유전체 분석 기술이 발전하면서 개인 맞춤형 의료와 희귀 질환 연구가 활발해지고 있으며 대표적인 유전체 분석 방법으로 전체 게놈 시퀀싱(Whole Genome Sequencing, WGS)과 전체 엑솜 시퀀싱(Whole Exome Sequencing, WES)이 있습니다. 두 방법은 유전 정보를 해독하는 방식이 다르며, 연구 목적이나 비용, 데이터 활용 측면에서 차이가 있습니다. 오늘은 WGS와 WES의 차이점과 각각의 장단점을 비교하여 어떤 경우에 적절한 선택이 될 수 있는지 살펴보기로 하겠습니다.
1. 전체 게놈 시퀀싱(WGS)
전체 게놈 시퀀싱(WGS)은 개체의 전체 DNA 서열을 해독하는 기술로 인간의 유전체는 약 30억 개의 염기쌍으로 이루어져 있으며, WGS는 이 모든 서열을 분석하여 유전자뿐만 아니라 비코딩(non-coding) 영역까지 포함한 전체적인 유전 정보를 제공하고 있습니다.
WGS의 주요 특징
- 포괄적인 분석 가능: WGS는 단백질을 암호화하는 유전자뿐만 아니라, 조절 영역, 인트론, 미토콘드리아 DNA까지 분석할 수 있어 유전적 변이를 전반적으로 탐색하는 데 유리합니다.
- 희귀 질환 및 복합 질환 연구에 적합: 일부 질병은 단백질을 암호화하는 엑손(exon)뿐만 아니라 조절 영역에서 발생하는 변이에 의해 유발될 수 있다. WGS는 질병 원인을 보다 정확하게 규명할 수 있는 장점이 있습니다.
- 구조적 변이 및 복잡한 유전적 패턴 분석 가능: 유전체 내의 염기 변이(SNV), 삽입/결실 변이(INDEL), 구조적 변이(SV) 등을 포괄적으로 분석할 수 있어, 암 연구나 희귀 질환 연구에 유용합니다.
WGS의 단점
- 비용이 높음: WGS는 방대한 데이터를 분석해야 하기 때문에 WES보다 비용이 높고, 분석 시간이 오래 걸립니다.
- 데이터 처리 부담: 30억 개 염기쌍을 모두 해독하는 만큼 데이터 용량이 크며, 해석 과정이 복잡하다. 연구자나 의료기관에서 이를 처리하는 데 높은 비용이 필요합니다.
2. 전체 엑솜 시퀀싱(WES)
전체 엑솜 시퀀싱(WES)은 유전자 중 단백질을 암호화하는 영역(엑솜, Exon)만 선택적으로 분석하는 방법으로 인간의 유전체에서 엑손은 약 1~2%에 불과하지만, 대부분의 유전적 변이는 이 영역에서 발생하므로 WES는 질병 연구 및 임상 진단에 널리 사용되고 있습니다.
WES의 주요 특징
- 비용 효율성이 높음: WGS보다 분석할 염기쌍 수가 훨씬 적기 때문에 비용이 절감되며, 데이터 분석과 저장이 상대적으로 용이합니다.
- 질병 관련 유전자 변이 탐색에 최적화: 유전 질환의 85% 이상이 엑손에서 발생하기 때문에 WES는 질병 관련 변이를 찾는 데 매우 효과적 입니다.
- 임상 연구 및 진단에 적합: 암 유전자 분석, 희귀 유전 질환 진단, 유전적 소인을 분석하는 데 활용되며, 실제 병원에서 유전자 패널 검사와 함께 사용되기도 합니다.
WES의 단점
- 비코딩 영역 분석 불가능: 비코딩 영역에서 발생하는 변이는 분석할 수 없기 때문에, 조절 유전자나 인트론 변이에 의한 질병 원인을 파악하는 데 한계가 있습니다.
- 구조적 변이 탐색 한계: WGS에 비해 대형 구조적 변이(예: 염색체 재배열, 대형 결실 등)의 탐색이 어렵습니다.
3. WGS와 WES 비교
| 비교 항목 | 전체 게놈 시퀀싱 (WGS) | 전체 엑솜 시퀀싱 (WES) |
|---|---|---|
| 분석 범위 | 전체 유전체 (30억 개 염기쌍) | 단백질 코딩 영역 (1~2%) |
| 비용 | 상대적으로 높음 | 비교적 저렴함 |
| 분석 가능 변이 | SNV, INDEL, 구조적 변이, 조절 영역 변이 등 포괄적 | 단백질 코딩 변이 중심 |
| 데이터 용량 | 매우 큼 | 상대적으로 작음 |
| 활용 분야 | 희귀 질환, 암 연구, 복합 질환 분석 | 임상 진단, 유전 질환 연구 |
| 한계점 | 높은 비용, 방대한 데이터 처리 부담 | 비코딩 영역 변이 탐색 불가, 일부 변이 탐지 한계 |
결론
WGS와 WES는 각기 다른 강점과 한계를 가지고 있으며, 연구 목적과 예산에 따라 선택이 달라지게 됩니다. 보다 포괄적인 유전체 정보를 필요로 하는 경우 WGS가 적합하며, 비용 효율적인 질병 관련 유전자 변이 분석이 필요하다면 WES가 더 나은 선택이 될 수 있습니다. 최근에는 AI 기반 분석 기술이 발전하면서 WGS 데이터 처리 부담이 줄어들고 있으며, 유전체 연구의 정확도도 더욱 향상되고 있으며 앞으로는 비용 절감 및 데이터 해석 기술의 발전과 함께 WGS의 활용이 더욱 증가할 가능성이 높습니다. 그러나 여전히 WES는 임상에서 효율적인 유전자 분석 방법으로 널리 사용될 것으로 전망이 되고 있습니다.