유전학에서 **유전자 변이(Genetic Variation)**가 표현형(Phenotype)에 영향을 미치는 방식은 크게 두 가지로 나뉩니다. 바로 Additive Effect(가산적 효과)와 Dominance Effect(우성 효과)입니다. 이 두 개념은 개체 간 유전적 유사성을 분석할 때 중요한 개념이므로, 이번 글에서는 이를 쉽게 이해할 수 있도록 정리하겠습니다.
1️⃣ 멘델의 유전법칙과 Additive & Dominance 개념
멘델의 유전법칙을 기반으로 유전이 어떻게 전달되는지 간단한 예를 들어보겠습니다.
1.1 멘델의 유전법칙 예시 (Dominance 개념)
멘델은 완두콩 실험을 통해 유전자가 부모로부터 자식에게 예측 가능한 방식으로 전달된다는 것을 발견했습니다. 대표적인 우성과 열성의 조합은 다음과 같습니다:
- AA (우성) × aa (열성) → 자손: Aa (우성 발현)
- Aa × Aa → 1:2:1 비율로 A/A, A/a, a/a 분포
그런데 실제로 유전은 이렇게만은 이루어지지 않습니다. 당연하게도요.
1.2 Additive Feature (가산적 효과) 예시
**Additive Effect(가산적 효과)**는 각각의 대립유전자(Allele)가 독립적으로 표현형에 영향을 미치는 방식입니다. 즉, 특정 대립유전자가 하나 추가될 때마다 표현형이 점진적으로 변하는 경우입니다.
예를 들어:
- A 유전자가 키를 5cm 증가시킨다고 가정하면,
- A/A → 키 +10cm
- A/a → 키 +5cm
- a/a → 키 +0cm
- 이처럼 각 대립유전자의 기여도가 독립적으로 더해지는 방식이 Additive Effect입니다.
1.3 Additive Effect와 다유전자 영향 (Polygenic Risk Score, PRS)
최근 유전학에서는 단일 SNP(Single Nucleotide Polymorphism) 하나의 효과가 아닌, 여러 SNP를 합쳐서 개별적인 영향력을 평가하는 PRS(Polygenic Risk Score)를 활용합니다.
- PRS는 여러 개의 SNP를 조합하여 개별 유전자가 표현형에 기여하는 정도를 수치화하는 방법입니다.
- 예를 들어, 유전자 A, B, C가 각각 키에 2cm, 3cm, 1cm 영향을 미친다면, PRS는 이를 더하여 총 6cm의 증가 효과를 예측할 수 있습니다.
- PRS는 GWAS(Genome-Wide Association Study) 데이터를 기반으로 계산되며, 질병 예측, 개인별 유전적 위험 평가에 활용됩니다.
1.4 Dominance Feature (우성 효과) 예시
**Dominance Effect(우성 효과)**는 특정 유전자(A)가 다른 유전자(a)에 비해 더 강한 영향을 미치는 경우입니다. 즉, 하나의 대립유전자가 전체 표현형을 결정할 때 우성 효과가 나타납니다.
예를 들어:
- A/A → 표현형 = 10cm
- A/a → 표현형 = 10cm (우성 발현)
- a/a → 표현형 = 0cm
- 여기서 A/a가 A/A와 같은 표현형을 보인다면, A는 우성 유전자입니다.
이제 이런 개념을 바탕으로 **IBD(Identity by Descent)**를 살펴보겠습니다.
2️⃣ IBD(Identity By Descent)의 개념
**IBD(Identity by Descent)**란, 두 개체가 부모로부터 같은 조상에서 유래한 동일한 유전자를 물려받았을 확률을 의미합니다.
IBD 값은 0, 1, 2로 구분됩니다:
- IBD = 2: 두 개체가 부모에게서 완전히 동일한 두 개의 유전자를 물려받음 (예: 형제자매가 같은 A/A 조합을 받음)
- IBD = 1: 두 개체가 한 개의 유전자만 공유함 (예: 한 명은 A/a, 한 명은 A/A)
- IBD = 0: 두 개체가 유전자를 공유하지 않음 (예: 한 명은 A/A, 다른 한 명은 a/a)
💡 헷갈릴 수 있는 부분: IBD와 유전적 관계
- IBD = 1은 형제자매 간 Additive 관계를 반영할 수 있지만, Dominance 관계는 IBD = 2일 때만 반영된다는 점이 중요합니다.
