Lesson 15 of 20

염색체는 덩어리로 움직인다

논문 Supplementary Figure 2·3 · CNVkit · 44.4%

지금까지 본 것은 점 변이 입니다 — 글자 하나가 바뀌거나 몇 개가 끼어드는 것.

암에서는 그보다 큰 일이 자주 일어납니다. 염색체의 한 구간이 통째로 두 벌 세 벌이 되거나, 통째로 사라집니다. 이것을 복제수 변이(CNV) 라고 합니다.

High school염색체는 덩어리로 움직인다

지금까지는 염기 하나가 바뀌는 점 변이를 봤습니다. 그런데 암에서는 더 큰 일도 일어납니다 — 염색체 조각이 통째로 늘거나 없어져요.

변화	규모	결과
점 변이	염기 1개	단백질 하나가 바뀜
국소 CNV	수십 kb~수 Mb	유전자 몇 개~수십 개가 늘거나 사라짐
염색체 팔 수준	수십 Mb	수백 개 유전자
전체 배수성	염색체 전부	유전체 전체가 배가

CNV = 사본 수 변이(Copy Number Variation) — 양이 달라지는 변화입니다.

논문이 그은 선들

규칙	값	왜
구간 나누기	원형 이진 분할(CBS)	비슷한 값이 이어지는 구간을 자동으로 묶는다
정수 상태 문턱	log2 −1.1 / −0.4 / 0.3 / 0.6 / 1.0	연속값을 사본 수로 바꾼다
증가 · 감소	log2 ≥ +0.3 · ≤ −0.3	노이즈와 가르는 선
성염색체	제외	남녀 사본 수가 다르다
짧은 구간	1 Mb 미만 제거	과분할(over-segmentation) 잡음을 막는다
고신뢰 국소 변이	≤ 3 Mb · \|log2\| ≥ 0.3 · 정수 사본 ≤1 또는 ≥3	세포유전자띠 수준으로 좁힌다

다섯 번째 줄에 주목하세요. 1 Mb 미만은 아예 버립니다. 잡음을 줄이지만, 진짜 국소 결손도 함께 사라집니다. 그런데 마지막 줄에서는 3 Mb 이하를 국소 변이로 봅니다. 즉 이 분석이 볼 수 있는 창은 1 Mb ~ 3 Mb 입니다.

High school어떻게 재나

시퀀싱 읽기 수를 셉니다. 어떤 구간의 사본이 두 배면 읽기도 두 배쯤 나와요.

관찰	추정
읽기 수가 평균의 2배	사본이 4벌 (정상 2벌의 2배)
평균의 절반	한 벌 소실
거의 0	양쪽 다 소실 (동형 결실)

CNVkit 같은 도구가 이 계산을 합니다. 다만 조직에 정상 세포가 섞여 있으면 신호가 희석돼요 — 4강의 종양 세포비가 여기서도 중요합니다.

종양 순도가 낮으면 진짜 증폭도 문턱 아래로 눌립니다. CNV 분석에서 순도는 결정적입니다.

Python Runs in your browser

# log2 비와 사본 수의 관계, 그리고 종양 순도가 그것을 어떻게 눌러 놓나.
import numpy as np

print("순수한 종양이라면")
print(f"{'사본 수':>8} {'log2 비':>10}")
print("-" * 20)
for cn in [0, 1, 2, 3, 4, 6, 8]:
    lr = np.log2(max(cn, 0.01) / 2)
    print(f"{cn:>8} {lr:10.2f}")

print()
print("그런데 조직에는 정상세포가 섞여 있습니다 (4강).")
print("종양 순도를 p 라 하면 관찰되는 사본 수는 p*cn + (1-p)*2 입니다.")
print()
print(f"{'순도':>6} {'cn=3 일 때':>12} {'cn=1 일 때':>12}")
print("-" * 32)
for p in [1.0, 0.8, 0.7, 0.5, 0.3]:
    a = np.log2((p * 3 + (1 - p) * 2) / 2)
    b = np.log2((p * 1 + (1 - p) * 2) / 2)
    표시 = "  <- 논문 기준선" if abs(p - 0.7) < 1e-9 else ""
    print(f"{p:6.0%} {a:12.2f} {b:12.2f}{표시}")

