KR102303638B1 - 알츠하이머성 치매가 발병될 가능성 평가방법 - Google Patents

알츠하이머성 치매가 발병될 가능성 평가방법 Download PDF

Info

Publication number
KR102303638B1
KR102303638B1 KR1020180043328A KR20180043328A KR102303638B1 KR 102303638 B1 KR102303638 B1 KR 102303638B1 KR 1020180043328 A KR1020180043328 A KR 1020180043328A KR 20180043328 A KR20180043328 A KR 20180043328A KR 102303638 B1 KR102303638 B1 KR 102303638B1
Authority
KR
South Korea
Prior art keywords
alzheimer
dementia
snp
apoe
genotype
Prior art date
Application number
KR1020180043328A
Other languages
English (en)
Other versions
KR20190119859A (ko
Inventor
김종원
박인호
박종호
Original Assignee
사회복지법인 삼성생명공익재단
에스디지노믹스 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 사회복지법인 삼성생명공익재단, 에스디지노믹스 주식회사 filed Critical 사회복지법인 삼성생명공익재단
Priority to KR1020180043328A priority Critical patent/KR102303638B1/ko
Priority to PCT/KR2019/004423 priority patent/WO2019199105A1/ko
Publication of KR20190119859A publication Critical patent/KR20190119859A/ko
Application granted granted Critical
Publication of KR102303638B1 publication Critical patent/KR102303638B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/156—Polymorphic or mutational markers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Organic Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biotechnology (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Neurology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Primary Health Care (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)

Abstract

본 발명은 개체의 성별, APOE 유전형 및 다수의 SNP 유전형을 조합하여, 개체로부터 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법, APOE 유전형을 검출할 수 있는 제제 및 다수의 SNP 유전형을 검출할 수 있는 제제를 포함하는 알츠하이머성 치매 발병 위험성 진단용 조성물 및 상기 조성물을 포함하는 알츠하이머성 치매 발병 위험성 진단용 키트에 관한 것이다. 본 발명에서 제공하는 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법을 이용하면, 알츠하이머성 치매가 발병되기 전에, 알츠하이머성 치매가 발병될 가능성이 있는 개체를 선발하고, 선발된 개체를 중점관리함으로써, 상기 개체의 알츠하이머성 치매 발병을 억제하거나 또는 상기 개체에서 알츠하이머성 치매가 발병된 경우 이들을 조기에 치료하여, 알츠하이머성 치매로 인한 피해를 감소시킬 수 있을 것이다.

Description

알츠하이머성 치매가 발병될 가능성 평가방법{Method for evaluation of alzheimer disease risk}
본 발명은 알츠하이머성 치매가 발병될 유전적 위험도를 평가하는 방법에 관한 것으로, 보다 구체적으로 본 발명은 개체의 성별, APOE 유전자의 유전형 및 본 발명을 통해 알츠하이머성 치매와의 연관성이 확인된 다수의 SNP 유전형을 조합하여, 개체로부터 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법, APOE 유전형을 검출할 수 있는 제제와 상기 다수의 SNP 유전형을 검출할 수 있는 제제를 포함하는 알츠하이머성 치매 발병 위험성 진단용 조성물 및 상기 조성물을 포함하는 알츠하이머성 치매 발병 위험성 진단용 키트에 관한 것이다.
알츠하이머 질병과 같은 신경퇴행성 질병은 신경축색 손상, 세포사멸 및 신경교증 (gliosis)를 포함하는, 신경퇴행으로 이어지는 만성적 진행 과정을 포함한다. 신경퇴행성 질병의 발병 및 병태생리는 매우 복잡하여 일부분만이 알려져 있다. 나이는 신경퇴행성 질병의 병태생리에서 중요한 역할을 하는 통상의 위험인자이다. 또한, 흥분독성 (excitotoxicity), 산화적 스트레스, 단백질 응집, 염증 및 세포사멸이 신경퇴행성 질병의 진행에서 중요한 역할을 하는 병리학적 사건이라는 보고가 있다. 알츠하이머 질병의 신경병리학은 아밀로이드 플라크, 신경원섬유 매듭, 시냅스 소실 및 선택적 신경원성 세포사멸 등을 특징으로 한다. 신경원섬유 매듭은 세포 내 과인산화된 타우 (tau) 단백질의 존재와 연관된다. 알츠하이머 질병의 임상적 특징은 전형적으로 먼저 기억력 저하가 나타나고, 다른 인지 기능들에서 퇴화 및 비정상적 행동이 후속한다. 전세계적으로 약 2,400만명의 치매 환자가 있으며, 이들 중 약 60% 이상이 알츠하이머병에 기인한다고 알려져 있다.
