Lesson 12 of 20

VEP — 좌표를 단백질의 말로

제6장 「VEP로 각 변이의 기능적 영향을 주석 달았다」

VCF 한 줄은 이렇게 생겼습니다 — 13 47258004 . A T.

이것만으로는 아무 뜻이 없습니다. 어느 유전자인지, exon 인지 intron 인지, 단백질을 바꾸는지, 몇 번째 아미노산인지 알아야 합니다.

그 일을 하는 것이 VEP(Variant Effect Predictor) 입니다. 소설의 설명이 정확합니다.

"VEP는 게놈 좌표 하나를 받아서 그 자리가 어느 유전자의 어디이며, 그 변화가 단백질을 어떻게 바꾸는가를 알려 준다."

이 스무 줄이 VEP 가 하는 일의 뼈대입니다. 어려운 것은 계산이 아니라 주석의 품질입니다.

Python Runs in your browser

# 좌표에서 아미노산까지 — 손으로 한 번
GENETIC_CODE = {
 "TTT":"F","TTC":"F","TTA":"L","TTG":"L","CTT":"L","CTC":"L","CTA":"L","CTG":"L",
 "ATT":"I","ATC":"I","ATA":"I","ATG":"M","GTT":"V","GTC":"V","GTA":"V","GTG":"V",
 "TCT":"S","TCC":"S","TCA":"S","TCG":"S","CCT":"P","CCC":"P","CCA":"P","CCG":"P",
 "ACT":"T","ACC":"T","ACA":"T","ACG":"T","GCT":"A","GCC":"A","GCA":"A","GCG":"A",
 "TAT":"Y","TAC":"Y","TAA":"*","TAG":"*","CAT":"H","CAC":"H","CAA":"Q","CAG":"Q",
 "AAT":"N","AAC":"N","AAA":"K","AAG":"K","GAT":"D","GAC":"D","GAA":"E","GAG":"E",
 "TGT":"C","TGC":"C","TGA":"*","TGG":"W","CGT":"R","CGC":"R","CGA":"R","CGG":"R",
 "AGT":"S","AGC":"S","AGA":"R","AGG":"R","GGT":"G","GGC":"G","GGA":"G","GGG":"G"}

cds_pos = 2447          # CDS 안에서 이 변이가 몇 번째 염기인가 (1부터)
codon_no = (cds_pos - 1) // 3 + 1
frame    = (cds_pos - 1) % 3
ref_codon = "GAC"       # Asp
alt_codon = ref_codon[:frame] + "T" + ref_codon[frame+1:]

print(f"CDS 위치        {cds_pos}")
print(f"몇 번째 코돈    {codon_no}")
print(f"코돈 안 몇 번째 {frame + 1}")
print(f"코돈            {ref_codon} → {alt_codon}")
print(f"아미노산        {GENETIC_CODE[ref_codon]} → {GENETIC_CODE[alt_codon]}")
print()
print(f"HGVS 로 적으면  p.{GENETIC_CODE[ref_codon]}{codon_no}{GENETIC_CODE[alt_codon]}"
      f"  =  p.Asp{codon_no}Val")
print()
print("이 계산에 필요한 것 셋:")
print("  1. 어느 전사체인가        — 유전자마다 전사체가 여럿이다")
print("  2. exon 경계가 어디인가   — intron 을 건너뛰며 세야 한다")
print("  3. 어느 가닥인가          — 역가닥이면 상보로 뒤집어야 한다")
print()
print("셋 다 <주석 파일> 에서 옵니다. 그리고 개의 주석은 사람만큼 정확하지 않습니다.")

전사체를 고르는 문제 — 답이 하나가 아니다

사람의 KIT 에도 전사체가 여럿입니다. 개는 더 심합니다.

같은 변이가 전사체에 따라 다른 결과를 냅니다 — 하나에서는 과녁 변이, 다른 하나에서는 intron, 또 다른 하나에서는 5'UTR.

전략	어떻게	문제
정규 전사체	MANE Select · RefSeq Select 하나만 본다	개에는 MANE 가 없다
가장 나쁜 결과	모든 전사체 중 가장 심한 것을 취한다	과대 해석하기 쉽다
가장 긴 CDS	단순한 대체 규칙	생물학적 근거가 약하다

개에서는 세 번째를 쓰는 일이 많고, 그 사실을 적어 두어야 합니다.

4,847개가 어디서 줄어드나

소설이 순서를 적어 둡니다.

신뢰도 — 깊이가 얕은 자리, 한쪽 방향으로만 나온 자리, 반복 구간 (11강)
동의 변이 제거 — 글자가 바뀌어도 아미노산이 그대로면 면역계에 새로 보일 것이 없다
유전자 사이 구간 제거 — "개의 게놈에서 단백질을 만드는 부분은 전체의 2퍼센트가 채 안 된다. 4,847개 대부분이 여기서 사라진다"
알려진 암 유전자 목록과 대조 (13강)

3번이 가장 크게 자릅니다. 그리고 그 판단이 주석 파일 하나에 통째로 의존합니다.

숫자는 예시입니다. 요점은 이 단계의 오류가 관찰 불가능하다는 것입니다.

Python Runs in your browser

# 코딩 비율만으로 얼마나 줄어드나 — 그리고 주석이 틀리면
total = 4847
coding_frac = 0.018        # 개 유전체에서 단백질 코딩 비율 (약 2% 미만)

exp_coding = total * coding_frac
print(f"체세포 변이 후보          {total:,} 개")
print(f"코딩 구간에 떨어질 기대치  {exp_coding:.0f} 개  (유전체의 {coding_frac:.1%})")
print()

# 동의 변이는 코딩 변이의 약 4분의 1 (유전암호의 구조상)
missense = exp_coding * 0.72
print(f"그중 아미노산을 바꾸는 것  {missense:.0f} 개쯤")
print()
print("그런데 주석이 부정확하면:")
for err_rate, label in [(0.00, "완벽한 주석 (사람 수준)"),
                        (0.10, "exon 경계가 10% 어긋남"),
                        (0.25, "개 주석의 현실에 가까움")]:
    lost = missense * err_rate
    print(f"   {label:<26} 잘못 분류 {lost:>5.0f} 개")
print()
print("놓친 쪽은 <목록에 아예 안 나타납니다>. 그래서 아무도 세지 못합니다.")

🤔 Check yourself

VCF 좌표를 아미노산 변화로 옮기려면 반드시 필요한 정보 셋은?

🤔 Check yourself

개에서 전사체 선택이 사람보다 까다로운 이유는?

🤔 Check yourself

4,847개를 가장 크게 줄이는 단계는?