Peter Donnelly는 옥스포드 대학의 통계학 교수이자 유전체학 PLC대규모 인간 유전 데이터를 사용하여 의료 및 약물 발견에 정보를 제공합니다. 그는 이번 인터뷰에서 로렌 리처드슨및 a16z 총괄 파트너 비네타 아가왈라 다유전자 위험 점수의 개념에 대해 논의 그리고 이를 통해 개인의 유전적 구성이 전반적으로 질병 위험에 얼마나 영향을 미치는지 정량화할 수 있습니다.
그들은 당뇨병, 심장병, 암과 같은 흔한 질병의 유전적 구성 요소에 대한 우리의 깊은 이해가 어떻게 힘을 실어주는 데 도움이 되는지 탐구합니다. 변화 '병 치료'에서 위험 관리 및 예방 의학으로. 그러나 먼저, 질병의 기초에 대한 유전학자들의 생각이 게놈 시퀀싱을 더 저렴하고 빠르게 만드는 기술 발전으로 인해 어떻게 바뀌었는지에 대한 설명으로 대화가 시작됩니다.
참고: 이 인터뷰는 원래 다음의 에피소드로 출판되었습니다. 바이오 이츠 월드. 대본은 명확성을 위해 가볍게 편집되었습니다. 전체 에피소드를 들을 수 있습니다 여기에서 지금 확인해 보세요..
PETER DONNELLY: 그래서 우리는 유전학이 인간 질병에 대한 감수성과 관련이 있다는 것을 오랫동안 알고 있었습니다. 그리고 그것에 관한 한 다양한 질병이 있습니다. 스펙트럼의 한쪽 끝에는 유전학이 전부인 질병이 있습니다. 어떤 경우에는 하나 또는 두 개의 돌연변이 또는 잘못된 버전의 유전자를 물려받는다면 확실히 병에 걸립니다. 낭포 성 섬유증 예를 들면 헌팅턴병이 그 예입니다. 일반적으로 심각한 질병이지만 개별적으로는 매우 드뭅니다.
그런 다음 스펙트럼의 다른 쪽 끝에는 일반적인 만성 질환, 즉 생활 방식이나 환경과 종종 관련이 있는 다른 위험 요소가 있는 모든 일반적인 암이 있습니다. 이러한 질병의 경우 지난 20년 동안 유전학이 질병에 미치는 영향에 대한 지식과 이해가 폭발적으로 증가했습니다. 우리는 우리 게놈의 많은 부분이 그러한 질병의 위험에 영향을 미치지만 작은 방식으로 작용한다는 것을 배웠습니다. 하나의 유전자만 있는 것이 아니다. 심장병 또는 단일 유전자 당뇨병. 대신 우리 게놈의 수천, 수만 또는 수십만 위치가 특정 질병의 위험에 영향을 미칩니다.
VINEETA AGARWALA: 제가 이 개념을 설명할 때 사용하는 영상 중 하나는 게놈을 따라 행진하는 비디오 게임 캐릭터입니다. 그는 베갯잇을 가지고 있습니다. 그리고 그가 당신이 가질 수 있는 변종 사이트에 도달할 때마다, 예를 들어 A 또는 T라고 가정해 봅시다. 때로는 A가 위험 요소가 될 것입니다. 그래서 그는 돌을 집어 베갯잇에 넣은 다음 전체 게놈을 따라 계속 행진합니다. 위험 사이트를 만날 때마다 하나의 [돌]을 집어 들고 전체 게놈을 이런 식으로 행진합니다.
결국 각 환자의 베갯잇은 유전적 위험 돌의 다른 부담으로 가득 차 있습니다. 그러나 전체 인구를 살펴보면 우리 모두는 위험의 가방에 같은 돌을 많이 공유합니다. 그래서 우리는 당뇨병과 같은 특정 질병 결과에 도달하는 위험 요소와 경로에서 많은 공유 중복이 있지만, 우리 모두는 그 위험 프로필의 양과 혼합 및 혼합이 다릅니다.
돌이켜보면, 희귀 돌연변이가 매우 많이 모여 있는 그런 흔한 질병을 설명하는 것은 정말 어렵습니다.
Peter: 정말 도움이 되는 영상인 것 같아요. Vineeta. 내가 그것에 추가하고 싶은 두 가지는 우리가 아마도 모래나 자갈 알갱이를 생각하고 있다는 것입니다. 왜냐하면 그것들이 너무 많기 때문입니다.
비네타: 네. 수백만이 있기 때문입니다.
Peter: 그리고 또 다른 말은 이 작은 비디오 게임 캐릭터가 실제로는 위험 감소, 그래서 그들은 조약돌을 꺼낼 것입니다. 따라서 우리 중 일부는 감소하는 것보다 약간 증가하는 효과가 있는 변이가 더 많기 때문에 특정 질병에 대해 더 많은 부담을 가집니다. 위험을 줄이는 것이 오히려 더 많으므로 [우리는] 자루에서 자갈을 꺼냅니다.
