EOG 전극은 어디에 붙이고 파형은 왜 반대로 움직일까? 결론 먼저.EOG는 눈 근육의 전기를 직접 재는 검사가 아니다. 각막이 상대적으로 양성, 망막이 상대적으로 음성인 corneo-retinal standing potential이 눈과 함께 회전하는 것을 피부 전극으로 기록한다. 수평운동: 양쪽 눈의 바깥눈구석 옆 전극을 비교한다. 수직운동: 한 눈의 위와 아래 전극을 비교한다. 눈이 한 전극 쪽으로 가면 양성인 각막이 가까워져 그 전극이 상대적으로 positive해진다.1. 눈 자체가 하나의 dipole이다안구에는 앞쪽 각막과 뒤쪽 망막 사이에 지속적인 전위차가 있다. 눈을 오른쪽으로 돌리면 양성인 각막이 오른쪽 전극에 가까워지고 음성인 망막 쪽은 왼쪽 전극에 상대적으로 가까워진다.두 전극의 전위차를 증폭하면 안구가 어느 방향으로 움직였는지 파형으로.. 2026. 11. 22. ASHG 2026 몬트리올에서 본 유전체 연구의 큰 흐름 결론 먼저.2026년 몬트리올 ASHG에서 가장 크게 느낀 변화는 유전체 연구의 질문이 “변이가 어디에 있는가?”에서 “그 변이가 어떤 세포에서 무슨 기능을 바꾸는가?”로 이동하고 있다는 점이었다.발표를 들으며 반복해서 보인 흐름은 다섯 가지였다. 기존 검사에서 놓친 구조변이와 반복확장을 찾는 long-read sequencing DNA 변이가 실제 splicing과 발현을 바꾸는지 보는 RNA sequencing GWAS 신호를 유전자·세포·기전으로 연결하는 multi-omics 비암호화 변이의 영향을 예측하는 sequence-to-function AI 조직을 세포별·위치별로 나누어 보는 single-cell과 spatial biology1. WES가 음성이어도 유전질환은 끝이 아니었다예전에는.. 2026. 11. 22. Long-read sequencing은 왜 기존 검사에서 못 찾던 병을 찾을까? 결론 먼저.Long-read sequencing이 최근 주목받는 이유는 기술이 새로 생겨서가 아니라, 이제 길고 정확하게 읽어 실제 미진단 환자에서 원인을 찾는 단계에 들어왔기 때문이다.Short-read genome도 전장유전체를 읽지만 모든 위치를 똑같이 잘 해석하는 것은 아니다.1. Short-read의 사각지대Short-read는 DNA를 대개 수백 염기 이하의 짧은 조각으로 읽고 기준유전체에 다시 맞춘다. 대부분의 SNV와 작은 indel을 찾는 데 매우 강하다.하지만 책의 같은 문장이 수백 번 반복되거나, 거의 같은 문단이 여러 곳에 있거나, 문단 전체가 뒤집혀 들어가면 짧은 조각만으로 원래 구조를 복원하기 어렵다. repeat expansion 큰 insertion·deletion, in.. 2026. 11. 22. RNA sequencing은 왜 VUS와 미진단 희귀질환의 second-line test일까? 결론 먼저.DNA sequencing은 “어디가 바뀌었나?”를 보고, RNA sequencing은 “그 변화 때문에 실제로 전사와 splicing이 어떻게 달라졌나?”를 본다.희귀질환에서 RNA-seq가 second-line test로 쓰이는 이유는 의심 변이의 기능을 확인할 수도 있고, DNA 검사에서 놓친 원인을 역으로 추적할 수도 있기 때문이다.1. DNA에서 VUS가 나왔을 때Intron 깊은 곳의 변이가 발견됐다고 하자. 컴퓨터 예측에서는 새로운 splice site를 만들 가능성이 있다고 나온다.환자 RNA에서 원래 빠져야 할 intron 일부가 남거나 exon이 건너뛰는 현상이 확인되면, 그 변이가 실제 splicing을 바꿨다는 기능적 근거가 된다. DNA에서 예상한 문제RNA에서 보는 .. 2026. 11. 22. GWAS 신호를 원인 유전자로 좁히는 법: TWAS, colocalization, AlphaGenome 결론 먼저.GWAS는 질환과 연관된 위치를 찾지만, 그 신호가 어느 유전자의 어떤 기능을 바꾸는지는 바로 알려주지 않는다.ASHG에서 자주 나온 fine-mapping, colocalization, TWAS, AlphaGenome은 모두 variant와 질환 사이의 빈칸을 줄이는 도구다. 다만 어느 하나도 단독으로 원인과 치료표적을 확정하지는 않는다.1. GWAS: 어디가 수상한가?GWAS는 수많은 사람의 variant를 비교해 질환이나 형질과 통계적으로 연관된 locus를 찾는다.문제는 lead SNP가 진짜 causal variant가 아닐 수 있다는 점이다. 주변 SNP들이 linkage disequilibrium으로 같이 움직이기 때문에, 연관 신호는 하나의 점이 아니라 후보 묶음으로 나온다.2... 2026. 11. 22. Single-cell과 spatial omics, 같은 조직을 다르게 보는 법 결론 먼저.Single-cell과 spatial omics의 차이는 간단하다. Single-cell: 이 조직에 어떤 세포들이 있고 각각 무엇을 발현하는가? Spatial: 그 세포와 발현 변화가 조직의 어디에 있는가?ASHG에서 spatial cell sorting 장비 회사와 이야기하면서 든 생각은, 기술 자체보다 어떤 조직에서 어떤 위치의 세포를 비교할 것인지라는 질문이 먼저라는 점이었다.1. Bulk RNA의 평균값 문제뇌조직 한 조각을 갈아 RNA를 측정하면 neuron, astrocyte, microglia, oligodendrocyte, 혈관세포의 신호가 모두 섞인다.어떤 유전자의 발현이 2배 증가했어도, 각 세포에서 발현이 오른 것인지 특정 세포가 많아진 것인지 구분하기 어렵다.2. S.. 2026. 11. 