현재 이용되고 있는 알츠하이머성 치매 검진기술로는 인지심리검사, 뇌척수액검사, 혈액검사, 유전적표지, 및 뇌영상촬영 등이 있다. 인지심리검사는 간이정신상태검사 (MMSE), 몬트리올 인지검사 (MoCA), 및 후각인지도검사 (UPSIT) 등이 치매 검사법으로 활용되고 있으며, 국내에서는 SNSB (Seoul Neuropsychological Screening Battery)가 널리 활용되고 있다. 뇌척수액 검사는 알츠하이머성 치매의 대표적 특이 물질인 베타-아밀로이드 (β-Amyloid) 또는 타우 (tau) 단백질의 뇌척수액 내 정량을 통한 진단을 수행하며, 최근 뇌척수액 내 miRNA (microRNA)의 변화를 측정하여 바이오마커로 사용하고자 하는 연구가 진행되고 있다. 혈액검사는 베타-아밀로이드가 "LRP1"이라는 단백질을 통해 뇌에서 혈액으로 이동한다는 사실에 착안하여, 베타-아밀로이드의 혈액 내 농도를 검사하는 방식으로 치매를 진단하는 방법이다.
신경심리검사 및 후각인지도검사는 신체적, 심리적, 인종학적 영향 등 주관성이 개입되기 때문에 정량화하기 어려운 단점이 있으며, 이는 장시간 검사 및 비용문제 등으로 범용적 적용이 어렵다. 또한, 초기 치매에서는 증상이 나타나지 않는 경우가 많아서 인지기능 검사만으로 치매를 예단하기 어렵다. 뇌척수액검사의 경우, 검사를 위한 척수천자시 수반되는 통증으로 인해 거부감이 크다. MRI/PET 뇌영상 촬영을 이용한 알츠하이머 진단은 병이 상당히 진행된 후에 비로소 분석이 가능하기 때문에 조기진단에 어려움이 있으며, 고비용이다. 이를 위하여, 보다 간단하면서도 효과적으로 알츠하이머를 진단하는 방법을 개발하려는 연구가 활발히 진행되고 있는데, 예를 들어, 한국공개특허 제10-2017-0127089호에는 알츠하이머성 치매를 진단하기 위한 miRNA 바이오마커 및 이를 이용한 알츠하이머성 치매를 진단하는 기술이 개시되어 있고, 한국공개특허 제10-2016-0023340호에는 SUMO2 단백질을 마커로 이용하여, 알츠하이머성 치매를 진단하는 기술이 개시되어 있다.
알츠하이머성 치매는 환자가 임상적인 증상을 보이기 십여 년 이전부터 발병되기 시작하는 것으로 알려져 있으며, 조기에 치매 발병의 위험을 예측하여 집중 관리함으로서 알츠하이머성 치매의 진행 속도를 늦춘 다면 사회경제적 효용이 매우 크다고 할 수 있다. 알츠하이머성 치매는 유전적인 요인이 크게 작용하여 heritability는 약 60-80%로 보고되고 있으며, 유전적 표지를 이용하여 알츠하이머성 치매 발병의 위험성을 판단하는 것에 대한 연구가 활발하게 진행되고 있다 (Valentina Escott-Price et. al., Common Polygenic variation enhances risk prediction for Alzheimer's disease, Brain 2015).
유전적 표지를 이용한 진단방법의 경우, 환자의 아포리포프로틴 (Apolipoprotein 또는 ApoE) 유전자의 대립형질이 가장 강력한 유전적 표지자로 활용되고 있이며. 아포리포프로틴의 E4 대립형질 (ApoE4)은 알츠하이머성 치매 발병의 위험인자로, 아포리포프로틴의 E2 대립형질 (ApoE2)은 알츠하이머성 치매 발병의 보호인자로 알려져있다. 하지만, ApoE4 대립형질의 경우 전체 알츠하이머성 치매 환자의 10-15%만을 설명할 수 있는 것으로 알려져 있으며, 최근에는 ApoE4 대립유전자 더해 알츠하이머성 치매와의 연관성이 확인된 다수의 SNP들을 포함하여 알츠하이머성 치매발병 위험도를 보다 정확하게 예측하고자 하는 연구들이 진행되고 있다. 이 때, 알츠하이머성 치매와 SNP들의 연관성은 알치하이머성 치매 환자 그룹과 대조 그룹에 대한 유전자 칩(DNA microarray) 또는 차세대 유전자서열분석기술 (NGS)을 이용한 인간 유전체전체변이분석 (GWAS) 연구 등을 통해 발굴되고 있다.
