삼중음성유방암 환자를 위한 전엑솜 시퀀싱 기반 유전 소견 진단 파이프라인 연구
PloS one · 2026
Exome-based cancer driver gene comprehensive testing can provide a genetic diagnosis for individuals with triple-negative breast cancer.
PMID 42636242
원문 논문 바로가기 →
① 삼중음성유방암(TNBC, 에스트로겐·프로게스테론·HER2 수용체가 모두 음성인 공격적 유방암)은 예후가 나쁘고 표준 유전자 패널의 한계가 존재합니다.
② 연구팀은 GATK 표준 모범 사례를 기반으로 813개의 암 유전자를 포함하는 포괄적인 생물정보학 분석 파이프라인을 구축했습니다.
③ 유전성 암 환자 코호트(25명) 검증에서 기존 임상 플랫폼 결과와 100% 일치율을 보여 신뢰성을 입증했습니다.
④ 삼중음성유방암 환자 24명을 대상으로 전엑솜 시퀀싱(WES, 단백질을 암호화하는 전체 영역인 엑솜을 분석하는 검사)을 적용한 결과, 유전성 암 표현형을 설명하는 병원성 변이를 확인했습니다.
⑤ 이러한 유전적 진단 파이프라인은 환자와 가족의 맞춤형 추적 관찰 및 조기 개입을 위한 중요한 근거가 됩니다.
삼중음성유방암에서 유전성 소견 진단이 왜 중요할까요?
삼중음성유방암(Triple-negative breast cancer, TNBC, 에스트로겐 수용체, 프로게스테론 수용체, 그리고 HER2가 모두 음성인 공격적인 유방암 아형)은 전체 유방암의 약 15%를 차지합니다. 이 암은 종종 40세 미만의 젊은 여성에게 발생하며, 진단 후 첫 5년 내 사망률이 높고 수술 후 재발률과 전이 위험이 커서 기존 치료법의 성공을 방해하는 요인으로 꼽힙니다. 전이가 발생한 경우 중앙 생존 기간이 짧고 표준 항암화학요법에 대한 반응이 오래 지속되지 않는 특성이 있습니다. 따라서 이러한 환자들에게 숨겨진 유전적 소인(hereditary cancer syndrome, 부모로부터 물려받은 유전자 변이로 인해 암이 잘 발생하는 질환 상태)을 조기에 파악하는 것은 치료 방향을 설정하고 가족 구성원의 건강을 지키는 데 매우 중요합니다.
유전성 암은 전체 암의 5~10%를 차지하지만, 유전적 연구가 상대적으로 부족한 집단에서는 진단이 누락되거나 늦어질 수 있습니다. 다발성 원발암 발생, 가족 중 여러 명의 암 환자, 또는 이른 나이에 발병한 경우 유전성 암을 의심하게 됩니다. 암 감수성 유전자(cancer susceptibility genes, 암 발생 위험을 높이는 유전자 변이가 존재하는 유전자)의 변이를 정확히 식별하면 질병의 병태생리를 이해하고 정밀 의료 치료법을 발전시키는 데 기여할 수 있습니다. 환자와 가족 모두에게 유해한 변이를 조기에 발견하여 맞춤형 추적 관찰 계획을 세우는 것이 치료 성공률을 높이는 지름길입니다.
기존 소규모 유전자 패널 검사의 한계는 무엇인가요?
그동안 널리 쓰여온 소규모 유전자 패널 검사는 비용 효율적이라는 장점이 있으나, 뚜렷한 표현형적 징후가 없는 경우 원인 변이를 놓칠 수 있다는 단점이 있습니다. 특히 서로 다른 원발암을 가진 환자군이나 분자적 이질성이 높은 삼중음성유방암의 경우, 제한된 수의 유전자만 포함된 패널로는 희귀한 감수성 변이를 모두 포착하기 어렵습니다. 암세포의 성격이 다양하고 공격적인 삼중음성유방암 환자에게 기존 표준 패널을 적용했을 때 민감도가 떨어지는 이유가 여기에 있습니다.
이러한 한계를 극복하기 위해 전체 유전체 중 단백질을 코딩하는 영역인 엑솜 전체를 분석하는 전엑솜 시퀀싱(Whole Exome Sequencing, WES, 단백질 합성 정보를 담은 엑솜 영역 전체를 차세대 염기서열 분석법으로 읽어내는 검사) 방식이 대안으로 주목받고 있습니다. 전엑솜 분석을 통하면 잘 알려진 주요 암 감수성 유전자뿐만 아니라 아직 덜 연구된 신흥 후보 유전자들까지 포괄적으로 탐색할 수 있습니다. 이를 통해 병원성 또는 병원성 가능 변이(Pathogenic/Likely Pathogenic, P/LP, 임상적으로 질병을 유발할 가능성이 매우 높거나 확실한 유전자 변이)을 찾아내고, 희귀 유전 질환과의 연관성을 규명할 수 있습니다.
