뉴스포럼
커뮤니티뉴스포럼

제목 [뉴스포럼 8호] 학회참관기
작성자 관리자 작성일 2019-12-12 12:27:46 조회수 293
첨부파일
ASHG 2019 학회참관기
박경진(명지병원 진단검사의학과)



올해 American Society of Human Genetics (ASHG, 1948년 설립)는 미국 텍사스 휴스턴 George R. Brown Convention Center에서 10월 15-19일, 5일 동안 개최되었습니다. 올해는 280개의 회사에서 Exhibition을 선보이며, 80개 나라에서 8,409명이 참석하여 유전체 연구의 최신 지견을 공유하였습니다. 다양한 유전학 분야의 기초, 임상, 중개 연구가 Plenary Session, Platform Session, Poster Session, Education/Trainee Workshop 중 하나의 형태로 발표되었고, Career Opportunities, Networking Events 등의 프로그램도 제공되었습니다. 최신 지식을 가급적 많이 습득하는 것은 언제나 중요한 학회 참석 목적 중 하나이지만, 이처럼 동시에 개최되는 여러 세션에서 발표되는 지식을 모두 획득하는 것은 물리적으로 불가능합니다. 그래서 저는 해외학회에 참석하면 과도한 지식 획득에 대한 욕심을 버리고, 저만의 키워드를 선정해 저만의 연구 가설을 세우고 토론을 들으면서 이론적으로 검증하는 시간을 보내곤 합니다. 이번 ASHG 학회 참관기에서는 저만의 키워드(Genetic Exceptionalism, Deep Learning, Public Databases) 일부를 공유하고자 합니다.
저의 첫 번째 키워드는 Genetic Exceptionalism입니다. 프로그램 중 Presidential Symposium(“Genetic Exceptionalism – from Its Beginning To Its End”)에서 Genetic Exceptionalism의 기원, 논쟁, 미래에 대해 정리하면서 저는 다소 철학적인 시간을 보냈습니다. 유전학 분야의 Ethical, Legal, Socaial Implication(ELSI)와 부수적 발견(Incidental Finding), 예측검사, 선별검사 등에 늘 관심이 많았던 저로서는 세 명의 Thought Leader로부터 Holistic Perspective를 들을 수 있는 기회를 얻은 것이 정말 행운이었습니다. Genetic Exceptionalism을 간단히 소개드리면, 사실 Genetics 그 자체로도 오래된 개념이지만, 1997년에 생명윤리학자인 Thomas Murray에 의해 처음 사용된 용어입니다. Thomas Murray는 주로 부정적인 의미에서 이 용어를 사용했지만, Exceptionalism 자체는 “Context”에 따라 긍정적으로 또는 부정적으로 작용할 수 있는 양날의 칼과 같습니다. 역사적으로 Genetic Exceptionalism은 Genetic Essentialism과 Genetic Determinsism에서 파생된 개념으로, 유전정보는 특별하다는 아이디어에 기반합니다. 하지만 특별하지 않은 Medical Information이 있을까하고, 이번 심포지움을 들으면서 다시 생각해보게 됩니다 (“When everything in medicine is exceptional, nothing will be….”). Garrison 등에 의해 제안된 Genomic Contextualism이라는 용어로 전환되고 있는 최근 트렌드를 보면 Contextualism은 Exceptionalism라는 용어가 발생시킨 정책적 논란을 조금이라도 잠재우기에 좀 더 적절한 용어로 보입니다. 이 주제에 관심있는 독자를 위해 참고문헌 한 편 남깁니다.[1] 
저의 두 번째 키워드는 딥러닝(Deep Learing)입니다. 순전히 과학적 관점에서 딥러닝 방법에 접근하였고, 진단검사의학 전문의로서 딥러닝의 활용에 관심을 두고 살펴보았습니다. 딥러닝 스토리는 올해 두 개의 세션에 할당될 만큼 중요한 비율을 차지하였습니다; [1. Deep Learing for Interpretation of Human Genetic Variation; 유전변이의 해석, 2. A Deep Dive into Deep Learning; 복합유전질환(Complex Disease)의 위험도 예측]. 먼저, 유전변이의 해석에 대한 내용입니다. 유전변이 해석은 전통적으로 진단검사의학과 전문의의 전문적 영역으로 내세울 수 있지만, 사실 저희에게도 여전히 Challenge가 되는 영역입니다. 또한 딥러닝은 방법론적 분야에서 저희에게 전혀 새로운 개념은 아닙니다. 새로운 방법이 등장한 것은 아니지만 딥러닝이라는 주제로 두 개나 되는 세션을 구성한 것은 유전체 영역의 빅데이터 이용이 가능해졌기 때문입니다. 유전변이의 해석은, 딥러닝을 포함한 다양한 알고리즘 적용 이외에도 Regulatory Genomics(Histone Marks, DNase Hypersensitivity, eQTL, etc)를 포함한 생물학적 기전 해석, 다양한 데이터베이스 활용, Clonal Hematopoiesis와 같은 Confounder의 해석, 임상 데이터의 통합 등과 같이 다양한 영역이 포함되어야 가능한 분야이며, 임상유전체학을 대표하는 주제라고 할 수 있습니다. 관심있는 독자를 위해 유전변이(Noncoding, Splicing Variants, Missense Variants) 해석을 위한 딥러닝 알고리즘(ExPecto, Basset, DeepSEA, SpliceAI) 적용에 대한 참고문헌 몇 편 남깁니다.[2~5]