이러한 배경하에서, 본 발명자들은 알츠하이머성 치매의 발병을 보다 효과적으로 예측할 수 있는 기술을 개발하고자 예의 연구노력한 결과, 알츠하이머성 치매와의 연관성이 확인된 다수의 SNP를 발굴하였으며, 목적하는 개체의 성별, APOE 유전형 및 상기 다수의 SNP 유전형을 조합하여, 개체로부터 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법을 개발하고, 본 발명을 완성하였다.
본 발명의 하나의 목적은 목적하는 개체의 성별, APOE 유전형 및 다수의 SNP 유전형을 조합하는 단계를 포함하는, 개체로부터 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법을 제공하는 것이다.
본 발명의 다른 목적은 APOE 유전형을 검출할 수 있는 제제 및 다수의 SNP 유전형을 검출할 수 있는 제제를 포함하는 알츠하이머성 치매 발병 위험성 진단용 조성물을 제공하는 것이다.
본 발명의 또 다른 목적은 상기 조성물을 포함하는 알츠하이머성 치매 발병 위험성 진단용 키트를 제공하는 것이다.
본 발명자들은 알츠하이머성 치매의 발병을 보다 효과적으로 방지할 수 있는 기술을 개발하고자 다양한 연구를 수행하던 중, 개체의 유전적 특성에 따라, 알츠하이머성 치매의 발병 가능성이 높은 개체들이 존재한다는 점에 착안하여, 개체로부터 얻을 수 있는 다양한 정보를 조합하여 알츠하이머성 치매가 발병되기 이전에 알츠하이머성 치매의 발병 가능성을 평가하는 방법을 개발하고자 하였다.
지금까지 연구된 바에 의하면, 개체로부터 얻어진 다수의 유전형 정보를 이용하여, 알츠하이머의 발병위험도를 예측하는 방법으로서, GWAS기반의 association p-value 와 Odds값을 이용하는 폴리제닉 스코어링(Polygenic scoring, PGS) 방식의 모델을 사용하는 방법, 상기 유전형 정보와 알츠하이머의 발병연령을 고려한 PHS(Polygenic Hazard Score) 모델을 사용하는 방법이 알려져 있는데, 이러한 PGS나 PHS 모두 해당 모델에서 파라미터로 사용하는 SNP 등을 어떻게 선정하느냐에 따라서 모델의 예측력이 결정된다고 알려져 있다(Power and Predictive Accuracy of Polygenic Risk Scores, Plos GENETICS, 2013년 3월 21일).
이에 따라, 본 발명자들은 지금까지 사용되어온 유전형 정보와 연령 이외의 본 발명자들의 연구를 통해 알츠하이머성 치매와의 연관성이 밝혀진 신규 SNP 정보를 이용하여, 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 다양한 조합을 연구한 결과, 개체의 성별, APOE 유전형 및 다수의 SNP 유전형의 조합을 통해 알츠하이머성 치매가 발병될 가능성을 평가할 수 있음을 확인하였다.
지금까지 알츠하이머성 치매의 발병과 연관된 다양한 생체정보에 대한 연구가 수행되어 왔으나, 이같이 SNP의 유전형을 조합하여 알츠하이머성 치매가 발병될 가능성을 평가하는 기술은 지금까지 보고된 바 없으며, 본 발명자들에 의해 최초로 개발되었다.
상술한 목적을 달성하기 위한 본 발명의 일 실시양태는 개체의 성별, APOE 유전형 및 다수의 단일염기 다형성(single nucleotide polymorphism, SNP) 유전형을 조합하여, 개체로부터 알츠하이머성 치매의 발병을 예측할 수 있는 정보를 제공하는 방법을 제공한다.
본 발명의 용어 "개체의 성별"이란, 알츠하이머성 치매가 발병될 가능성을 평가하는 대상이 되는 개체가 생물학적 성별을 의미한다. 통상적으로, 남성에 비하여 여성에서 알츠하이머성 치매의 발병 가능성이 높다고 알려져 있으므로, 이러한 개체의 성별은 알츠하이머성 치매가 발병될 가능성을 평가함에 있어서, 유의미한 변수가 될 수 있다.