VINEETA: 하지만 본질적으로 당뇨병에 걸리는 사람들에게는 실제로 우리의 위험 요소의 대부분이 다른 사람의 자루에서 발견될 가능성이 높습니다. 그렇기 때문에 Peter와 제가 둘 다 당뇨병이 있어도 우리는 여전히 동일한 약에 반응할 가능성이 높습니다. 임상적 관점에서 보면 대단한 것입니다.
로렌 리처드슨: 알겠습니다. 따라서 특정 경로를 통해 질병을 치료할 수 있게 하는 것은 이러한 변이체의 공통점과 우리가 그것들을 축적하는 공유된 방식입니다.
지금이 있기에 어느 정도 그 시절을 그리워하며 뒤돌아본다. 거의 100,000개의 변종 개별적으로 위험과 관련된 게놈의 다른 위치에 있습니다.
피터: 정말 좋은 지적입니다. 위험에 기여하는 모든 변종은 모두 개별적으로 공통적입니다. 알다시피, 우리는 게놈의 어떤 위치에 있는 A 또는 T에 대해 이야기합니다. 그리고 아마도 [사람들의] 30%는 A를 갖고 70%는 T를 가지고 있습니다. 따라서 둘 다 인구에 널리 퍼져 있습니다. 개인에게 큰 영향을 미치는 매우 희귀한 변이가 있는 스펙트럼의 다른 쪽 끝과는 다릅니다. 이들은 작은 영향을 미치는 일반적인 변형입니다.
하나의 변종, 하나의 질병을 넘어
VINEETA: 일반적인 질병의 대부분을 설명하는 것이 실제로 일반적인 변이체라는 이 전체 가설이 이제 명백하게 들린다는 점에 주목할 가치가 있다고 생각합니다. 그러나 수십 년 전만 해도 상당히 논쟁의 여지가 있었습니다. 사람들은 질병을 일으킬 만큼 충분히 큰 영향을 미칠 수 있는 것은 희귀 질병 돌연변이일 뿐이라고 확신했습니다. 질병을 유발하는 돌연변이는 진화적으로 선택되어야 하고 따라서 인구에서 드물어야 한다고 생각했습니다. 그래서 우리가 당뇨병이나 심장병과 같은 질병을 볼 때 다른 사람들에게 개별적으로 질병을 일으키는 희귀 돌연변이의 대규모 컬렉션을 더 잘 찾을 수 있습니다.
돌이켜보면, 희귀 돌연변이가 매우 많이 모여 있는 그런 흔한 질병을 설명하는 것은 정말 어렵습니다. 그 대신, 우리는 이제 수많은 대규모 통계 연구를 통해 게놈의 많은 부위가 관련되어 있다는 것을 배웠지만 데이터를 기반으로 한 정말 의미 있는 진전이었습니다.
피터: 네. 사람들은 15년 또는 20년 동안 흔한 질병의 위험과 관련된 유전적 변이를 확인하려고 노력해 왔습니다. 그리고 [우리는 많은 것을 발견하지 못했습니다], 면역 기능과 관련된 특정 유전자 또는 일반적인 질병에 대한 위험에 영향을 미치는 개별 유전적 변이의 몇 가지 예를 제외하고.
그런 다음 우리는 다른 유형과 다른 규모의 연구, 이른바 게놈 전체 연관성 연구를 수행할 수 있었습니다. [여기서] 당신은 질병에 걸린 많은 사람들과 그렇지 않은 많은 사람들을 보고 그들의 게놈에서 예를 들어 XNUMX만 위치에서 그들을 측정합니다. 아픈 사람과 건강한 사람 사이의 빈도가 다른 XNUMX만 명 사이에서 장소를 찾는 것뿐입니다. 왜냐하면 그러한 변이 중 하나가 누군가를 아프게 할 가능성이 더 높으면 예를 들어 우리의 예에서 심장병으로 발전할 가능성이 더 높기 때문입니다. 심장병이 있는 사람들에게 더 흔할 것입니다.
우리는 유전자가 그 위험의 일부라는 것을 오랫동안 알고 있었습니다. 이제 우리는 그것을 정량화할 수 있는 방법을 얻었고 그 영향을 측정할 수 있습니다.
그래서 우리는 약 15년 전에 처음으로 대규모 작업을 수행할 수 있었습니다. 수년 동안 시도했지만 거의 아무 효과가 없었지만 갑자기 우리는 15가지 일반적인 질병에 대해 약 20~7개의 변이를 발견했기 때문에 현장에서 특별한 시간이었습니다. 지금이 있기에 어느 정도 그 시절을 그리워하며 뒤돌아본다. 거의 100,000개의 변종 개별적으로 위험과 관련된 게놈의 다른 위치에 있습니다. 그러나 초창기에는 아무데도 없었고 갑자기 우리는 이것들을 찾을 수 있었고 Vineeta가 말했듯이 그것들은 일반적인 변종입니다.
