일 수 있다. 상기 검출에 사용되는 제제는 전술한 프라이머, 프로브, 올리고뉴클레오티드 또는 이들의 조합일 수 있다.
상기 단일염기다형성 마커의 다형성 부위를 증폭하거나 프로브와 혼성화하는 단계는 당업자에게 알려진 어떠한 방법이든 사용가능하다. 예를 들면, 표적 핵산을 PCR을 통하여 증폭하고 이를 정제하여 얻을 수 있다. 그 외 리가제 연쇄 반응(LCR) (Wu 및 Wallace, Genomics 4, 560(1989), Landegren 등, Science 241, 1077(1988)), 전사증폭(transcription amplification)(Kwoh 등, Proc. Natl.Acad. Sci. USA 86, 1173(1989)) 및 자가유지 서열 복제 (Guatelli 등, Proc. Natl. Acad. Sci. USA 87, 1874(1990)) 및 핵산에 근거한 서열 증폭 (NASBA)이 사용될 수 있다.
본 발명의 상기 방법은 상기 증폭 또는 검출된 SNP 부위의 염기를 결정하는 단계가 추가로 포함될 수 있다.
상기 증폭 또는 검출된 SNP 마커 부위의 염기를 결정하는 방법은 전기영동, 시퀀싱 분석, 마이크로어레이(microarray)에 의한 혼성화, 대립유전자 특이적인 PCR(allele specific PCR), 다이나믹 대립유전자 혼성화 기법(dynamic allele-specific hybridization, DASH), PCR 연장 분석, PCR-SSCP, PCR-RFLP 분석, HRM 분석 또는 TaqMan 기법, SNPlex 플랫폼(Applied Biosystems), 질량 분석법(예를 들면, Sequenom의 MassARRAY 시스템), 미니-시퀀싱(mini-sequencing) 방법, Bio-Plex 시스템(BioRad), CEQ and SNPstream 시스템(Beckman), Molecular Inversion Probe 어레이 기술(예를 들면, Affymetrix GeneChip), 및 BeadArray Technologies(예를 들면, Illumina GoldenGate 및 Infinium 분석법) 등을 이용하여 수행될 수 있으나, 특별히 이에 제한되지는 않는다. 상기 방법들 또는 본 발명이 속하는 기술분야의 당업자에게 이용 가능한 다른 방법에 의해, 상기 SNP 마커에서의 하나 이상의 대립유전자를 확인할 수 있다.
상기 시퀀싱 분석은 염기서열 결정을 위한 통상적인 방법을 사용할 수 있으며, 자동화된 유전자분석기를 이용하여 수행될 수 있다. 또한, 대립유전자 특이적 PCR은 변이 부위가 위치하는 염기를 3' 말단으로 하여 고안한 프라이머를 포함한 프라이머 세트로 상기 변이가 위치하는 DNA 단편을 증폭하는 PCR 방법을 의미한다. 상기 방법의 원리는, 예를 들어, 특정 염기가 A에서 G로 치환된 경우, 상기 A를 3' 말단염기로 포함하는 프라이머 및 적당한 크기의 DNA 단편을 증폭할 수 있는 반대 방향 프라이머를 고안하여 PCR 반응을 수행할 경우, 상기 변이 위치의 염기가 A인 경우에는 증폭반응이 정상적으로 수행되어 원하는 위치의 밴드가 관찰되고, 상기 염기가 G로 치환된 경우에는 프라이머는 주형 DNA에 상보결합할수 있으나, 3' 말단 쪽이 상보결합을 하지 못함으로써 증폭반응이 제대로 수행되지 않는 점을 이용한 것이다. DASH는 통상적인 방법으로 수행될 수 있고, 바람직하게는 프린스 등에 의한 방법에 의하여 수행될 수 있다.
상기 TaqMan 방법은 (1) 원하는 DNA 단편을 증폭할 수 있도록 프라이머 및 TaqMan 탐침을 설계 및 제작하는 단계; (2) 서로 다른 대립유전자의 탐침을 FAM 염료 및 VIC 염료로 표지(Applied Biosystems)하는 단계; (3) 상기 DNA를 주형으로 하고, 상기의 프라이머 및 탐침을 이용하여 PCR을 수행하는 단계; (4) 상기의 PCR 반응이 완성된 후, TaqMan 분석 플레이트를 핵산 분석기로 분석 및 확인하는 단계; 및 (5) 상기 분석결과로부터 단계 (1)의 폴리뉴클레오티드의 유전자형을 결정하는 단계를 포함한다.
