Lipidomics로 완성하는 Multiomics

최근 몇 년 동안 omics dataset 분석은 생물 의학 연구에서 급속도로 인기를 얻었습니다. Omics dataset은 소기관, 세포, 조직 또는 유기체의 특정 생물학적 특징(예: 유전자, 지질, 단백질, 대사 산물 또는 미생물)을 특성화하는 라이브러리입니다.

생물학적 샘플에서 모든 지질 종과 농도의 총체를 나타내는 Lipidome은 리피도믹스(lipidomics)로 알려진 프로세스에서 질량 분석법을 통해 특성화 될 수 있습니다. 최근 연구에 따르면 lipidome 데이터는 질병의 분자 메커니즘, 세포막의 생물물리학적 특성 및 인구 건강을 비롯한 많은 생물학적 현상에 대한 통찰력을 제공할 수 있습니다.

Omics dataset의 개별 분석은 특성화된 특징과 특정 생물학적 현상 사이의 연결을 식별할 수 있습니다. 예를 들어, 인간 피부 샘플의 지질학적 특성화는 장기의 구성과 기능이 신체의 위치, 성별, 나이에 따라 다르다는 것을 밝혔습니다.

또한, Multiomics는 여러 오믹스 데이터 세트의 통합 분석으로, 생리학적 및 병리학적 프로세스에 존재하는 작용 메커니즘, 바이오마커, 네트워크, 경로 및 기타 관계를 식별할 수 있습니다. Multiomics 분석은 많은 질병 상태를 특성화, 모니터링 및 예측하는 데 사용되었습니다.

다음의 Case study는 4가지 일반적인 질병인 알츠하이머병, 심혈관 질환, 제1형 당뇨병 및 난소암에 대한 최근의 Multiomics 기반 연구를 설명합니다. 여기에서는 lipidome 데이터가 추가적으로 새로운 사실을 밝히고 보완하는데 도움이 된 사례를 소개합니다. 

1. Profiling of Alzheimer’s disease

알츠하이머병은 전 세계 치매 환자의 약 60-70%에 영향을 미치는 진행성 신경퇴행성 장애입니다. 알츠하이머병은 뼈, 뇌척수액, 아교세포와 같은 뇌의 보호 기능에도 불구하고 의사소통 기능의 상실을 포함하여 뉴런이 손상을 축적할 때 발생합니다. 

알츠하이머병과 관련된 원인 및 신호 경로는 대부분 알려지지 않아 진단 및 치료 노력에 장애가 됩니다. 2021년 연구에서는 뇌척수액의 분자 시그니처를 모집단의 임상 평가와 비교했습니다. 120명의 환자를 정신과적으로 평가한 결과와 뇌척수액에서 알려진 단백질 바이오마커를 기반으로 대조군, 경도인지장애, 알츠하이머병 그룹으로 분류하였고 프로테옴, 대사체, 지질체, 1-탄소 대사체 및 신경염증 마커를 확인하였습니다. 

Regression models to improve clinical prediction of Alzheimer’s disease: AUC curves for the final prediction models obtained after addition of the four respective analytes selected by the MOFA model of Alzheimer’s pathology (blue, left graph) and cognitive decline (blue, right graph). For comparison, the reference model including APOE status information (green, both graphs) has been added.

Clark et al., Alz Res Therapy (2021), doi: 10.1186/s13195-021-00814-7

5개의 omics dataset에 대한 개별 분석은 알츠하이머병에 대한 2개의 단백질 바이오마커 중 하나와 상관관계가 있는 82개의 분자를 식별했습니다. 후속 멀티오믹스 분석에서는 알츠하이머병의 임상 지표와 상관관계가 있을 뿐만 아니라 예측 모델의 민감도와 특이도를 향상시키는 4개 분자 조합이 밝혀졌습니다.