VINEETA: 이제 우리는 그 연구를 통해 각 위치에서 조약돌의 크기를 알고 있습니다. 왜냐하면 그러한 연구는 특정 돌연변이를 갖는 것이 특정 질병의 위험에 미치는 영향을 알려 주기 때문입니다. 그래서 이제 우리는 수십만 개의 사이트에 우리가 이야기한 게놈 행진을 하는 경우 들 수 있는 돌의 무게에 따라 주석을 달았습니다.
로렌: 네. "이것이 질병을 일으키는 유일한 변이"와 반대되는 것과는 대조적으로 변이에 대해 생각하는 다른 방식입니다. 이는 수많은 변이가 질병 위험에 어떻게 기여하는지에 대한 누적 지식에 추가됩니다.
현대 임상 유전학의 형태
LAUREN: 이제 우리는 인간 유전학을 푸는 것이 얼마나 복잡하고 어려운지에 대해 이야기했습니다. 이제 우리가 클리닉에서 유전자 검사를 위해 가지고 있는 것과 오늘날 그것이 무엇에 사용되는지에 대해 이야기해 보겠습니다.
Peter: 그래서 오늘날의 유전자 검사는 매우 큰 영향을 미치는 유전적 변이가 있는 스펙트럼의 끝 부분에 관한 것입니다. 개인의 위험에 큰 영향을 미치는 특정 유전자 또는 특정 변이가 있다는 것을 알고 있는 경우가 있습니다. 이것은 누군가가 이미 정말로 아프고 그 원인을 알아내려고 노력하는 경우이거나 질병의 가족력이 가족에 큰 영향을 미치는 이러한 돌연변이 중 하나가 있을 수 있음을 시사하는 경우입니다. 그래서 우리는 그리고 특정 개인의 유전자를 확인하여 그들의 위험을 조금 더 잘 알 수 있습니다.
예를 들어 특정 유형의 돌연변이가 여성의 유방암 위험에 큰 영향을 미치는 유전자 BRCA1 또는 BRCA2를 테스트하는 것이 있습니다. 평균적인 여성의 위험은 평생 10%가 약간 넘지만 BRCA 돌연변이가 있는 경우 평생 위험이 50%, 60% 또는 80%일 수 있습니다. 따라서 돌연변이가 큰 영향을 미치는 유전자가 있다는 것을 알고 있는 많은 예가 있으며, 대부분의 현재 유전자 검사는 돌연변이를 중심으로 이루어집니다.
VINEETA: 그것은 오늘날 임상 유전학을 위한 임상 훈련 과정에서도 생겨난 것이라고 말하고 싶습니다. 확실히 미국에서 임상 유전학 훈련은 본질적으로 발달 장애가 있는 어린 아이들과 유전된 희귀 심근병증 환자를 대상으로 하는 매우 희귀한 질병 클리닉을 통한 여행입니다.
그것이 우리가 오늘날 임상 실습에서 유전자 검사를 편안하게 사용하는 곳이기 때문에 초점입니다. 많은 일반적인 질병에 대한 위험의 절반 이상이 실제로 유전된다는 것을 이제 이해하지만 그것은 흔한 질병이 아닙니다. 그러나 그것은 하나의 변종, 하나의 질병이라는 원래의 틀에 맞지 않습니다.
이제, 합리적인 버전의 세상에서 우리가 이 점수에 대해 알았다면 매우 다른 일을 했을 것입니다.
로렌: 맞아. 그래서, 오늘날 우리가 유전 검사를 사용하는 것은 큰 영향을 미치는 희귀 돌연변이를 찾는 것입니다. 그러나 유전이 질병 위험에 미치는 영향의 대부분은 이것이 아닙니다. 그 대신, 우리의 질병 위험에 영향을 미치기 위해 모두 합산되는 것은 일반적인 변이체의 융합입니다. 그렇다면 인간 유전학의 복잡성을 환자와 의사를 위한 실행 가능한 정보로 해결하는 것에 대해 어떻게 생각하고 있습니까?
Peter: 우리는 유전학이 그 위험의 일부라는 것을 오랫동안 알고 있었습니다. 이제 우리는 그것을 정량화할 수 있는 방법을 얻었고 그 영향을 측정할 수 있습니다. 따라서 누군가가 자갈이나 모래 조각을 자루에 넣고 걸어가는 비유에서 우리는 중요한 위치가 어디인지, 자루에 추가하거나 꺼내는 자갈이 얼마나 큰지 알 수 있습니다. 특정 무게의 자루로 끝납니다. 우리는 숫자를 다유전자 위험 점수라고 부릅니다. 그것은 단지 게놈에서 이러한 백만 정도의 위치의 효과를 효과적으로 합산하는 것입니다.
VINEETA: 가중 합계입니다.
피터: 네. 개인의 경우 특정 질병에 대해 다유전자 위험 점수를 얻을 수 있습니다. 인구의 많은 개인에 대해 그렇게 하면 다양한 점수를 얻을 수 있습니다. 개인 중 일부는 위험을 증가시키는 변종을 더 많이 얻기 때문에 하이 엔드에 있고 일부는 로우 엔드에 있습니다.