한편, PCR 연장 분석은 먼저 단일염기 다형성이 위치하는 염기를 포함하는 DNA 단편을 프라이머 쌍으로 증폭을 한 다음, 반응에 첨가된 모든 뉴클레오티드를 탈인산화시킴으로써 불활성화시키고, 여기에 특이적 연장 프라이머, dNTP 혼합물, 디디옥시뉴클레오티드, 반응 완충액 및 DNA 중합효소를 첨가하여 프라이머 연장반응을 수행함으로써 이루어진다. 이때, 연장 프라이머는 변이 부위가 위치하는 염기의 5' 방향의 바로 인접한 염기를 3' 말단으로 삼으며, dNTP 혼합물에는 디디옥시뉴클레오티드와 동일한 염기를 갖는 핵산이 제외되고, 상기 디디옥시뉴클레오티드는 변이를 나타내는 염기 종류 중 하나에서 선택된다. 예를 들어, A에서 G로의 치환이 있는 경우, dGTP, dCTP 및 TTP 혼합물과 ddATP를 반응에 첨가할 경우, 상기 치환이 일어난 염기에서 프라이머는 DNA 중합효소에 의하여 연장되고, 몇 염기가 지난 후 A 염기가 최초로 나타나는 위치에서 ddATP에 의하여 프라이머 연장반응이 종결된다. 만일 상기 치환이 일어나지 않았다면, 그 위치에서 연장반응이 종결되므로, 상기 연장된 프라이머의 길이를 비교함으로써 변이를 나타내는 염기 종류를 판별할 수 있게 된다.
이때, 검출방법으로는 연장 프라이머 또는 디디옥시뉴클레오티드를 형광 표지한 경우에는 일반적인 염기서열 결정에 사용되는 유전자 분석기(예를 들어, ABI사의 Model 3700 등)를 사용하여 형광을 검출함으로써 상기 변이를 검출할 수 있으며, 무-표지된 연장 프라이머 및 디디옥시뉴클레오티드를 사용할 경우에는 MALDI-TOF(matrix assisted laser desorption ionization-time of flight) 기법을 이용하여 분자량을 측정함으로써 상기 변이를 검출할 수 있다.
본 발명이 제공하는 상기 피부 탄력도를 예측하는 방법은 상기 SNP의 유전자형(genotype)의 빈도를 분석하는 단계를 추가적으로 포함할 수 있다.
상기 검출하는 단계는, 중합효소 연쇄 반응(polymerase chainreaction: PCR), 분자 비이콘(molecular beacon), 프라이머 신장법(primer extension) 등에 의해 수행될 수 있으나, 이에 제한되는 것은 아니다.
본 발명이 제공하는 상기 방법에 있어서, 상기 rs146095627에서 G가 A, T 또는 이의 조합보다 더 높은 빈도로 검출되는 경우, 상기 rs2446092에서 A가 G, C, T 또는 이의 조합보다 더 높은 빈도로 검출되는 경우, 상기 rs73499013에서 A가 G보다 더 높은 빈도로 검출되는 경우, 상기 rs112251095에서 G가 A보다 더 높은 빈도로 검출되는 경우 및 상기 rs182035024에서 T가 C보다 더 높은 빈도로 검출되는 경우로 이루어진 군에서 선택된 어느 하나 이상인 경우, 피부 탄력도가 낮을 것으로 예측할 수 있다.
또한, 상기 방법은 상기 단일염기다형성 검출 결과에 따라 각 단일염기다형성에 가중치를 계산함으로써, 피부 탄력도 점수를 환산하는 단계를 더 포함할 수 있다.
본 발명의 일 양태에서, 상기 방법은 rs146095627, rs2446092, rs73499013, rs112251095 및 rs182035024 로 이루어진 군에서 선택된 1종 이상의 SNP의 유전형 정보를 알고리즘으로 기계학습 시킨 모델을 이용하여, 상기 개체의 피부 탄력도를 예측하는 단계를 추가로 포함하는 것을 특징으로 할 수 있다.
