AI와 하이브리드 시퀀싱의 만남: 저렴하면서도 정확한 유전체 변이 분석의 시대

🔍 왜 하이브리드 시퀀싱이 필요한가?

전 세계 약 3억 명이 희귀질환으로 고통받고 있으며, 대부분이 유전적 요인에서 비롯됩니다. 하지만 기존의 짧은 읽기(Short-read) 시퀀싱 기술만으로는 복잡하고 반복적인 유전체 영역에서 중요한 변이를 놓치기 쉽습니다. 반면, 긴 읽기(Long-read) 시퀀싱은 이러한 복잡한 구조를 잘 읽어낼 수 있지만, 오류율이 높아 작은 변이 탐지가 어렵습니다.

 

👉 즉, 두 기술의 장점을 결합한 새로운 접근이 필요했습니다.

---

🧠 딥러닝으로 Short-read와 Long-read를 통합하다

연구진은 DeepVariant라는 딥러닝 모델을 개량하여 짧은 읽기와 긴 읽기 데이터를 동시에 분석하는 하이브리드 모델을 개발하였습니다.
특히 최신 나노포어 시퀀싱 화학법(R10.4.1)과 일루미나 데이터를 함께 사용하여 높은 정확도를 달성하였으며, 변이 탐지의 대표 지표인 F1 점수에서 SNV(단일염기변이) 0.9980, Indel(삽입/결실) 0.9454를 기록하였습니다.

 

하이브리드 모델과 기존 단일 기술 비교 결과

 

---

💡 얕은 (Shallow) 시퀀싱으로 비용 절감과 정확도 확보

보통 전장유전체 분석에서는 30배수(30x) 이상의 깊은 시퀀싱이 필요하지만, 이번 연구는 15× Illumina + 15× Nanopore 정도의 얕은 시퀀싱(Shallow Sequencing) 조합만으로도 높은 정확도를 보여주었습니다.

특히 복잡한 반복 구간이나 저복잡도 영역에서도 기존 기술의 한계를 뛰어넘는 성과를 보였으며, 큰 구조적 변이(SV)도 15× 나노포어 만으로 검출 가능했습니다.

 

다양한 깊이 (Depth)의 시퀀싱 조합에 따른 정확도 변화

 

---

🏥 임상적 적용 가능성과 한계

이번 연구는 비용 효율성과 정확도를 모두 갖춘 분석법으로, 특히 희귀질환 스크리닝과 대규모 임상 스터디에서 큰 가능성을 보여줍니다.
게다가 나노포어 시퀀싱은 유전체 메틸레이션(후성유전학) 정보도 함께 제공할 수 있어 확장성도 뛰어납니다.

 

다만, 아직 두 가지 플랫폼의 데이터가 모두 필요하고, 다양한 인구집단과 임상 환경에 대한 추가 검증이 필요하다는 점은 보완 과제입니다.

---

✍️ 한줄평

유전체 변이 탐지의 정확도와 비용 문제를 AI와 하이브리드 전략으로 해결한 게임체인저 연구입니다.

 

참고문헌 : DOI: 10.1016/j.crmeth.2025.101107