지난 몇 년 동안에야 우리는 이러한 변이를 충분히 감지하여 변이가 무엇인지 알고 대규모 집단에서 이러한 점수의 영향을 살펴보고 "알았어. 당신이 점수 범위에서 어디에 있는지 내가 안다고 가정해 봅시다. 그것이 그 질병에 얼마나 큰 차이를 만들까요?” 그것은 많은 차이를 만드는 것으로 나타났습니다. 예를 들어 유방암을 예로 들면 돌연변이가 여성에게 큰 영향을 미치는 BRCA 유전자를 제쳐두십시오. 이 다유전자 위험 점수를 계산하면 분포 중간에 있는 여성의 평생 유방암 위험은 10% 또는 11%입니다.
임상 의학에서 우리는 이미 다른 도구를 사용하여 위험별로 환자를 계층화했지만 이미 사용하는 점수에 유전적 요소를 추가하는 좋은 방법이 없었습니다. 그리고 지금 우리는 그 방법을 가지고 있습니다.
이 점수에서 상위 몇 퍼센트에 속하는 여성, 유방암에 대해 도움이 되지 않는 변이가 더 많이 있는 여성의 평생 위험은 다음과 같습니다. 35% 이상, 그래서 그들은 평균에 비해 약 3배의 위험에 처해 있습니다. 다른 방향으로, 하위 몇 퍼센트의 여성은 약 XNUMX%인 평생 위험을 가집니다. 따라서 여성마다 상당한 차이가 있습니다.
나이에 따라 다른 방식으로 볼 수 있습니다. 상위 몇 퍼센트의 여성은 40대 초반의 유방암 위험이 50대 초반에서 중반의 일반적인 여성과 같습니다. 영국에서는 모든 여성에게 50세에 유방 X선 촬영으로 유방암 검진을 제공합니다.
이제, 합리적인 버전의 세상에서 우리가 이 점수에 대해 알았다면 매우 다른 일을 했을 것입니다.
우리는 50세에 [40세] 위험 수준에 있는 여성을 선택하여 더 일찍, 아마도 더 자주 선별할 것입니다. 위험도가 낮은 여성의 경우 검사 빈도를 조금 낮추고 나중에 검사를 시작합니다. 우리는 지금 많은 질병에 대해 그렇게 할 수 있습니다. 우리는 현재 건강한 사람들이 향후 10년, 15년 또는 20년 동안의 위험을 이해하기 위해 이것을 시도하고 사용할 수 있는 기회입니다.
일부 암의 경우 자연스러운 검진 방식을 변경하는 것과 같이 이에 대응하는 방법을 연구하여 결과가 더 좋을 때 훨씬 더 일찍 질병에 걸릴 수 있는 기회를 제공할 수 있습니다. 또는 예를 들어 심장 질환에 대한 스타틴과 같은 표적 치료 개입을 취하고 현재 할 수 있는 것보다 더 효과적으로 적절한 개인에게 표적 치료를 할 수 있습니다. 또는 개인 스스로 자신의 위험을 이해하고 의사의 도움을 받아 위험이 증가하게 되는 한두 가지 질병에 대한 위험을 줄이기 위해 생활 방식이나 식단에서 어떤 종류의 변화를 주어야 하는지 운동합니다.
다유전자 위험 점수를 의료에 통합
VINEETA: Peter는 점수의 개념을 언급했습니다. 잠시 유전학에서 벗어나 임상의는 점수를 좋아합니다. 모든 의사는 환자를 다른 그룹으로 구분하기 위해 점수를 계산하기 위해 명시적으로 빌드된 여러 앱을 휴대전화에 가지고 있습니다. 우리는 그 점수에서 유전자 데이터를 사용하는 데 익숙하지 않습니다.
그래서 Peter는 심장학을 언급했습니다. 모든 XNUMX차 진료 의사와 심장 전문의는 프레이밍햄 위험 점수. 이것은 임상적 위험 인자를 기반으로 하며 환자의 10년 동안 관상동맥 질환 발병 위험을 예측하는 점수입니다. 점수는 연령, 성별, 콜레스테롤 수치, 혈압, 흡연 이력을 기반으로 합니다. 이를 기반으로 환자가 관상 동맥 질환에 걸릴 확률에 대한 대략적인 위험이 발생합니다. 그리고 임의적이라고 인정되는 특정 기준에 따라 우리는 관상동맥 질환의 위험을 조절하기 위해 환자에게 스타틴과 아스피린을 투여할지 여부를 결정합니다. 그렇죠?
영국과 미국 모두에서 세계 여러 곳에서 현재 의료 서비스로 우리가 하는 일을 언급하지만 실제로는 병가.