상기 알고리즘은 선형 또는 비선형 회귀 분석방법; 선행 또는 비선형 classification 분석방법; ANOVA; 신경망 분석방법; 유전적 분석방법; 서포트 벡터 머신 분석방법; 계층 분석 또는 클러스터링 분석방법; 결정 트리를 이용한 계층 알고리즘, 또는 Kernel principal components 분석방법; Markov Blanket 분석방법; recursive feature elimination 또는 엔트로피-기본 recursive feature elimination 분석방법; 전방 floating search 또는 후방 floating search 분석방법; 및 이들의 조합으로 이루어진 군에서 선택될 수 있으며, 바람직하게는 선형 회귀분석, 능형 회귀분석, 선형 서포트 벡터 머신 분석 또는 이의 조합일 수 있으며, 가장 바람직하게는 선형 회귀분석일 수 있다.
본 발명의 단일염기다형성 마커는 각각의 개체에 대한 피부 특성, 구체적으로는 피부 탄력도를 예측할 수 있는 마커로, 이를 이용하여 개체에 대한 정확한 피부 타입에 대한 정보를 제공할 수 있고, 피부 특성에 따른 맞춤형 화장품을 제공하는데 매우 유용하게 활용될 수 있다.
도 1은 GWAS(Genome-Wide Association Study) 분석 및 GWAS 기반 기계 학습 접근 방식을 사용하여 피부 표현형을 예측하기 위한 순서도를 나타낸 도면이다.
도 2a 및 2b를 포함하는 도 2는 imputation 전후 연구 결과의 맨해튼 플롯을 나타낸 도면이다. 게놈 위치에 대해 테스트된 모든 단일 염기 다형성에 대한 -log10(p 값)의 맨해튼 플롯을 나타낸다. 수평선은 suggestive(파란색, p < 1 × 10-05) 및 significant(빨간색, p < 1 × 10-08) 임계값을 나타낸다(A, C, E, G, I는 raw data, B, D, F, H, J는 imputation 후의 결과임).
도 3은 측정값과 기계학습 예측값의 산점도를 나타낸 결과이다.
이하, 본 발명을 하기 실시예에 의해 상세히 설명한다. 단, 하기 실시예는 본 발명을 예시하기 위한 것일 뿐, 본 발명이 이들에 의해 제한되는 것은 아니다.
얼굴 모양의 변화는 사람마다 다른 다양한 내적 및 외적 요인에 의해 영향을 받는다. 따라서 개개인의 피부 상태를 정확하게 파악하여 그에 따른 피부 관리가 필요하다. 최근에는 GWAS(Genome-Wide Association Studies) 및 기계 학습 알고리즘을 사용하여 피부 관련 표현형에 의한 유전자 식별이 가능해졌다. 그러나 대부분의 GWAS가 미국 또는 유럽 피부 색소 침착 인구에 초점을 맞추었기 때문에 아시아 인구에 대한 대규모 GWAS가 필요하다. 본 연구는 30-50세 한국 여성 749명을 대상으로 5가지 얼굴 표현형(멜라닌, 광택, 수분, 주름, 탄력)과 후보 단일염기다형성(SNP)의 상관관계를 평가하여 기계학습을 이용하여 유전자형으로부터 표현형을 예측하는 것을 목적으로 하였다. GWAS 분석을 사용하여 멜라닌, 광택, 수화, 주름 및 탄력에 대해 각각 3, 20, 12, 6 및 5개의 SNP(각각 3, 20, 12, 6 및 5개의 SNP)를 발견했다. 표현형의 예측은 5중 교차 검증을 사용하여 3가지 기계 학습 알고리즘(선형, 능형, 및 선형 서포트 벡터 회귀 모델)을 사용하여 수행되었다. 이 중 능형 회귀 모델은 모든 피부 표현형에 대해 최고의 성능을 보였다. 따라서 GWAS를 이용한 개인 피부 진단을 위한 최적의 솔루션은 능형 회귀 모델이었다. 이 모델은 타겟 특성의 유전자형 정보와 머신 러닝 방법을 식별하여 개인의 피부 상태를 정확하게 예측할 수 있는 최적의 솔루션을 제공했으며, 이는 맞춤형 화장품 개발에 활용 가능성이 있다.