이질성(heterogeneity)에 대한 추가 멀티오믹스 분석에서는 dataset의 분산을 설명하는 5가지 잠재 요인을 식별했습니다. 이러한 잠재 요인은 5개의 모든 omics 데이터 세트에서 정보를 캡처하고 신경 손상 및 아밀로이드 병리와 같은 알츠하이머병과 관련된 분자 신호 경로를 대표할 수 있습니다.

Multiomics Factor Analysis: Overview of the trained Multiomics Factor Analysis model showing variance (R2) within the cohort explained by A each analytical approach and B latent factors.
Clark et al., Alz Res Therapy (2021), doi: 10.1186/s13195-021-00814-7

이 연구에서는 단백질체, 지질체, 대사체, 1탄소 대사체, 신경염증 마커 데이터세트의 다중체학 분석을 통해 알츠하이머병과 관련이 있는 새로운 개체와 분자 세트를 식별했습니다. 이러한 발견은 알츠하이머병의 여러 단계를 나타내는 집단에서 특정하고 민감한 질병 예측 모델을 평가하는 도구가 될 수 있음을 보여줍니다. 

2. Cancer chemotherapy sensitivity

암은 조직 또는 장기의 특정 세포에 해로운 돌연변이가 축적되고 빠르게 성장하기 시작할 때 발생합니다. 수술, 방사선, 화학 요법 및 면역 요법을 포함한 암 치료법의 가용성과 효능은 지난 수십 년 동안 극적으로 향상되었지만 어떤 환자가 어떤 치료법에 반응할지 예측하는 것은 여전히 어려운 일입니다.

최근 연구는 암 발생 및 진행에서 지질의 역할을 보여줍니다. 예를 들어, 지질 항상성(lipid homeostasis)은 유방암 진행과 관련이 있습니다. 이 작업을 바탕으로 2020년 보고서는 platinum-based chemotherapy cisplatin으로 치료된 장액성, 점액성, 자궁내막양 및 투명 세포의 4가지 난소암 하위 유형에서 지질체와 화학 감수성 (chemosensitivity) 사이의 관계를 조사했습니다.

Lipidomic, transcriptomic, chemosensitivity 및 관련 데이터는 세포주, 쥐 모델, 환자 샘플 및 The Cancer Genome Atlas를 포함하는 일련의 난소암 모델에서 수집되었습니다.

LDLR expression in ovarian cancer subtypes: A Immunohistochemistry staining of LDLR. B Quantitation of Immunohistochemistry scores (IHC scores) of LDLR. The patient numbers are serous (n = 16), mucinous (n = 29), endometrioid (n = 50), and clear-cell (n = 20). ‘Strong’ indicates an IHC score of 3 or above; ‘weak’ indicates an IHC score lower than 3.

Chang et al., ERC (2020), doi: 10.1530/ERC-19-0095

결과는 투명 세포 및 자궁내막 세포에서 관찰되는 저밀도 지단백질(LDLR)의 높은 발현이 낮은 화학 감수성과 관련이 있음을 보여주었습니다. LDLR은 저밀도 지단백질(low-density lipoprotein)을 운반하는 세포 표면 수용체입니다. 화학 감수성은 LDLR 발현을 무너뜨림으로써 회복되었습니다.

lipidome 및 transcriptome 데이터의 multiomics 분석은 이러한 관찰의 기본 메커니즘을 밝혔습니다. 이 신호 축의 활성화는 시스플라틴에 대한 난소암의 반응성을 감소시킵니다.

LDLR → FAM83B → FGFR3 regulatory axis in cisplatin insensitivity: A Reduction of FAM83B mRNA and FGFR3 mRNA expression in endometrioid (MDAH-2774) and clear-cell (TOV-21G) ovarian cancer cell lines after LDLR-knockdown (shLDLR). B Tumor-suppressive effect of cisplatin (6 mg/kg/mice) in xenograft mouse models.
Chang et al., ERC (2020), doi: 10.1530/ERC-19-0095

transcriptome과 lipidome 데이터의 multiomics 분석을 통해 이 연구는 LDLR 발현이 높은 난소 암에서 화학 감수성이 감소하는 메커니즘을 확인했습니다. 이 발견은 난소암 환자를 위한 미래의 치료 전략 개발에 정보를 제공할 수 있습니다.