따라서 미래에 특정 질병이 발병할 위험을 기반으로 환자를 계층화하기 위해 이미 실제로 널리 사용하고 있는 불완전한 점수의 예가 있습니다. 그래서 우리는 이제 이 점수를 적용하지만 Peter가 다유전자 위험 점수에서 사용하는 모든 유전 정보를 포함하지는 않습니다. 이제 우리는 유전학을 그림으로 가져올 수 있을 만큼 전체 게놈에 대한 충분한 데이터를 얻었지만 우리는 점수를 좋아합니다. 우리는 계산하는 것을 좋아하고 환자에게 점수를 알려주는 것을 좋아하며 점수를 기반으로 결정을 내리는 것을 좋아합니다.
피터: 정확히 맞는 것 같아요. 임상 의학에서 우리는 이미 다른 도구를 사용하여 위험별로 환자를 계층화했지만 이미 사용하는 점수에 유전적 요소를 추가하는 좋은 방법이 없었습니다. 그리고 지금 우리는 그 방법을 가지고 있습니다.
LAUREN: 변종에 대해 충분히 알고 있습니까? 우리는 모든 변이체를 특성화했습니까, 아니면 더 많은 게놈을 계속 시퀀싱함에 따라 계속 진화할 것입니까?
Peter: 저는 훈련을 받은 통계학자입니다. 더 많은 데이터가 우리를 더 나쁘게 만든다는 말을 들을 수는 없을 것입니다. 따라서 점점 더 많은 데이터를 얻을 때마다 계속 개선할 것입니다. 그러나 위험에 대한 의미 있는 예측을 할 수 있을 만큼 이미 충분히 알고 있는 질병이 있습니다. 예를 들어, Genomics PLC라는 회사 내에는 위험 이해에 의미 있는 기여를 할 수 있는 45개 이상의 질병에 대한 다유전자 위험 점수가 있습니다. 많은 경우 유전적 요인이 위험 요소 중 하나입니다. Vineeta는 이미 혈압과 BMI, 나이와 성별, 흡연력 등을 결합한 관상동맥 질환에 대해 이야기했습니다. 그래서 우리는 자연스럽게 그것들을 결합하기를 원할 것입니다.
그러나 유전학이 가지고 있는 한 가지는 이러한 위험 점수가 우리의 삶 동안 효과적으로 변하지 않기 때문에 우리는 더 젊은 개인에게 사용할 수 있다는 것입니다. 따라서 심장병, 혈압, BMI, 콜레스테롤 수치 등의 경우 우리는 신체가 삐걱거리기 시작하고 문제의 징후가 나타날 때까지 기다렸다가 이렇게 말합니다. “오. 크리키, 여기서 뭔가 하는 게 좋을거야. 스타틴, 아스피린 등등." 이것은 우리에게 20년 또는 30년 후에 누가 위험에 처할 것인지 알 수 있도록 훨씬 더 일찍 인생에서 할 수 있는 기회를 제공합니다. 그런 면에서 큰 장점이 있습니다.
LAUREN: 그래서, 당신은 당신이 젊었을 때 당신의 위험이 무엇인지 알 것입니다. 반면 콜레스테롤 수치와 같은 다른 위험 요소는 기본적으로 이미 질병이 나타날 때까지 기다려야 합니다. 예방 치료를 위한 메커니즘을 제공하는 것과는 대조적으로 이미 발병한 상태에 반응하고 있습니다.
피터: 맞습니다.
VINEETA: 소비자 대면 디지털 건강 제품이 또한 벗다, 오른쪽? 18세에 관상 동맥 질환에 대한 위험이 인구의 상위 5백분위수에 있다는 것을 알았다고 상상해 보십시오. 아마도 담배를 피우지 않았거나 다른 많은 결정을 내렸음에도 불구하고 그것은 당신이 처리한 위험 부담일 뿐입니다. Peter가 언급한 것처럼 건강한 생활 방식, 건강한 식단, 잠재적인 약리학적 개입을 장려하는 것이 얼마나 동기 부여가 될 수 있습니까? 마침내 우리는 유전학 이야기와 병행하여 환자가 해당 치료에 참여하고 위험에 대해 배우고 실제로 바늘을 움직이려고 시도할 수 있도록 디지털 건강, 앱, 참여 플랫폼 및 인센티브 구조의 전체 세계를 구축하고 있습니다.
제가 쓴 거의 모든 논문, 제가 한 모든 강연, 모든 보조금 지원서, 저는 처음과 끝에서 이 내용이 정말 흥미롭고 환자들에게 영향을 미칠 것이라고 말하고 싶습니다. 그러나 우리가 그것에 대해 이야기하는 동안 그것은 일어나지 않았습니다.
Peter: 매우 흥미로운 관점 중 하나는 개인의 관점에서 보는 것입니다. 그래서, 우리는 이러한 점수를 가지고 있습니다. 또는 여러분의 가방에 조약돌이 가득하다고 생각하시면 됩니다. 그리고 여러분은 다양한 질병에 대해 다른 가방을 가지고 있습니다. 그 중 하나를 선택하면 주어진 개인이 [위험의] 상위 몇 퍼센트에 속할 가능성은 낮습니다. 말 그대로 몇 퍼센트에 불과하지만 40개 질병 또는 50개 질병에 걸쳐서 우리가 현재 있는 위치에 있습니다. 그 중 일부는 고위험 범주에 속하게 될 것입니다.