한국 여성의 피부는 노화와 외부요인으로 인해 주름의 깊이가 증가하고 기미가 과색소침착되어 수분, 탄력, 윤기가 감소하는 특징이 있다. 피부 노화 유전자, 생활 방식(예: 수면 제한 및 피로), 환경 노출(예: 계절 변화, 공기 중 오염 물질 및 자외선[UV] 광선). 보다 최근에는 상주하는 피부 미생물군집의 다양성과 함께 2019년 코로나19(COVID-19)로 인한 안면 마스크(Korea Filter 94 마스크)의 장기간 사용으로 인한 피부 자극 및 변화가 노화 요인으로 등장했다. 개인의 노화 정도와 피부 상태의 차이로 인해 3차원 파라메트릭 마스크, 피부 진단법 등 개인화 화장품 기술의 발전이 증가하고 있다. 비침습적 기기를 이용한 평가 기술과 인공지능(AI)을 융합한 자가진단 장비, 고객 직접 유전자 검사 등이 개인화된 화장품을 위한 피부 진단 방법에 포함될 수 있다. 이 중 개인의 피부 상태와 노화 정도는 개인 유전자 분석, 생활 습관 설문, AI 머신러닝 알고리즘 3가지 방법으로만 예측할 수 있다.
특정 피부 관련 표현형에 대한 잠재적인 원인 유전자는 GWAS(genome-wide association Studies) 및 기계 학습 알고리즘을 사용하여 확인되었다. 각 인간 게놈에는 수백만 개의 단일 염기 다형성(SNP)이 있다. GWAS는 여러 복잡한 표현형과 강하게 연관된 게놈 영역을 표시하는 집단에서 SNP를 식별한다. 이러한 게놈 영역은 표현형과 인과적으로 관련된 변이를 포함해야 한다. 그러나 GWAS에 의해 식별되는 SNP가 반드시 직접적인 인과 관계는 아닐 수 있다. 따라서 대부분의 SNP는 비암호화 영역에 위치하므로 간접적으로 표현형 연관에 관여한다.
피부 표현형에 대한 여러 GWAS에서 ASIP, MC1R 및 TYR과 같은 널리 알려진 유전자는 과색소침착 반점 및 피부색과 같은 색소 침착 특성과 관련이 있는 것으로 나타났다. 최근 연구에서 새로운 게놈 유전자좌는 한국인의 안면 색소 반점과 관련이 있는 것으로 나타났다. 그러나 대부분의 대규모 GWAS는 유럽 혈통을 가진 개체에서 수행되었으며 다양한 피부 표현형, 특히 한국 피부 표현형을 조사한 유전 기반 연구는 거의 없다.
실험방법
1. 대상
2019년 1월부터 2020년 2월까지 30~50세(40.8±5.4세), 즉 40세 미만 여성 309명, 40세 초과 여성 440명을 포함한 총 749명을 대상으로 하였다. 임상 측정 영역에서 특정 중증 피부 질환(예: 홍반, 감염성 질환) 또는 화장품 알레르기가 있는 피험자는 제외하였다. 측정 전, 대상자는 클렌저로 모든 메이크업을 지웠다. 피험자는 일정한 온도 및 습도 조건(각각 24°C ± 2°C 및 50% ± 5%)으로 유지되는 방에서 30분 동안 대기했다.
GWAS의 경우 모든 피험자로부터 AccuSaliva 수집 키트(ACN11.01, AccuGene, Korea)를 사용하여 타액을 제공받았으며, 이 키트는 Eone Diagnomics Genome Center에 전달될 때까지 실온(15°C-25°C)에서 보존 용액에 보관되었다. 타액 채취 30분 전 음식물 섭취, 양치질, 음주, 껌 씹기, 흡연을 금하였다. 피험자들은 물로 양치질하고 10분 후에 타액을 수집했다. 생활 습관과 현재 피부 상태 정보는 화장품(스킨케어 및 메이크업 제품) 사용, 세안 습관, 자외선 차단제 사용, 피부 민감도, 여드름에 대한 우려, 흡연, 수면 시간을 포함하는 설문지를 사용하여 수집되었다.
2. 피부 생물물리학적 파라미터의 평가
참가자의 피부 상태를 객관적으로 조사하기 위해 비침습적 임상 장비를 사용하여 멜라닌 수준, 광택, 수분, 주름 및 탄력의 5가지 피부 생물물리학적 매개변수를 정량적으로 측정했다. 이마, 뺨, 안각 및 턱의 4가지 뚜렷한 얼굴 부위에서 이러한 생물물리학적 피부 매개변수를 측정했다. 측정값은 그룹 통계에 사용하기 위해 평균을 냈다.