다음으로 딥러닝을 이용한 위험도 예측에 대한 연구도 하나 소개드립니다.  Complex Disease 중 하나로 Crohn’s Disease의 위험도를 예측하기 위해 Polygenic Risk Score (PRS)와 Convolutional Neural Network(CNN – 딥러닝 알고리즘 중 하나)을 적용한 결과를 보여준 연구가 발표되었는데, 기대했던대로 CNN의 성능이 PRS의 성능보다 더 좋다는 결과를 보여준 연구였습니다. 구체적으로 그 이유를 살펴보니, PRS를 이용해서는 검출할 수 없는 Complex Non-Linear Effects를 보이는 Variant Combination을 CNN 방법을 이용하여 검출할 수 있었기 때문이었습니다. 이전부터 복합유전질환의 Causal Variants에는 Simple Linear Additive Effect 이상의 의미가 있을 것이라고 생각했었는데, 그 생각을 뒷받침하는 연구 결과였기에 저는 매우 흥미롭게 들었습니다. 추후 딥러닝 연구에 유전변이 정보 이외에도 Omics Data와 Environmental Data까지 통합되어 적용된다면 훨씬 흥미로운 결과가 나올 것이라고 기대합니다.
저의 세 번째 키워드는 공개 데이터베이스입니다. 불과 몇 년 전에 비해 이용 가능한 유전체 빅데이터(gnomeAD, TOPMed, ENCODE, Roadmap, GENIE, DiscovEHR 등)가 굉장히 증가하였고, Data Sharing에 대한 인식 또한 높아졌습니다. 이번 학회에서도 빅데이터를 활용한 다양한 연구(딥러닝 연구 포함)가 발표되었고, 더불어 Databases 업데이트(dbGaP ALFA Project, Colab Session)를 소개하는 세션도 있었습니다. 유전체 영역의 데이터베이스를 새로 알게 될 때마다 저는 Open Access, Open Data, Open Collaboration이라는 생태계가 점점 전 세계적으로 조성되고 있음을 실감하게 됩니다. 
마지막으로 이번 학회 개최지인 휴스턴에 대해 잠깐 말씀드리면, 휴스턴은 NASA와 Medical Complex(MD Anderson Cancer Center 등) 등으로 유명한 도시입니다. 이와 더불어 저에게 휴스턴은 반가운 인연들을 만난 곳으로도 기억될 것입니다. 약속하지는 않았지만 같은 분야에 관심이 있는 한 언젠가 다시 만나게 되기를 기대합니다. Genetic Conceptualism, 데이터베이스, 딥러닝을 이용한 변이 분석에 관심 있는 선생님들께서 언제든지 저에게 연락주신다면 기쁜 마음으로 함께 하겠습니다(E-mail: unmar21@gmail.com). 학회 참관기라는 형식의 글을 처음 써보면서 ASHG라는 학회에 대해 모르는 분들에게 제가 잘못된 정보를 드리게 되는 것은 아닌지하고 염려되는 마음이 들어 조심스러웠습니다. 조금이라도 학회에 대해 더 잘 소개해드리고자 올해 처음으로 ASHG의 Strategic Plan을 찾아보았습니다. “People Everywhere Realize the Benefits of Human Genetics and Genomics Research”라는 비전이 눈에 띄었습니다. 전문가들이 모여 학회를 만들고, 유전 연구의 Benefits을 드러냄으로써 학회를 발전시키는 일은 멋있는 일이라는 생각이 들었습니다. 국내에서도 대한진단유전학회를 포함한 다양한 학회들이 더 발전하고, 사회에 더 많은 Benefits을 만들어갈 수 있기를 기대해봅니다. 내년 ASHG는 10월 27일 - 31일에 San Diego에서 개최될 예정임을 알려드리며 지극히 개인적인, 순전히 저만의 Interest에 포커싱된 학회참관기를 마치고자 합니다. 많은 분들께서 배려해주신 덕분에 ASHG 잘 다녀왔습니다. 감사합니다.


[참고문헌]
[1] Garrison NA, Brothers KB, Goldenberg AJ, Lynch JA. Genomic Contextualism: Shifting the Rhetoric of Genetic Exceptionalism. Am J Bioeth. 2019;19(1):51-63.
[2] Zhou J, Theesfeld CL, Yao K, Chen KM, Wong AK, Troyanskaya OG. Deep learning sequence-based ab initio prediction of variant effects on expression and disease risk. Nat Genet. 2018;50(8):1171-9.
[3] Kelley DR, Snoek J, Rinn JL. Basset: learning the regulatory code of the accessible genome with deep convolutional neural networks. Genome Res. 2016;26(7):990-9.
[4] Zhou J, Troyanskaya OG. Predicting effects of noncoding variants with deep learning-based sequence model. Nat Methods. 2015;12(10):931-4.
[5] Jaganathan K, Kyriazopoulou Panagiotopoulou S, McRae JF, Darbandi SF, Knowles D, Li YI, et al. Predicting Splicing from Primary Sequence with Deep Learning. Cell. 2019;176(3):535-48 e24.


목록

./board/skin/newsletter/index.php