print()
print("논문의 문턱은 0.3 입니다.")
print("순도 70% 에서 cn=3 은 log2 0.22 - 문턱을 못 넘습니다.")
print("이것이 4강의 육안절편이 필요한 또 하나의 이유입니다.")

결과 — 혹도 이미 어지럽다

논문의 문장 — IP 와 SNSCC 모두에서 광범위한 유전체 불안정성이 보였다.

'양성' 이라 부르는 혹에 이미 CNV 가 널려 있었습니다. 2강에서 본 '양성인데 위험한 것' 의 분자적 얼굴입니다.

CNV 부담SNSCC > IP

IP 의 CNV 중 SNSCC 에도 있던 비율 (평균)44.4%

환자별 범위1.9% ~ 72.5%

범위를 보세요. 어떤 환자는 혹의 CNV 를 거의 그대로 물려받았고(72.5%), 어떤 환자는 거의 물려받지 않았습니다(1.9%).

High school44.4%라는 숫자

이 연구에서 CNV가 나타난 비율입니다. 절반 가까이가 염색체 수준의 변화를 가지고 있었어요.

단계	CNV 정도	해석
정상	없음	당연
양성 (반전유두종)	일부 있음	양성인데도 유전체가 불안정
악성	더 많음	진행에 따라 축적

2강에서 본 '양성인데 위험한 것'의 분자적 얼굴입니다.

양성 종양에 이미 CNV가 있다는 것은, 이 혹이 조직학적으로만 양성이지 유전체 수준에서는 이미 불안정해졌다는 뜻이에요. 왜 10~25%가 암이 되는지 설명해 줍니다.

반복해서 나온 국소 변이

늘어난 것 (gain)

편평계열 주역
TP63 AKT1 AKT3 MAPK3 TERT BCL2

성장인자 수용체
EGFR ERBB2 FGFR2 FGFR3

면역 조절 자리
JAK2 CD274 CTLA4

사라진 것 (loss)

종양억제유전자
CDKN1C TP73 HDAC4
CDKN2A CDKN2B MTAP

두 가지가 눈에 띕니다.

첫째, EGFR 이 여기 있습니다. 13강에서 점 변이로 나왔던 유전자가 CNV 로도 늘어나 있습니다. 두 자가 같은 유전자를 가리켰습니다.

둘째, CDKN2A · CDKN2B · MTAP 가 함께 사라졌습니다. 셋은 9번 염색체 짧은팔(9p21)에 나란히 붙어 있습니다. 한 덩어리로 날아간 것입니다. CDKN2A 는 p16 을 만드는 유전자이고, 2강에서 언급한 9p21 결손이 이것입니다.

High schoolCNV가 표적 찾기에 주는 것

패턴	표적 후보로서
반복해서 늘어나는 구간	그 안의 유전자가 암에 유리 — 억제 대상
반복해서 사라지는 구간	종양억제유전자 · 합성치사 기회
한 명에게만	우연일 수 있음

"반복해서"가 핵심입니다. 여러 환자에게서 같은 구간이 변하면 그건 선택된 것이지 우연이 아니에요.

19강에서 세 층이 만나는 유전자를 찾습니다 — 변이(13강) · CNV(15강) · 발현(7강).

🤔 Check yourself

논문이 1 Mb 미만 CNV 구간을 분석에서 제외한 이유는?

🤔 Check yourself

IP 의 CNV 중 SNSCC 에도 있던 비율이 환자에 따라 1.9%~72.5% 로 크게 갈린 것이 뜻하는 바는?