본 발명의 용어 "APOE 유전형"이란, 아포리포단백질 E(Apolipoprotein E, APOE)를 코딩하는 유전자의 유전형을 의미한다. APOE는 HDL(High Density Lipoprotein), LDL(Low Density Lipoprotein), VLDL(Very Low Density Lipoprotein) 같은 혈장의 정상 구성성분인 lipoprotein의 구성단백질을 coding하는 gene으로 19번 염색체에 위치하여, 지방 운반 물질로서 중추 및 말초 신경계의 손상 후 지방대사를 조절하는 핵심적 역할을 한다(Bolyes 등, 1989). 상기 APOE 유전자는 3가지의 대립 유전형인 e2, e3 및 e4가 있으며, 모든 사람은 각 부모로부터 ApoE gene의 한 개를 대립유전자로 물려받게 되어, 총 6개의 유전형인 e2/e2, e3/e3, e4/e4, e2/e3, e2/e4 및 e3/e4로 분류된다. 상기 대립 유전형 중에서 e2 및 e4 알츠하이머성 치매와 연관된다고 알려져 있는데, e2 타입은 알츠하이머성 치매의 유병률을 낮추며, e4 타입은 알츠하이머성 치매의 유병률을 증가시킨다고 알려져 있다(정안나 외., Apolipoprotein E 유전자형과 알츠하이머형 치매의 통계적인 고찰, 대한임상검사학회지 : 36권 제2호, 110-114, 2004).
본 발명에서는, 상기 APOE 유전자의 3가지 대립 유전형으로부터 얻을 수 있는 6가지 조합에 대하여 알츠하이머성 치매의 발병위험도 별로 각각의 점수를 부여하고, 상기 부여된 점수를 이용하여, 알츠하이머성 치매의 발병가능성을 평가하는 변수로 사용하였다.
본 발명의 용어 "단일염기 다형성(single nucleotide polymorphism, SNP)"이란, 하나의 유전자 좌위(locus)에 두 가지 이상의 대립유전자(allele)가 존재하는 경우를 의미하며 다형성 부위(polymorphic site) 중에서, 단일 염기만이 다른 것을 의미한다.
본 발명에서 사용된 SNP는 알츠하이머성 치매의 발병에 연관되는 한 특별히 이에 제한되지 않으나, 일 예로서, CD2AP 유전자에 존재하는 rs12202615(인간의 6번 염색체에 위치한 CD2AP 유전자에 존재하고, 6번 염색체의 47650435번 좌위에 위치하며, C/T의 다형성을 갖는다), BIN1 유전자에 존재하는 rs13025765, CR1 유전자에 존재하는 rs12743911, GPR141 유전자에 존재하는 rs2722266, SORL1 유전자에 존재하는 rs7945931, ABCA7 유전자에 존재하는 rs4147929, INPP5D 유전자에 존재하는 rs4073363, PICALM 유전자에 존재하는 rS2508688, CAMKMT 유전자에 존재하는 rs4953113, POPDC3 유전자에 존재하는 rs1686162, PSD3 유전자에 존재하는 rs967326, EIF3H 유전자에 존재하는 rs7832540, SORCS1 유전자에 존재하는 rs78442236, RAB37 유전자에 존재하는 rs80325369, TFAP2C 유전자에 존재하는 rs76084175, LINC00160 유전자에 존재하는 rs2256552, SLC35A3 유전자에 존재하는 rs11166389, PTPRN2 유전자에 존재하는 rs80020083, CMTM3 유전자에 존재하는 rs199547700 등을 단독으로 또는 조합하여 사용할 수 있다.
본 발명의 용어 "알츠하이머성 치매"란, 알츠하이머 질환에 의하여 유발된 치매증상을 의미한다. 상기 알츠하이머 질환은 독일의 알츠하이머 박사에 의하여 최초로 보고된, 치매를 유발하는 가장 일반적인 퇴행성 뇌질환을 의미하는데, 상기 알츠하이머 질환이 진행됨에 따라 기억력을 포함하는 전체적인 인지기능이 점진적으로 약화된다고 알려져 있다.
본 발명의 용어 "알츠하이머성 치매가 발병될 가능성"이란, 알츠하이머성 치매가 발병되기 이전에, 개체로부터 알츠하이머성 치매가 발병될 위험도를 의미한다. 상기 위험도가 상위 5% 안에 속할 경우에는, 알츠하이머성 치매가 발병될 가능성이 높다고 평가할 수 있다(Prospects for using risk scores in polygenic medicine, Genome Medicine 2017).