연구팀은 어떤 생물정보학 파이프라인을 개발하고 검증했나요?
이번 연구를 진행한 연구진은 브로드 연구소의 GATK 모범 사례(GATK Best Practices, 대규모 유전체 데이터 분석에서 오류를 줄이고 정확도를 높이기 위해 널리 통용되는 표준 분석 절차)를 통합하여 엄격하고 재현 가능한 생식세포계열(germline, 부모로부터 물려받아 온몸의 세포에 존재하는 유전 물질) 변이 검출 파이프라인을 구축했습니다. 데이터 품질 평가부터 정렬, 중복 제거, 변이 호출 및 필터링에 이르기까지 전 과정을 표준화하여 신뢰성을 높였습니다. 특히 도커(Docker, 소프트웨어를 환경에 구애받지 않고 실행할 수 있도록 감싸는 가상화 기술) 컨테이너를 활용하여 분석 환경의 재현성을 극대화했습니다.
연구팀은 이 파이프라인의 성능을 검증하기 위해 이미 임상 진단 환경에서 분자적 진단이 확인된 유전성 암 환자 25명(파이프라인 검증 코호트)의 데이터를 활용했습니다. 그 결과, 기존 임상 진단 플랫폼에서 확인되었던 원인 변이들과 비교하여 100% 일치하는 결과를 얻었습니다. 이는 BRCA1, BRCA2, TP53 등 유전성 암과 관련된 다양한 병원성 변이를 정확하게 찾아낼 수 있음을 증명하며, 구축된 분석 파이프라인의 견고함과 임상적 신뢰도를 뒷받침하는 강력한 근거가 됩니다.
진단이 이미 확인된 25명으로 먼저 시험했다 — 원인 변이 25개를 모두 다시 찾았다
검증 코호트는 유방암 · 대장암 · 난소암 · 리프라우메니 증후군 · 신경섬유종증 등 여러 유전성 암 환자 25명입니다. 임상 진단 플랫폼이 찾아 둔 원인 변이를 새 파이프라인이 그대로 찾아내는지 봤습니다.
찾아낸 원인 변이 25개는 어떤 모양이었나
어느 유전자 묶음에서 나왔나
검증용 25명은 «얼마나 흔한가»를 말해 주지 않습니다. 연구진은 코호트가 작아 BRCA1 · BRCA2 · PALB2 같은 유전자별 유병률은 추정할 수 없고, 이 연구는 생물정보학 방법의 개념 증명이라고 밝혔습니다.
출처: 본문의 «연구팀은 어떤 생물정보학 파이프라인을 개발하고 검증했나요?» 항목(25명 · 100% 일치). 분석 도구, 거르는 기준, 변이 종류 · 유전자 묶음 비율, 한계는 원 논문 전문(PLOS ONE, 2026 · PMID 42636242 · CC BY 4.0)에서 옮겼습니다. «그 밖» 9개는 25개에서 앞의 두 묶음을 뺀 값입니다.
확장된 813개 암 유전자 패널 분석 결과는 어떠했나요?
연구팀은 문헌과 임상 진단 패널, 데이터베이스를 종합하여 총 813개의 암 감수성 유전자를 포함하는 포괄적인 범암 패널(pancancer panel)을 새롭게 구성했습니다. 이어 삼중음성유방암 환자 24명(TNBC 발견 코호트)의 혈액 유전자 샘플을 전엑솜 시퀀싱한 뒤, 이 813개 유전자 내의 변이를 분석했습니다. 전체 유전자 영역에서 수많은 단일염기 변이와 삽입/결손 변이가 확인되었으나, 그중 대다수는 양성 혹은 양성일 가능성이 높은 다형성(polymorphism, 질병을 직접 유발하지 않는 자연스러운 유전적 다양성)으로 나타났습니다.
다만 분석 과정에서 일부 환자들의 삼중음성유방암 표현형을 설명할 수 있는 유의미한 병원성 변이들이 명확히 식별되었습니다. 변이의 기능적 분포를 분석한 결과, 인트로닉 영역(intronic region, 유전자 안에서 전사는 되지만 단백질로 번역되기 전에 잘려 나가는 영역)이나 단백질 서열에 영향을 미치지 않는 변이들이 다수 존재했습니다. 최종적으로 유방암 위험을 설명하는 병원성 변이는 24명 중 3명(12.5%)에게서 확인되었습니다. BRCA1 · RAD51D 에서는 단백질 기능을 상실시키는 절단형 변이(protein-truncating variant, 유전자 변이로 인해 정상적인 단백질이 만들어지지 못하고 중간에 끊기는 현상), ATM 에서는 스플라이스 자리 변이가 나왔고, 세 유전자 모두 상동 재조합 DNA 복구 경로(homologous recombination DNA repair pathway, 손상된 DNA를 정상적으로 복구하는 세포 내 핵심 기전)에 관여합니다. 나머지 병원성 변이 4개(SDHA · RUNX1 · FANCA · FBXO11)는 유방암과 관계가 밝혀지지 않은 유전자에 있었습니다.
