횡단적 및 종단적 연구 설계가 연령 의존성 유전 효과 추정에 미치는 영향과 편향 규명

복잡한 형질에 대한 유전적 영향이 연령과 함께 어떻게 변화하는지 이해하는 것은 유전 역학에서 기본적이고 중요한 과제입니다. 발달 과정, 다른 노화 궤적, 그리고 연령 관련 질환의 병인 규명에 있어 연령 의존성 유전 효과를 규명하는 것은 필수적입니다. 기존의 연구에서는 주로 횡단적 설계 (서로 다른 연령의 개인 간 비교) 가 사용되었으나, 이는 출생 코호트 효과나 선택적 참여 편향에 의해 왜곡될 위험이 있습니다. 반면, 종단적 설계 (동일 개인의 변화 추적) 는 더 직접적인 노화 과정을 포착하지만, 표본 크기나 추적 기간의 제한, 탈락 편향 등의 과제를 안고 있습니다.

이러한 서로 다른 접근법이 동일한 '연령 의존성 유전 효과'량을 정확히 추정하고 있는지, 그리고 그 추정치가 어느 정도 일치하는지에 대해서는 명확한 합의가 이루어지지 않았습니다. 특히, 횡단적 데이터에서 관찰되는 '연령 효과'가 실제 생물학적 노화에 의한 것인지, 아니면 서로 다른 출생 코호트가 경험한 역사적·사회적 요인 (예: 교육 제도 변화, 공중보건 정책) 에 의한 것인지를 구분하는 것은 어렵습니다. 이러한 불명확성은 다유전자 점수의 예측 정확도나 멘델 무작위화와 같은 하류 분석의 해석에 중대한 영향을 미칠 수 있습니다.

본 연구에서는 UK Biobank 데이터를 활용하여 인지, 생리학적 형질, 임상 지표, 신체 계측, 생활 습관 등 31 가지 건강 관련 형질에 대해 횡단적 및 종단적 설계에서 얻은 연령 의존성 유전 효과를 비교했습니다. 그 결과, 두 설계에서 검출된 57 개의 유전적 변이 중 대부분 (84.21%) 에서 효과의 방향성은 높은 일치를 보였으나, 효과량의 크기는 중간 정도의 일치 (피어슨 상관계수 r = 0.51) 만 보였습니다.

가장 중요한 발견은 두 설계 간 추정치 불일치를 설명하는 주요 요인이 '출생 코호트 효과'였다는 점입니다. 유전자와 출생 연도의 상호작용에 의한 교란이 효과량 차이의 분산의 약 70.8% 를 설명했습니다. 예를 들어, 흡연이나 음주와 같은 행동 관련 형질의 경우, 코호트 효과로 인해 횡단적 분석에서는 연령과 함께 증가하는 것으로 잘못 추정되는 반면, 종단적 분석에서는 감소하는 진정한 경향이 포착되었습니다. 또한, 선택적 참여 편향이 11.6%, 비선형적 연령 궤적이 4.2% 에 그쳤으며, 후자는 불일치의 주요 원인이 아닌 것으로 나타났습니다.

본 연구는 횡단적 (개인 간) 모델과 종단적 (개인 내) 모델을 체계적으로 비교하는 틀을 구축했습니다. 횡단적 모델은 최대 49 만 명의 표본을 사용하여 통계적 검정력을 극대화하는 반면, 종단적 모델은 최대 10 만 명의 표본으로 시간 불변 교란 인자를 더 엄격하게 통제합니다. 분석에서는 출생 코호트 효과, 비선형 연령 효과, 선택적 참여 편향의 세 가지 요인을 모델링하여 각각이 추정치 불일치에 어느 정도 기여하는지 정량화했습니다.

• 횡단적 설계는 표본 크기가 크고 검정력이 높지만, 출생 코호트 효과에 의한 교란을 받기 쉽습니다.
• 종단적 설계는 개인 내 변화를 직접 측정하고 코호트 효과를 통제할 수 있지만, 탈락 편향과 표본 크기 제한이 있습니다.
• 유전자와 출생 연도의 상호작용 (코호트 효과) 이 횡단적 및 종단적 추정치 불일치의 주요 원인 (70.8%) 입니다.
• 선택적 참여 편향은 두 번째로 중요한 요인 (11.6%) 이며, 특히 베이스라인 건강 편향이 결과에 영향을 미칩니다.

이 연구 결과는 연령 관련 질환의 메커니즘 규명과 신약 타겟 식별에 중요한 시사점을 제공합니다. 특히 BMI 및 비만 관련 형질, 대사 지표, 그리고 암 발생 수 등에서는 연령과 함께 유전 효과가 감소하거나 증폭하는 패턴이 관찰되었습니다. 그러나 이러한 효과를 정확히 평가하기 위해서는 단일 연구 설계에 의존하기보다 횡단적 및 종단적 접근법을 통합하는 것이 권장됩니다.

또한, 멘델 무작위화를 이용한 인과 추론에서도 연령 의존성 유전 효과를 고려하지 않으면 잘못된 인과 관계가 도출될 수 있습니다. 예를 들어, BMI 와 수축기 혈압의 관계를 검증할 때 종단적 접근법을 사용하면 더 견고한 추정이 가능하지만, 사용 가능한 유전적 도구의 수가 제한적이므로 통계적 정확도에 주의해야 합니다. 향후에는 더 대규모의 종단적 코호트나 전자 건강 기록 데이터를 활용하여 저빈도 변이와 희귀 변이에서의 연령 의존성 효과를 규명하는 것이 기대됩니다.

인구 집단에서의 유전 역학적 지식을 전임상 연구로 전환할 때, 본 연구의 통찰은 동물 모델 설계 및 해석에 중요한 지침이 됩니다. 특히, 특정 유전적 변이가 연령과 함께 표현형에 어떻게 영향을 미치는지 이해하는 것은 녹아웃 마우스나 형질전환 마우스를 활용한 연령 관련 질환 모델 구축에 중요합니다.

예를 들어, 코호트 효과나 환경 요인이 유전자 발현에 영향을 줄 가능성을 고려하면, 동물 실험에서도 사육 환경이나 세대별 조건을 엄격하게 관리하는 것이 요구됩니다. 또한, 조건부 녹아웃이나 유전자 편집 기술을 활용하여 특정 연령 단계에서 유전자 기능을 조작하는 실험계를 설계함으로써, 인간에서의 연령 의존성 유전 효과를 더 정확히 재현하고 분석할 수 있습니다. Cyagen 이 제공하는 다양한 유전자 변형 마우스 모델과 iPS 세포는 이러한 복잡한 유전적·환경적 상호작용을 규명하기 위한 강력한 도구가 될 것입니다.

본 연구는 횡단적 및 종단적 설계가 각각 고유한 강점과 한계를 가지며, 연령 의존성 유전 효과 추정에 서로 다른 결과를 초래할 수 있음을 밝혔습니다. 특히 출생 코호트 효과와 참여 편향이 주요 교란 요인임이 규명되었으므로, 향후 연구에서는 두 접근법을 통합하여 더 견고한 추정을 수행할 것을 권장합니다. 이러한 통찰은 유전 역학 연구의 질을 높이고, 연령 관련 질환의 메커니즘 이해 및 전임상 연구 설계에 크게 기여할 것입니다.