본 발명에서 제공하는 상기 가능성은 개체로부터 알츠하이머성 치매가 발병되기 이전에 평가한다는 점에서 종래에 개발된 알츠하이머성 치매 진단기술과 구별된다.
본 발명에서 제공하는 개체로부터 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법에 있어서, 개체의 성별, APOE 유전형 및 다수의 SNP 유전형을 조합하는 방법으로는, 통상적인 통계분석방법을 사용할 수 있다. 이때, SNP 유전형의 조합 방식은 SNP 유전형의 이형접합 또는 동형접합을 기준으로 수행할 수 있는데, 사용될 수 있는 통계분석방법은 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 한 특별히 이에 제한되지 않으나, 일 예로서, 선형 또는 비선형 회귀 분석방법; 선행 또는 비선형 classification 분석방법; ANOVA; 신경망 분석방법; 유전적 분석방법; 서포트 벡터 머신 분석방법; 계층 분석 또는 클러스터링 분석방법; 결정 트리를 이용한 계층 알고리즘, 또는 Kernel principal components 분석방법; Markov Blanket 분석방법; recursive feature elimination 또는 엔트로피-기본 recursive feature elimination 분석방법; 전방 floating search 또는 후방 floating search 분석방법 등을 단독으로 또는 조합하여 사용할 수 있다.
또한, 상기 개체의 성별, APOE 유전형 및 다수의 SNP 유전형을 조합하는 방법은 상기 통계방법을 자동적으로 수행할 수 있는 컴퓨터 알고리즘을 이용하여 수행할 수도 있다.
본 발명의 일 실시예에 의하면, 개체의 성별, APOE 유전형 및 다수의 SNP 유전형을 조합하기 위하여, 범주형 알츠하이머성 치매의 관련인자인 성별 및 APOE 유전형에 각각 수치를 부여하였다, 예를 들어, 성별의 경우에는, 남성 1점, 여성 2점을 각각 부여하였다.
또한, APOE 유전형의 경우, 3가지의 대립 유전형인 e2, e3 및 e4가 있으며, 모든 사람은 각 부모로부터 ApoE gene의 한 개를 대립유전자로 물려받게 되어, 총 6개의 유전형인 e2/e2, e3/e3, e4/e4, e2/e3, e2/e4 및 e3/e4로 분류되는데, 상기 대립 유전형 중에서 e2 타입(e2/e2)은 알츠하이머성 치매의 유병률을 낮추며, e4 타입(e4/e4)은 알츠하이머성 치매의 유병률을 증가시킨다고 알려져 있으므로, 상기 대립 유전형의 형태에 따라 e2 타입 점수와 e4 타입 점수를 각각 개별적으로 부여하였다. 예를 들어, e2/e2 유전형의 경우에는 e2 타입 점수 2점 및 e4 타입 점수 0점을 부여하고; e2/e3 유전형의 경우에는 e2 타입 점수 1점 및 e4 타입 점수 0점을 부여하며; e2/e4 유전형의 경우에는 e2 타입 점수 1점 및 e4 타입 점수 1점을 부여하고; e3/e3 유전형의 경우에는 e2 타입 점수 0점 및 e4 타입 점수 0점을 부여하며; e3/e4 유전형의 경우에는 e2 타입 점수 0점 및 e4 타입 점수 1점을 부여하고; e4/e4 유전형의 경우에는 e2 타입 점수 0점 및 e4 타입 점수 2점을 부여하였다.
끝으로, 다수의 SNP에 대하여는, 이들의 유전형이 인간 표준 참조 유전체 서열(GRCh37)과 대비하여 변이 유전형(SNP 변이체)의 동형접합으로 존재할 경우에는 2점, 변이 유전형과 참조 유전형이 이형접합으로 존재할 경우에는 1점, 참조 유전형(정상 유전체)의 동형접합으로 존재할 경우에는 0점을 부여하였다.
상기 부여된 각 점수를 이용하여, 성별, APOE 유전형 및 다수의 SNP 유전형에 대한 특이적 계수(coefficient)를 추정하고, 추정된 계수를 이용하여 알츠하이머성 치매환자의 위험도 점수를 구하는 모델을 제작하였다.