따라서 개인이나 의료 서비스 제공자로부터 그것에 대해 생각하면 유전된 수백만 개의 유전적 변이의 집합이 위험을 상당히 증가시키는 두세 가지가 무엇인지 알 수 있는 방법을 제공합니다. 그것은 사람마다 다르며 그것이 무엇인지 알아낼 기회가 있습니다.
LAUREN: 엄청난 변화입니다.
피터: 엄청난 변화입니다. 영국과 미국 모두에서 세계 여러 곳에서 현재 의료 서비스로 우리가 하는 일을 언급하지만 실제로는 병가. 우리는 사람들이 아플 때까지 기다렸다가 문제를 해결하려고 노력합니다.
이러한 접근 방식은 우리에게 완전히 새로운 패러다임을 제공합니다. 게놈 예방. 저는 인구 건강 관리를 하는 방식의 패러다임 전환이 될 것이라고 생각합니다. 왜냐하면 그것이 우리가 이 예측을 훨씬 더 잘 할 수 있게 하고 계층화에 관한 것이기 때문입니다. 그것은 그러한 상태에 대한 특별한 위험에 처한 사람들에게 올바른 종류의 치료, 중재 또는 선별을 계층화하는 것입니다.
VINEETA: 역사적으로 각 질병에 대한 검사에 대해 생각했고 계산하기 어려웠기 때문에 역사적으로 유전 검사에 대해 생각하는 방식의 패러다임 전환이기도 합니다. 글쎄, 당신은 무엇을 할거야? 당뇨병 검사를 별도로 받을 예정입니까? 관상 동맥 질환과 관련된 일련의 변이에 대해 특별 테스트를 실행하시겠습니까? 그러면 각각의 질병과 관련된 변이체의 수가 계속 증가할 것입니까? 그리고 패러다임의 변화는 수백 가지 다른 질병에 대한 유전적 위험에 대한 지식에 접근할 수 있는 하나의 테스트라는 것입니다.
다유전자 위험 점수를 개선하는 방법
LAUREN: 정말 강력합니다. 우리가 예방 치료에 대해 생각하는 방법, 치료 제공에 대해 생각하는 방법, 질병에 대응하는 것과 반대로 건강 유지에 대해 생각하는 방법의 진정한 변화인 것 같습니다. 그렇다면 다유전자 위험 점수를 개선하기 위해 우리는 여전히 무엇을 해야 할까요?
VINEETA: 유전 데이터의 다양성은 그 분야가 여전히 발전해야 하는 곳이라고 생각합니다. 많은 지금까지 수행된 가장 큰 게놈 전체 연관 연구 중 백인 집단에서 수행되었으며, 그 결과, 우리는 모른다. 이러한 연구와 인구 집단에서 파생된 다유전자 위험 점수가 다른 민족 및 기타 유전적 배경을 가진 환자에게 가능한 최상의 점수가 될 것인지 여부를 확실히 합니다. 우리는 집단 간에 유전적 위험이 공유된다는 것을 알고 있으므로 집단 간에 이식될 수 있는 정보가 있을 것으로 예상합니다.
하지만 개인적으로 기대되는 부분입니다. 그리고 지금은 대규모 바이오뱅크가 건설되고 있다는 사실을 알고 있습니다. 인도에 아프리카에 일본이러한 다유전자 위험 점수가 다양한 사람들에게 유용할 수 있도록 점점 더 많은 유전 데이터가 온라인에 제공됩니다.
피터: 정말 좋은 지적입니다. 모든 경우에 다유전자 위험 점수는 다른 그룹에서 도움이 되는 경향이 있지만 일반적으로 원래 연구가 파생된 그룹에서 가장 예측 가능하며 주로 유럽 가계의 사람들입니다. 한 가지 핵심적이고 중요한 것은 우리가 유전 연구를 수행하는 조상 그룹의 다양성을 실질적으로 확장하는 것입니다.
나는 그것의 또 다른 핵심 부분이 우리의 방법을 더 영리하게 만드는 것이라고 생각하며 우리는 그 부분에서 어느 정도 성공했습니다. 유방암 사례로 돌아가서 제가 우리 회사에서 가장 자랑스럽게 생각하는 것 중 하나는 유방암 다유전자 위험 점수가 가장 잘 발표된 유방암 점수보다 훨씬 더 강력하다는 것입니다. 그러나 우리가 개발한 방법을 사용하면 동아시아 여성에 대한 유방암 점수가 유럽 여성에 대해 발표된 점수보다 더 강력합니다. 이는 데이터와 영리한 방법을 사용하여 조상의 성과를 향상시킬 수 있었던 좋은 예이지만 현장에서는 어려운 일입니다.
생명공학으로의 견인
LAUREN: Peter, 당신은 연구실에서 다유전자 위험 점수를 생성하는 이 연구를 시작했지만 지금은 Genomics PLC라는 회사를 만들었습니다. 학계에서 산업계로의 전환을 어떻게 결정했는지 궁금합니다.