멜라닌 수치 분석
피부 색소 침착에 기여하는 멜라닌 수치는 피부가 흡수하는 빛의 양을 계산하는 Mexameter MX 18 (Courage & Khazaka, Cologne, Germany)을 사용하여 측정되었다. 멜라닌 수치는 얼굴의 과색소침착 부위에 대해 3회 측정하였고 평균 멜라닌 지수 값(임의 단위[A.U.])을 추가 분석에 사용했다.
광택
Skin-Glossymeter GL200(Courage & Khazaka, Cologne, Germany)을 사용하여 피부 표면의 빛 반사를 기반으로 광택을 측정했다. 볼 부위를 10회 연속 측정하고 평균하여 광택 확산 산란 보정(DSC) 값(A.U.)을 구했다.
보습
볼 부위의 피부 수분도는 Corneometer CM 825(Courage & Khazaka, Cologne, Germany)를 사용하여 피부의 가장 바깥쪽 층인 각질층의 전기 용량을 측정하여 평가하였다. 피부 커패시턴스 값은 장치에서 측정한 피부의 수분 함량에 따라 A.U.로 변환되었다. 5개의 측정값을 획득하고 평균화했다(A.U.).
주름
미세한 주름 깊이의 평가를 위해 이전 연구에서 설명한 방법에 따라 복제 모델을 사용했다. 평균 주름 깊이를 얻기 위해 Skin-Visiometer SV 600(Courage & Khazaka, Cologne, Germany)을 사용하여 눈가의 잔주름 피부 복제 이미지를 얻었다.
피부 탄력도
피부 탄력은 Cutometer Dual MPA 580(Courage & Khazaka, Cologne, Germany)을 사용하여 프로브의 흡입에 의해 변형된 피부로부터 피부 탄력 정도를 평가하였다. R2(총탄력)는 전반적인 피부탄력을 평가하기 위한 주요 매개변수로 사용되었다. R2 값이 1(100%)에 가까울수록 피부 탄력이 좋다.
3. Genome-wide SNP genotyping 및 알고리즘
(1) Genotyping 및 데이터 QC
Illumina GSA Bead Chip(Illumina Inc., San Diego, CA)의 Infinium Global Screening Array(GSA)가 이 연구에 사용되었다. GSA 칩에는 정밀 의학 연구를 위한 다민족 게놈 콘텐츠, 선별된 임상 연구 변형 및 품질 관리(QC) 마커가 포함되어 있다. 컨소시엄에서 개발한 646,824개의 GSA 마커 외에 약리유전체학 및 한국 고유 콘텐츠를 포함하는 34,136개의 추가 마커를 설계하여 총 680,960개의 마커가 생성되었다.
MAF(minor allele frequency) 차이가 0.2 이상인 변이체를 1000G East Asian(EAS)과 비교하여 gnomAD EAS를 제거했다. 유저적 변이를 위해 다음과 같은 QC 기준을 적용하였다: 대조군에 대한 MAF >1%, Hardy-Weinberg 평형(p > 0.00001), 유전자형 호출률 >98% 및 개별 결측률 <2%. 최종 데이터 세트는 375,084개의 SNP로 구성되었다.
(2) GWAS(Genome Wide Association Study, imputation)
Imputation은 SHAPEIT v2.r904 및 Minimac3 v2.0.1 소프트웨어를 사용하여 수행되었다. 1000G 3상을 사용했고, 연관 분석을 위해 R-제곱 통계 > 0.8을 갖는 귀속 유전자 용량(imputed genetic dosage)을 사용했다. 유전형 SNP의 연관 테스트는 연령을 공변량으로 하는 PLINK v1.90b(-선형 플래그 포함)의 선형 회귀 모델을 사용하여 수행되었다. 맨해튼 플롯은 imputation 전후 모두에서 R v3.6의 qqman 0.1.4 라이브러리를 사용하여 생성되었다.
4. 특성 선택 및 기계학습 모델
(1) 특성 선택
먼저 기계 학습 분석을 위해 잠재적으로 연관된 상염색체 변이체(GWAS p < 0.05)만 선택했다. 가장 유망한 예측 변수를 추출하기 위해 XGBoost는 Python v3.0의 Sklearn v0.20.3 패키지인 Xgboost를 사용하여 0이 아닌 "gain" 계수로 선택된 마커를 사용하도록 적용되었다.