- 즉, IBD = 2인 경우에만 Dominance 효과를 고려해야 하는 이유는, 우성과 열성이 함께 작용하는 조합(A/A & A/A 또는 a/a & a/a)일 때만 dominance variance가 영향을 미치기 때문입니다. 이 말이 더 헷갈릴 수 있는데, 가계 사이를 비교한다고 생각하면, additive feature가 관여되지 않는 두 가족 (A/A만 있는 가족과 a/a만 있는 가족)을 비교하면 dominance effect를 정확히 견주어 볼 수 있을 것입니다.
3️⃣ Additive Genetic Relationship (가산적 유전 관계)
유전적 유사성을 측정하는 방법 중 하나가 **Additive Genetic Relationship (αₓₐ)**입니다. 이는 두 개체 간 공유하는 **Additive Genetic Variance(αV_A)**의 정도를 나타냅니다.
- 부모-자식 관계: 부모와 자식은 유전자의 50%를 공유하므로 α = 0.50
- 형제자매(Full Sibs): 부모로부터 유전자를 받을 때 50%의 확률로 같은 유전자를 받으므로 α = 0.50
- 이복형제(Half Sibs): 부모 한 명만 공유하므로 유전자의 25%만 공유함. 따라서 α = 0.25
이제 Phenotypic Covariance를 살펴보겠습니다.
4️⃣ Phenotypic Covariance (표현형 공분산) 이해하기
유전적 유사성이 높은 개체일수록 표현형 공분산이 높아지는 관계를 설명하기 위해 다음과 같은 결과가 있습니다.
유전적 관련성과 표현형 공분산
관계유전적 관련성 (r)기대되는 Phenotypic Covariance
관계 | 유전적 관련성 (r) 및 기대되는 Phenotypic Covariance |
일란성 쌍둥이 | 1.0 |
형제자매 (Full Sibs) | 0.5 |
이복형제 (Half Sibs) | 0.25 |
사촌 (First Cousins) | 0.125 |
위 표에 따라 유전적으로 가까운 개체일수록 표현형 공분산이 증가한다는 점을 확인할 수 있습니다.
이와 관련된 실험 결과에서는:
- Identical Twins (일란성 쌍둥이, Cov = 0.979): 완전히 동일한 유전자를 공유하기 때문에 공분산이 가장 큼.
- Full Siblings (형제자매, Cov = 0.443): 부모로부터 50%의 유전자를 공유하므로 공분산이 0.5에 가깝지만, 환경적 변이에 의해 조금 낮아질 수 있음.
- Half Siblings (이복형제, Cov = 0.246): 부모 한 명만 공유하므로 공분산이 0.25 근처.
- First Cousins (사촌, Cov = 0.101): 유전자의 12.5%만 공유하므로 표현형 공분산이 가장 낮음.
결론
유전적 변이는 단순히 멘델의 법칙에 의해 결정되지 않고, 여러 가지 요소(Additive, Dominance, PRS 등)가 복합적으로 작용합니다. 특히, 표현형 공분산(Phenotypic Covariance)을 계산할 때, Additive와 Dominance Variance를 어떻게 반영할지 이해하는 것이 중요합니다. 이러한 개념들은 현대 유전학 연구에서 매우 중요한 역할을 하며, GWAS나 PRS를 활용한 개인 맞춤 의학에도 널리 적용되고 있습니다.
🔗 참고 문헌 (References)
- Falconer, D. S., & Mackay, T. F. (1996). Introduction to quantitative genetics. Longman.
- Lynch, M., & Walsh, B. (1998). Genetics and analysis of quantitative traits. Sinauer.
- Visscher, P. M., Hill, W. G., & Wray, N. R. (2008). Heritability in the genomics era—concepts and misconceptions. Nature Reviews Genetics, 9(4), 255-266.
'GENETICS' 카테고리의 다른 글
헷갈리는 유전체 숫자? 한 번에 정리해 드립니다! (0) | 2025.02.24 |
---|---|
ACMG 가이드라인이란? (0) | 2025.02.24 |
Exon to Genome (2) (0) | 2024.11.06 |
Exon to Genome (1) (5) | 2024.11.05 |
ped file (0) | 2024.09.30 |
댓글