Peter: 저는 운이 좋게도 지난 10년 또는 15년 동안 유전적 변이와 질병에서의 역할에 대한 우리의 이해에 관한 많은 주요 발견의 중심에 서게 되었습니다. 그러나 약 5~6년 전에 나는 변이에 대한 학습에 대한 과학적 지식이 비정상적으로 발전했음에도 불구하고 의료 분야에는 거의 영향을 미치지 못했다는 것을 깨달았습니다. 제가 쓴 거의 모든 논문, 제가 한 모든 강연, 모든 보조금 지원서, 저는 처음과 끝에서 이 내용이 정말 흥미롭고 환자들에게 영향을 미칠 것이라고 말하고 싶습니다. 그러나 우리가 그것에 대해 이야기하는 동안 그것은 일어나지 않았습니다.
과학과 의료 분야에서 실제로 차이를 만드는 무언가를 갖는 것 사이에 많은 도전이 있었기 때문이라는 것이 점점 더 분명해졌습니다. 여러 동료들과 함께 Genomics PLC를 설립하여 두 가지 일을 한다는 것을 깨달았습니다. 그 중 하나는 절대적으로 세계 최고의 최첨단에서 과학을 계속하는 것이 었습니다. 그리고 다른 하나는 과학에서 의료 분야로 나아가는 매우 어려운 문제, 어떤 면에서는 훨씬 더 어려운 문제를 해결하는 것이었습니다.
그래서 우리는 우리 분야에서 가장 훌륭하고 똑똑한 사람들을 모아서 그들을 형성하고 우리 스스로를 스타트업으로 조직했습니다. 그리고 나서 우리는 계속해서 뛰어난 과학을 수행했지만 제품을 개발하고 제품을 의료 시스템에 적용하는 방법을 연구했습니다. 건강 경제학, 공급망 및 임상 운영과 같은 모든 부분을 생각하고 제품의 소프트웨어 부분을 정확히 그 차이를 만들어냅니다.
우리가 데이터를 보고 당신이 생각하고 있는 약물과 대체로 동일한 효과를 갖는 유전적 변이를 찾을 수 있다면, 우리는 그 유전적 변이를 가진 사람들을 살펴보고 그 영향이 무엇인지 확인할 수 있습니다.
LAUREN: 학계에서는 왜 그렇게 할 수 없습니까? 응용 프로그램으로의 전환을 방해하는 학계에 존재하는 시스템은 무엇입니까?
Peter: 몇 가지 요인이 있다고 생각합니다. 그 중 하나가 인센티브 시스템입니다. 저는 사람들이 개인적으로 보람을 느끼는 것과 시스템이 보상하는 것 모두 출판이나 과학 활동이라고 생각합니다. 그래서 그것을 실행에 옮기는 방법을 알아내기 보다는 멈추고 다음 과학으로 넘어가는 것이 자연스럽습니다.
다른 하나는 스킬 세트에 관한 것입니다. 제품 환경에서 작동하는 표준의 소프트웨어를 실제로 생산하는 것, 건강 경제학을 수행하는 것, 의료 시스템에 적용할 비즈니스 개발을 하는 것의 도전. 그것은 대부분의 학자들의 능력을 훨씬 능가합니다. 이러한 문제를 해결하고 작업을 수행하려면 다양한 종류의 기술이 필요합니다.
LAUREN: 어떤 사람들은 교수가 되는 것이 여정의 마지막 단계라고 생각하는 것 같아요. 하지만 다음 단계는 교수가 되어 발견을 하고 어떤 발견을 하고 어떤 발견을 실제 제품으로 만들고 싶은지 결정하는 것이 학문적 길에 대해 생각하는 다른 방식이라고 생각할 수도 있습니다. .
유전적 통찰력을 위한 도구 상용화
LAUREN: 귀사에 대해 말하자면, 다유전자 위험 점수와 같은 것을 어떻게 제품으로 전환하는지 궁금합니다.
피터: 좋은 질문입니다. 당신이 상상할 수 있듯이, 그것은 우리가 꽤 많이 생각하는 것입니다. 우리 회사는 영리한 알고리즘과 결합된 사람들의 결과에 유전적 변이를 연결하는 대량의 데이터가 정말 강력한 도구가 될 것이라는 전제 하에 설립되었습니다. 이것이 우리가 가진 핵심 자원입니다.
우리는 그것을 두 가지 다른 방향으로 이용합니다. 그 중 하나는 더 나은 약물 표적을 찾기 위해 생물학에 대해 시도하고 배우기 위한 약물 발견입니다. 그리고 다른 부분은 위험 예측, 다유전자 위험 점수에 관한 것입니다. 우리는 지금 구현 연구를 하고 있는 단계에 있습니다. 우리는 그것이 어떻게 작동하는지 보기 위해 현재의 위험 예측 도구에 유전학을 추가하기 위해 이전에 논의했던 바로 그 사용 사례에서 심혈관 질환에 대한 국립 보건 서비스(National Health Service)와 함께 파일럿을 실행하고 있습니다. 미국에서는 이미 여러 의료 시스템과 협력하고 있습니다. 우리는 함께 일하고 있습니다 대만 정밀 의학 이니셔티브.