(2) 기계학습모델
초기에 데이터 세트(N = 730)는 훈련(N = 584, 80%) 세트와 테스트(N = 146, 20%) 세트로 무작위로 나뉘었다. 훈련 세트를 사용하여 5중 교차 검증을 통해 모델을 평가했다. 이 절차는 기계 학습 모델의 힘을 강력하게 평가하는 데 사용되었다. 특성 선택 및 훈련의 모든 단계는 훈련 세트에 대해서만 수행되었으며 테스트 세트는 최종 평가에만 사용되었다.
훈련 세트는 5중 교차 검증을 사용하여 세 가지 알고리즘을 분석했다. 우리는 선형 회귀를 사용하는 잘 정립된 세 가지 기계 학습 알고리즘인 선형 회귀(Linear regression), 능형 회귀(Ridge regression) 및 선형 서포트 벡터 회귀(SVR)를 사용했다. 정확도는 하위 테스트 세트의 예측을 위해 r2를 사용하여 얻었고 모델의 각 변수에 의해 설명되는 데이터이다. 결과는 각 폴드의 r2 값, 5개의 폴드의 평균 r2 값 및 테스트 세트의 r2 값을 제공한다.
우리는 R2 값이 크고, 편차가 작은 하나의 알고리즘을 선택했다. 선택한 알고리즘을 사용하여 교육 및 테스트를 수행했다. 실제값과 예측값의 산점도를 플로팅하여 상관관계를 확인하였다. 모든 계산은 Python 3.0의 Sklearn v0.20.3 패키지를 사용하여 수행되었다.
모든 프로세스는 도 1에 나타내었다.
실험결과
1. 표현형 평가
5가지 표현형 측정 데이터는 표 1에 평균과 표준편차로 제시되어 있다. 각 표현형의 평균값은 (1) 과색소침착 부위(턱과 볼)의 멜라닌 농도 = 147.02 ± 35.33; (2) 볼의 피부 광택 값 = 4.35 ± 2.04; (3) 볼의 수분 수준 = 63.02 ± 16.94; (4) 안각의 잔주름 = 17.35 ± 4.96; 및 (4) 볼의 피부 탄력 수준 = 0.67 ± 0.09
Figure pat00001
2. GWAS
QC에서 749개 샘플 중 19개 샘플이 제외되어 1차 발견 분석을 위한 유전자형 데이터 샘플 730개가 생성되었다. 5가지 유형의 피부 측정 데이터는 모두 GWAS를 사용하여 독립적으로 분석되었다. 결과는 맨해튼 플롯으로 표시되며 적당한 효과가 있는 여러 유전자좌의 존재를 나타낸다(도 2). 도 2는 각 형질과 관련된 SNP 마커의 비교를 가능하게 하기 위한 imputation 전과 후의 결과를 보여준다.
각 표현형에 대해 46개의 가장 높은 연관 신호를 찾았다(p < 1 Х 10-05). 표 2에 나타낸 바와 같이 멜라닌 3개, 광택 20개, 보습 12개, 주름 6개, 탄력 5개였다(표 2). GWAS의 연관 불균형으로 인해 유의성 마커와 주변 마커도 유의미하다.
Figure pat00002
Figure pat00003
3. 기계학습
모델 구축 과정의 훈련 부분에서 얻은 교차 검증 결과는 모든 표현형에 대해 가장 잘 수행되는 모델이 능형 회귀임을 보여주었다.
테스트 세트의 능형 회귀 모델을 사용하여 예측된 표현형 값과 측정된 표현형 값을 산점도에서 비교했다(도 3). 최적의 결과는 추세선에 떨어지는 데이터로 표시된다. 데이터가 추세선에 가까울수록 예측값이 측정값에 더 가깝다. 우리 연구에서 결과는 추세선에 가까웠으며 이는 표 3의 r2로 확인되었다.
Figure pat00004
본 발명의 단일염기다형성 마커는 각각의 개체에 대한 피부 특성, 구체적으로는 피부 탄력도를 예측할 수 있는 마커로, 이를 이용하여 개체에 대한 정확한 피부 타입에 대한 정보를 제공할 수 있고, 피부 특성에 따른 맞춤형 화장품을 제공하는데 매우 유용하게 활용될 수 있어 산업상 이용가능성이 매우 높다.