3. From insulin to liver metabolism

췌장에서 생성되는 호르몬인 인슐린은 일반적으로 혈당 수치와 특정 대사 과정을 조절합니다. 결핍, 감수성 및/또는 저항을 통한 인슐린 기능의 붕괴는 당뇨병으로 알려진 대사 장애를 유도합니다. 대부분을 차지하는 제2형 당뇨병에서는 신체가 호르몬에 내성이 생길 때까지 인슐린에 대한 민감성을 점진적으로 잃게되고, 제1형 당뇨병으로 알려진 나머지 경우에는 신체가 인슐린 생산을 중단하여 호르몬 결핍으로 이어집니다.

Study design schematic: Graphical outline of the multiomics study of long-term consequences of insulin-deficient diabetes for the liver.

Backman & Flenkenthaler et al., MolMet (2019), doi: 10.1016/j.molmet.2019.05.011

제1형 당뇨병의 분자 병리학은 완전히 특성화되지 않아 효과적인 치료제 개발에 제약을 줍니다. 이러한 장애를 극복하기 위해, 2019년 연구에서는 제1형 당뇨병에서와 같이 인슐린 결핍 상태에서의 간 대사를 분자적으로 특성화했습니다. 

제1형 당뇨병을 모방하도록 조작된 돼지에서 간 조직의 전사체, 프로테옴, 지질체 및 대사체를 분석하고 wild type과 비교했습니다.

Lipid class abundance changes between wild-type and diabetic pigs: Relative abundances of lipid classes in liver tissue of diabetic pigs (blue bars) in comparison with wild-type pigs (dashed line). Error bars represent the standard error of the mean.

Backman & Flenkenthaler et al., MolMet (2019), doi: 10.1016/j.molmet.2019.05.011

Transcriptome 및 Proteome dataset의 개별 분석은 당뇨병 돼지에서 아미노산 대사, 포도당신생합성/당분해 및 케톤생성을 포함한 많은 대사 과정이 상향조절됨을 보여주었습니다. 이러한 관찰은 간에서 인슐린이 대사의 negative regulator로서 기능하는 것과 일치합니다. 이 두 dataset에 대한 후속 멀티오믹스 분석에서는 이러한 변화와 관련된 분자를 식별했습니다.

lipidome 및 metabolome dataset의 개별 분석은 인슐린 결핍이 간에서 대사를 변화시킨다는 관찰을 확증했습니다. 예를 들어, lipidome에서 긴 사슬 아실카르니틴(Acylcarnitine)이 풍부하게 증가되는 것은 당뇨병 돼지에서 상향 조절된 케톤 생성에 대한 증거입니다. 대사체에서 아미노산 비율의 변화가 포도당신생합성(gluconeogenesis)의 증가를 유도할 수 있습니다.

Transcriptome, proteome, lipidome 및 metabolome 데이터의 Multiomics 분석은 인슐린 결핍이 간에서 많은 대사 과정을 상향 조절한다는 것을 보여주었습니다. 이러한 결과는 향후 제1형 당뇨병 연구를 위한 자원으로 사용되며 질병 관리 전략을 알릴 수 있습니다.

4. Risk scores for individual CVDs

세계보건기구(WHO)에 따르면 전신에 혈액을 이동시키는 능력을 감소시키고 그와 관련된 질환을 유발하는 심혈관 질환은 전 세계적으로 주요한 사망 원인입니다. 심혈관 질환에는 뇌졸중, 부정맥, 심부전 및 기타 상태가 포함됩니다. 전체적으로 이러한 상태는 유전학, 영양 부족, 운동 부족, 대사성 비만 및 기타 요인에 의해 악화될 수 있습니다.