22. ADSP와 multi-ancestry 연구는 알츠하이머 유전학을 어떻게 바꾸나? 결론 먼저.Alzheimer's Disease Sequencing Project(ADSP)의 의미는 알츠하이머병 유전자를 하나 더 찾는 데만 있지 않다. 대규모 WGS/WES와 임상정보를 다양한 ancestry에서 모아, 위험변이 발견부터 기전·바이오마커·치료표적 연구까지 다시 사용할 수 있는 기반을 만든다는 데 있다.1. ADSP는 무엇을 모으나?ADSP는 미국 NIA가 지원하는 알츠하이머병과 관련 치매의 대규모 sequencing 연구다. whole-exome과 whole-genome data를 생산하고, 여러 코호트의 phenotype과 ancestry 정보를 harmonization해 연구자들이 분석할 수 있도록 한다.자료는 NIAGADS Data Sharing Service를 통해 자격을 갖춘 .. 2026. 11. 22. Long-read RNA로 본 AD와 LBD의 isoform 차이 결론 먼저.ASHG에서 본 AD–LBD long-read RNA 포스터는 살아 있는 환자를 분류하는 진단검사 연구가 아니었다. 사후 anterior cingulate cortex에서 같은 유전자가 어떤 full-length transcript를 얼마나 사용하는지를 병리군별로 비교한 연구였다.핵심은 gene expression의 총량보다 isoform usage가 질환 차이를 더 잘 드러낼 수 있다는 점이다.1. 왜 gene-level RNA만으로 부족할까?한 유전자는 exon을 서로 다르게 이어 붙이고 시작·종료 위치를 바꾸어 여러 transcript를 만든다.한 gene의 전체 RNA 양이 같아도, 정상 단백질을 만드는 isoform은 줄고 비정상 transcript는 늘 수 있다. 이때 differe.. 2026. 11. 22. AlphaGenome, AVI, AlphaMissense는 무엇이 다를까? 결론 먼저.AlphaGenome, AlphaGenome Atlas, AVI, AlphaMissense는 같은 점수가 아니다. AlphaGenome: DNA 변화가 발현·splicing·chromatin 같은 분자 신호를 어떻게 바꿀지 예측 AlphaGenome Atlas: 가능한 변이의 AlphaGenome 결과를 미리 계산해 둔 catalogue AVI: AlphaGenome, AlphaMissense, 보존도와 annotation을 합친 통합 우선순위 점수 AlphaMissense: coding missense substitution의 단백질 유해성 예측1. AlphaGenome은 sequence-to-function 모델이다최대 약 1 Mb의 DNA 문맥을 입력받아 RNA expression.. 2026. 11. 22. S-LDMC와 zero-shot TWAS, 유전체 AI 예측을 언제 믿을까? 결론 먼저.S-LDMC는 새로운 딥러닝 모델이 아니다. Borzoi 같은 sequence-to-function 모델이 예측한 개인별 발현효과 중 어느 크기의 예측을 더 믿을 만한지 LD와 eQTL 자료로 보정하는 통계 프레임워크다.이 발표의 핵심은 모든 AI 예측을 같은 무게로 믿지 말자는 것이었다.1. 평균 genome track과 개인차 예측은 다르다Genomic model은 reference sequence에서 평균적인 RNA·chromatin track을 잘 맞힐 수 있다. 하지만 사람 A와 B의 variant가 만드는 작은 expression 차이를 맞히는 일은 훨씬 어렵다.작은 predicted effect에는 실제 작은 효과와 noise가 함께 섞여 gene별 correlation의 방향까지.. 2026. 11. 22. Fabry GLA A143T는 병원성 변이일까? genotype-first 연구 읽기 결론 먼저.ASHG의 GLA p.Ala143Thr(A143T) 발표는 이 변이가 Fabry disease를 일으킨다고 입증한 연구가 아니다.유전자검사 자료와 약 10년의 미국 보험청구·처방 자료를 연결해 A143T 보유자에게 독특한 의료이용 pattern이 있는지 본 genotype-first real-world-data 연구다.1. 왜 A143T가 어려운가?전형적 Fabry disease는 GLA 기능저하와 glycosphingolipid 축적을 일으키는 X-linked 질환이다.A143T는 residual enzyme activity가 남고 무증상·경증·비전형·전형 사례가 모두 보고되어 왔다. ClinVar에도 VUS, likely benign, likely pathogenic 제출이 섞여 있다.따라.. 2026. 11. 22. 변이가 있으면 병일까? NOTCH3, RNF213, GLA로 보는 penetrance 결론 먼저.유전변이는 병이 있느냐 없느냐를 가르는 단순한 스위치가 아니다. Monogenic disease와 common disease risk 사이에는 allele frequency, effect size, penetrance가 이어지는 스펙트럼이 있다.NOTCH3, RNF213, GLA A143T를 함께 보면 변이 보유와 현재 임상질환을 같은 말로 쓰면 안 되는 이유가 분명해진다.1. Pathogenicity, penetrance, expressivity Pathogenicity: 이 변이가 질병을 일으킬 수 있는 분자기전을 갖는가? Penetrance: 변이를 가진 사람 중 실제 질병이 나타나는 비율은? Expressivity: 발병한 사람 사이에서 증상과 중증도가 얼마나 다른가?분자기전이 확.. 2026. 11. 22. 이전 1 2 3 4 ··· 13 다음