<110> Eone Diagnomics Genome Center Co., Ltd. Kolmar Korea Co., Ltd. <120> Biomarkers for predicting skin elasticity and use thereof <130> NP21-0070 <160> 5 <170> KoPatentIn 3.0 <210> 1 <211> 201 <212> DNA <213> Artificial Sequence <220> <223> rs146095627 <400> 1 ggagaatggc atgaacccgg gaggcggagc tggcagtgag ccgagatcac accaccgcac 60 tccagcctgg gcgacagagc cagactccgt ctcaaaaaaa daaaacaaaa aacaagcagt 120 gaatgtggat ctaaacaaaa tcacaacgta actcaatcag gaggaagaga agggcagaga 180 gtttctgtgt ggtggggaca g 201 <210> 2 <211> 201 <212> DNA <213> Artificial Sequence <220> <223> rs2446092 <400> 2 gaagtgagca gaaatataat ttagggagat ttggcactca tcctatacca ccaagtactg 60 aacaggaaag atactttcct actgggaaca aattgcagtg nctttagagg aaaacacaaa 120 agcaccctca ggagaaggag tgttgaaatc aaataataat tttaatttat gtcgcttttc 180 atttaaagaa ctcagtcaca t 201 <210> 3 <211> 201 <212> DNA <213> Artificial Sequence <220> <223> rs73499013 <400> 3 ggggatgggt gtggacacac ctaaaactca ctgagctgca ggctaaagat ttgtgcaaag 60 agccttaagc taaattaata ccaaggggag tgaacaacat rgttggtgaa ttcaggggag 120 actggatcct gcctcgagcc aagccattcc ttcccttgct tgacaatctg ccacctggga 180 aggcctgcac atcaggacaa g 201 <210> 4 <211> 201 <212> DNA <213> Artificial Sequence <220> <223> rs112251095 <400> 4 tcttcttcac catttctttg taaaattcag gaaatttcat agtcccaaaa gccttgttct 60 atttcattct cttcttcttc ttcttttttt cttgagatgg rgtcttgctc tgtcgcccag 120 gctggaatgc cgtgaagcga tctcagctca ctgcagcctc cacctcccgg gttcaagtga 180 ttctcctgtc tcagcctcct g 201 <210> 5 <211> 201 <212> DNA <213> Artificial Sequence <220> <223> rs182035024 <400> 5 ctgtggcatc atcttactat attgtcaact gaagccgatt tcaaaacaat agtaataacc 60 agacccattt tagagggaaa ataaagcatg tatctaatct yggcatagaa aagtatggca 120 gaatacaaaa aaaaaaaaaa gcaatgttaa ttgttagcat tttcactgcc atgcaaaata 180 gttttgcaaa tgcaaaatag t 201

Claims (12)

  1. 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;
    서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A, G, C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;
    서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기가 G 또는 A인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;
    서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기가 A 또는 G인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드; 및
    서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기가 C 또는 T인 단일 염기 다형성(Single nucleotide polymorphism, SNP)을 포함하는, 5 내지 200개의 연속적인 염기로 이루어진 폴리뉴클레오티드 또는 이에 상보적인 폴리뉴클레오티드;로 이루어진 군에서 선택된 1종 이상을 포함하는, 피부 탄력도 예측용 마커 조성물.
  2. 제1항에 있어서, 서열번호 1로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs146095627가 G인 경우;
    서열번호 2로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs2446092가 A인 경우;
    서열번호 3으로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs73499013가 A인 경우;
    서열번호 4로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs112251095가 G인 경우; 및
    서열번호 5로 표시되는 폴리뉴클레오티드에서 101번째 염기인 rs182035024가 T인 경우로 이루어진 군에서 선택된 어느 하나 이상인 경우, 피부 탄력도가 낮은 것으로 판단하는 것을 특징으로 하는 마커 조성물.
  3. 제1항 또는 제2항의 마커를 검출할 수 있는 제제를 포함하는, 피부 탄력도 예측용 조성물.
  4. 제3항에 있어서, 상기 제제는 상기 마커를 검출 또는 증폭할 수 있는 프라이머 세트, 프로브, 올리고뉴클레오티드 또는 이의 조합인 것을 특징으로 하는 조성물.