삼중음성유방암 24명 중 3명(12.5%)에게서 유방암 위험을 설명하는 변이를 찾았다
24명의 혈액 DNA 를 전엑솜 시퀀싱하고, 813개 암 유전자 범위에서 나온 변이 13,781개를 하나씩 걸렀습니다.
24명 중 3명
찾은 변이 3개 — 모두 상동 재조합 DNA 복구에 관여하는 유전자
12.5% 를 삼중음성유방암 전체의 비율로 읽으면 안 됩니다. 24명은 작은 표본이라 연구진도 유병률을 말하는 연구가 아니라고 밝혔습니다. 이 결과로 환자의 치료를 바꾸지도 않았습니다. ATM 변이의 작동 방식은 문헌에서 추론한 것이고 이 환자에게서 직접 확인한 것은 아닙니다.
출처: 본문의 «확장된 813개 암 유전자 패널 분석 결과는 어떠했나요?» 항목(24명 · 813개 유전자). 12.5% 와 세 유전자는 원 논문 초록(PMID 42636242), 변이 개수 · 분류, 변이 이름, 관계없는 4개, 한계는 원 논문 전문(PLOS ONE, 2026 · CC BY 4.0)에서 옮겼습니다.
이번 연구 소식이 환자와 보호자에게 주는 실질적인 의미는 무엇인가요?
이번 연구는 삼중음성유방암과 같이 치료가 까다롭고 유전적 이질성이 큰 암 환자들을 대상으로 포괄적인 전엑솜 분석과 확장된 유전자 패널이 얼마나 유용한지 보여주는 중요한 과학적 증거입니다. 표준 검사에서 원인을 찾기 어려웠던 환자들에게 전엑솜 시퀀싱 기반의 정밀 진단 파이프라인은 숨겨진 유전적 원인을 규명할 수 있는 실마리를 제공합니다. 보호자와 환자 입장에서는 이러한 첨단 유전체 분석 기술이 향후 맞춤형 표적 치료나 조기 진단 전략 수립에 기여할 수 있음을 이해하는 계기가 됩니다.
물론 이러한 유전체 검사 결과를 해석하고 실제 임상적 중재로 연결하는 과정은 반드시 전문 의료진과 유전 상담 전문가의 면밀한 지도 아래 이루어져야 합니다. 연구에서 확인된 유전적 소인은 환자 본인뿐만 아니라 가족 구성원의 암 예방과 조기 검진 계획을 세우는 데도 중요한 나침반이 됩니다. 최신 연구 동향을 차분히 살펴보며 주치의와 함께 필요한 유전 상담이나 추가 검사 가능성을 상의해 보세요.
참고 자료
- Ruoxi Hong 외. Breast cancer: an up‐to‐date review and future perspectives. Cancer Communications, 2022. 10.1002/cac2.12358 · PMID 36074908.
- Tanya E. Keenan 외. Role of Immunotherapy in Triple-Negative Breast Cancer. Journal of the National Comprehensive Cancer Network, 2020. 10.6004/jnccn.2020.7554.
- A. Jahn 외. Comprehensive cancer predisposition testing within the prospective MASTER trial identifies hereditary cancer patients and supports treatment decisions for rare cancers. Annals of Oncology, 2022. 10.1016/j.annonc.2022.07.008.
- Verena Steinke-Lange 외. Somatic mosaics in hereditary tumor predisposition syndromes. European Journal of Medical Genetics, 2021. 10.1016/j.ejmg.2021.104360.
- Snežana Hinić 외. Exome-based cancer predisposition gene testing can provide a genetic diagnosis for individuals with heterogeneous tumor phenotypes. European Journal of Human Genetics, 2025. 10.1038/s41431-025-01814-z · PMID 39979679.
- Heng Li 외. Fast and accurate short read alignment with Burrows–Wheeler transform. Bioinformatics, 2009. 10.1093/bioinformatics/btp324 · PMID 19451168.
- Ryan Poplin 외. Scaling accurate genetic variant discovery to tens of thousands of samples. , 2017. 10.1101/201178.
- William McLaren 외. The Ensembl Variant Effect Predictor. Genome Biology, 2016. 10.1186/s13059-016-0974-4 · PMID 27268795.
※ 위 목록은 원 논문이 실제로 인용한 참고문헌입니다. 관찰연구는 인과로 단정하지 않습니다.