심혈관 질환은 종종 혈장 내 콜레스테롤 및 트리글리세리드와 같은 지질 측정을 통해 진단 및 모니터링됩니다. 그러나 이러한 지표는 특정 심혈관 질환을 구별하지 못하여 보다 정확한 바이오마커 확인을 필요로 합니다.

Leading causes of death globally: In 2019, the 10 leading causes of death accounted for 55% of all deaths worldwide. Cardiovascular diseases are highlighted in green.

WHO Global Health Estimates, World Health Organization (2019), www.who.int

과학자들은 기존 바이오마커의 출처인 혈장 lipidome의 추가 특성화가 특정 지질과 심혈관 질환 사이의 연관성을 밝힐 수 있다고 가정합니다. 이 가설을 테스트하기 위해 2019년 보고서는 혈장 lipidome, 유전자형 및 심혈관 질환 표현형 간의 관계를 조사했습니다.

이 모집단 연구는 EUFAM 및 FINRISK 바이오뱅크의 2,181명의 유전자형, 혈장 지질체 및 심혈관 질환 표현형을 특성화했습니다.

Heritability of lipidomic profiles and genetic correlations among the lipid species: A Median heritability estimates in each lipid class. B Heritability estimates based on selected fatty acid chains in lipid species.
Rubina Tabassum et al., Nature Communications (2019), doi: 10.1038/s41467-019-11954-8

유전형 및 lipidome 데이터에 대한 다중체학 분석은 일반적인 유전적 유전 변이인 단일 염기 다형성(SNP)과 혈액 내 특정 지질 종의 존재 사이의 2817개의 연관성을 밝혀냈습니다. 이 분석은 알려진 유전자-지질 관계를 확증하고 새로운 관계를 확인했습니다.

후속 multiomics 분석에서 이러한 유전자-지질 연관성을 심혈관 질환 표현형과 비교했습니다. 이 접근법은 심혈관 질환 표현형과 상관관계가 있는 10가지 유전자-지질 연관성을 밝혀냈습니다. 예를 들어, GLTPD2 유전자의 SNP는 혈장 sphingomyelin 감소 및 죽상동맥경화증의 위험과 관련이 있습니다. 또한 SPTLC3의 SNP는 총 ceramide 수치를 변경하고 뇌내 출혈 가능성을 줄였습니다.

Relationship between lipid-associated variants and cardiovascular diseases: Shown are selected associations of the identified genetic variants (SNPs) with the strongest associated lipid (species), and the relationship between the identified variants with cardiovascular disease phenotypes as odds ratios. Highlighted in red color are associations significant at FDR <0.05.
Rubina Tabassum et al., Nature Communications (2019), doi: 10.1038/s41467-019-11954-8

이 연구에서 유전자형, lipidome 및 표현형 데이터의 다중체학 분석은 특정 혈장 지질 수치가 유전적이며 특정 심혈관 질환에 대한 개인의 위험과 관련이 있음을 보여주었습니다. 이러한 결과는 심혈관 질환에 대한 보다 정확한 진단 도구의 개발을 지원할 수 있습니다.

Why multiomics analysis

lipidome 및 기타 생물학적 데이터의 다중체학 분석은 분자 경로를 밝히고, 바이오마커를 식별하고, 생리학적 및 병리학적 과정의 예측을 개선할 수 있습니다. 이 신흥 기술의 향후 응용 프로그램은 아직 해결되지 않은 생물학적 및 임상적 질문을 해결하는 데 도움이 될 수 있습니다.

Lipotype Lipidomics 기술은 1차 환자 샘플, 모델 유기체의 조직 및 체외 샘플의 지질 프로필을 특성화하는 데 사용할 수 있습니다. 이러한 데이터는 신경변성, 암, 심혈관 질환 및 대사 장애를 비롯한 다양한 질병에 대한 통찰력을 제공할 수 있습니다.

리피도믹스 분석서비스 문의 : 고마바이오텍(주) (02-579-8787)