  5. 제1항 또는 제2항의 마커를 포함하는, 피부 탄력도 예측용 마이크로어레이.
  6. 제3항의 조성물을 포함하는, 피부 탄력도 예측용 키트.
  7. 개체로부터 분리된 생물학적 시료에서 rs146095627, rs2446092, rs73499013, rs112251095 및 rs182035024로 이루어진 군에서 선택된 1종 이상의 SNP를 검출하는 단계를 포함하는, 피부 탄력도에 대한 정보 제공 방법.
  8. 제7항에 있어서, 상기 검출하는 단계는 상기 SNP를 증폭하는 단계를 포함하는 것을 특징으로 하는 방법.
  9. 제7항에 있어서, 상기 SNP의 유전형(genotype)의 빈도를 분석하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
  10. 제7항에 있어서, 상기 rs146095627에서 G가 A, T 또는 이의 조합보다 더 높은 빈도로 검출되는 경우, 상기 rs2446092에서 A가 G, C, T 또는 이의 조합보다 더 높은 빈도로 검출되는 경우, 상기 rs73499013에서 A가 G보다 더 높은 빈도로 검출되는 경우, 상기 rs112251095에서 G가 A보다 더 높은 빈도로 검출되는 경우 및 상기 rs182035024에서 T가 C보다 더 높은 빈도로 검출되는 경우로 이루어진 군에서 선택된 어느 하나 이상인 경우, 피부 탄력도가 낮을 것으로 예측하는 것을 특징으로 하는 방법.
  11. 제7항에 있어서, rs146095627, rs2446092, rs73499013, rs112251095 및 rs182035024로 이루어진 군에서 선택된 1종 이상의 SNP의 유전형 정보를 알고리즘으로 기계학습 시킨 모델을 이용하여, 상기 개체의 피부 탄력도를 예측하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
  12. 제11항에 있어서, 상기 알고리즘은 선형 또는 비선형 회귀 분석방법; 선행 또는 비선형 classification 분석방법; ANOVA; 신경망 분석방법; 유전적 분석방법; 서포트 벡터 머신 분석방법; 계층 분석 또는 클러스터링 분석방법; 결정 트리를 이용한 계층 알고리즘, 또는 Kernel principal components 분석방법; Markov Blanket 분석방법; recursive feature elimination 또는 엔트로피-기본 recursive feature elimination 분석방법; 전방 floating search 또는 후방 floating search 분석방법; 및 이들의 조합으로 이루어진 군에서 선택되는 것을 특징으로 하는 방법.
KR1020210158328A 2021-11-17 2021-11-17 피부 탄력도 예측용 바이오마커 및 이의 용도 KR20230072031A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210158328A KR20230072031A (ko) 2021-11-17 2021-11-17 피부 탄력도 예측용 바이오마커 및 이의 용도

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210158328A KR20230072031A (ko) 2021-11-17 2021-11-17 피부 탄력도 예측용 바이오마커 및 이의 용도

Publications (1)

Publication Number Publication Date
KR20230072031A true KR20230072031A (ko) 2023-05-24

Family

ID=86540973

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210158328A KR20230072031A (ko) 2021-11-17 2021-11-17 피부 탄력도 예측용 바이오마커 및 이의 용도

Country Status (1)

Country Link
KR (1) KR20230072031A (ko)

Similar Documents

Publication Publication Date Title
KR101752136B1 (ko) 보습 피부 타입 유전자 다형성 마커 및 이의 용도
KR20230072031A (ko) 피부 탄력도 예측용 바이오마커 및 이의 용도
KR20230072018A (ko) 피부 주름 생성 위험도 예측용 바이오마커 및 이의 용도
KR20230072016A (ko) 피부 색소 침착 위험도 예측용 바이오마커 및 이의 용도
KR20230072025A (ko) 피부 보습력 예측용 바이오마커 및 이의 용도
KR20230072021A (ko) 피부 윤기 바이오마커 및 이의 용도
KR20220141659A (ko) 피부색 판단용 유전자 다형성 마커 및 이의 용도
KR20220141658A (ko) 피부색 판단용 유전자 다형성 마커 및 이의 용도
CN117062916A (zh) 用于判断皱纹皮肤类型的基因多态性标记及其用途
CN115362268A (zh) 用于判断色素沉着皮肤类型的基因多态性标记及其用途