저는 그 너머에 있는 것이 훨씬 더 일상적인 이러한 접근 방식에 대한 비전을 가지고 한두 가지 대규모 인구 건강 이니셔티브를 수행하는 것이라고 생각합니다. 영국과 미국뿐만 아니라 유전적인 부분이 개인당 다른 의료 비용에 비해 매우 저렴하기 때문에 의료가 가능한 시스템에서 광범위하게 사용됩니다. 그리고 많은 질병에 대한 예측을 제공합니다. 그래서 우리는 과학에서 그 제품으로 나아가는 데 중점을 두고 있습니다.
LAUREN: 그래서 지금 당신은 다유전자 위험 점수를 그들의 임상 시스템에 구현하는 작업을 하고 있습니다. 그러나 당신은 또한 유전체학을 사용하여 약물 발견을 알릴 수 있다고 언급했습니다.
PETER: 그것은 개인의 위험에 작은 영향을 미치는 이러한 변종 각각으로 돌아가서 잠재적으로 그 질병에 대한 생물학의 핵심 부분에 대한 이야기를 우리에게 말해주고 있는 평행선입니다. 따라서 스타틴은 HMG-CoA 환원효소라는 유전자를 표적으로 합니다. 있다 유전적 변이 그 유전자를 약간 위 또는 아래로 돌리는 것입니다. 따라서 이를 약간 낮추는 변형이 있다면 평생 동안 약한 스타틴을 복용한 것과 같습니다. 그 사람들이 실제로 심장병에 덜 걸린다는 것을 보고 알 수 있습니다. 그래서 만약 우리가 데이터를 보고 당신이 생각하고 있는 약물과 대체로 동일한 효과를 갖는 유전적 변이를 찾을 수 있다면, 우리는 그 유전적 변이를 가진 사람들을 살펴보고 그 영향이 무엇인지 확인할 수 있습니다.
VINEETA: 인구에서 자연적으로 발생하는 변이가 해당 표적에서 질병의 위험을 수정한다는 유전적 증거가 있는 곳에서 Peter가 설명한 표적은 이제 다음과 같이 기술됩니다. 유전적으로 위험이 제거된 인간의 질병 표적. 실제로 지난 몇 년 동안 임상 시험에 들어간 약물을 살펴보고 그 약물의 성공 확률을 살펴보고 대상이 유전적으로 위험이 없는 대상인지 또는 다른 방식으로 지정된 대상.
이제 유전적으로 위험이 제거된 표적에 대한 약물이 임상 시험에서 성공할 가능성이 더 높다는 증거가 있습니다.
Peter: 사람들은 그것을 자연의 임상 시험이라고 불렀고, 그것에 대해 생각하는 데 도움이 되는 방식입니다.
LAUREN: 본질적으로, 당신은 미래의 약물에 대한 좋은 표적을 식별하는 데 도움이 되는 방대한 유전체학 자원을 사용하고 있습니다.
시사점: 클리닉에서 유전자 검사의 미래
LAUREN: 이제 클리닉에서 진화하는 유전자 검사의 역할에 대한 높은 수준의 요약으로 대화를 마무리하겠습니다.
PETER: 의료 시스템은 다음으로 인해 점점 더 많은 부담과 압력을 받고 있습니다 치솟는 비용. 그 이유 중 하나는 우리가 나중에 질병에 걸렸을 때 건강 관리를 하는 경향이 있기 때문입니다. 그리고 그 문제를 해결하는 한 가지 방법은 질병을 완전히 예방하거나 조기에 개입하는 데 훨씬 더 능숙해지는 것입니다. 게놈 예방을 통해 질병 위험이 높은 개인을 식별하고, 조기에 개입하고, 보다 효과적으로 선별할 수 있습니다. 더 나은 결과를 얻을 수 있기 때문에 환자에게 훨씬 좋습니다. 장기적으로 비용을 크게 절감하기 때문에 의료 시스템에 훨씬 좋습니다.
VINEETA: 발생하고 있는 이러한 변화는 유전학이 거의 유용하지 않고, 거의 호출되지 않고, 거의 명령되지 않는 것에서 시대의 정점 임상 의학에서 모든 종류의 부정확하지만 유용한 정보를 사용했던 것과 같은 방식으로 마침내 그 정보를 사용할 준비가 되었습니다. 그래서 저는 Peter와 다른 팀이 유전체학을 주류로 만들기 위해 전 세계에서 하고 있는 작업을 보게 되어 매우 기쁩니다.
게시일: 7년 2022월 XNUMX일
기술, 혁신, 그리고 그것을 구축하는 사람들이 말하는 미래.
가입해 주셔서 감사합니다.
받은 편지함에서 환영 메시지를 확인하세요.