본 발명의 실시예에서 제작된 모델은 다음과 같으며, 이를 "KPHS(Korean Polygenic Hazard Score) 모델"이라 명명하였다:
KPHS = exp(성별*0.445988 + e2*-0.360838 + e4*0.822949 + rs12202615*0.19013 + rs13025765*0.151802 + rs12743911*-0.102908 + rs2722266*0.16375 + rs7945931*0.210819 + rs4147929*-0.024538 + rs4073363*-0.000743 + rs2508688*0.245635 + rs4953113*0.063855 + rs1686162*0.139596 + rs967326*-0.115215 + rs7832540*-0.411425 + rs78442236*-0.7515 + rs80325369*-0.120102 + rs76084175*0.076635 + rs2256552*0.193344 + rs11166389*-0.509293 + rs80020083*-0.167815 + rs199547700*0.102391)
상기 모델은 개체의 성별, APOE 유전형 및 다수의 SNP 유전형을 조합하여 개발된 일 실시양태에 불과하므로, 본 발명의 권리는 상기 모델에 제한되지 않고, 개체의 성별, APOE 유전형 및 다수의 SNP 유전형의 조합에 의한 모든 모델 및 이를 사용하여 알츠하이머성 치매가 발병될 가능성을 평가하는 방법을 포괄함이 자명할 것이다.
본 발명의 다른 실시양태는 APOE 유전형을 검출할 수 있는 제제 및 다수의 SNP 유전형을 검출할 수 있는 제제를 포함하는 알츠하이머성 치매 발병 위험성 진단용 조성물을 제공한다.
앞서 설명한 바와 같이, APOE 유전형 및 다수의 SNP 유전형을 이용하면, 알츠하이머성 치매 발병 위험성을 예측할 수 있으므로, 상기 APOE 유전형 및 다수의 SNP 유전형을 검출할 수 있는 제제는 알츠하이머성 치매 발병 위험성 진단용 조성물의 유효성분으로 사용될 수 있다. 이때, 검출대상이 되는 APOE 유전형 및 다수의 SNP는 앞서 설명한 바와 동일하다.
상기 제제는 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 특이적으로 결합하여, 상기 APOE 유전자 또는 상기 SNP를 검출할 수 있는 제제를 의미하는데, 이들 제제는 특별히 이에 제한되지 않으나, 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 특이적으로 결합할 수 있는 프라이머 염기쌍 또는 프로브가 될 수 있다.
본 발명의 용어 "프라이머 염기쌍"이란, 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 특이적으로 결합하여 증폭시킬 수 있는 한, 특별히 이에 제한되지 않으나, 일 예로서, 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 결합할 수 있는 정방향 및 역방향의 프라이머로 이루어진 모든 조합의 프라이머 염기쌍이 될 수 있고, 다른 예로서, 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 대하여 특이성 및 민감성을 갖고 결합할 수 있는 프라이머 염기쌍이 될 수 있다. 예를 들어, 상기 프라이머 염기쌍은 시료 내 존재하는 비-표적 서열과 불일치하는 서열로 구성되어, 상보적인 프라이머 결합 부위를 함유하는 표적 유전자 서열만 증폭하고 비특이적 증폭을 유발하지 않는 높은 특이성을 갖는 프라이머 쌍 일 수 있다.
본 발명의 용어 "프로브"란 시료 내의 검출하고자 하는 표적 물질과 특이적으로 결합할 수 있는 물질을 의미하며, 상기 결합을 통하여 특이적으로 시료 내의 표적 물질의 존재를 확인할 수 있는 물질을 의미한다. 상기 프로브의 구성물질은 상기 표적물질과 특이적으로 결합할 수 있는 한 특별히 이에 제한되지 않으나, 일 예로서 PNA(peptide nucleic acid), LNA(locked nucleic acid), 펩타이드, 폴리펩타이드, 단백질, RNA, DNA 등이 될 수 있고, 다른 예로서, cDNA, 게놈 DNA 등과 같은 DNA; 게놈 RNA, mRNA 등과 같은 RNA; 및, 항체, 항원, 효소, 펩타이드 등과 같은 단백질이 될 수 있다.
본 발명의 용어 "진단"이란, 병리 상태의 존재 또는 특징을 확인하는 일련의 행위를 의미한다.
본 발명의 목적상, 상기 진단은 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열을 검출하여, 알츠하이머성 치매 발병 위험성을 예측하는 행위를 의미하는 것으로 해석될 수 있으며, 이를 통해 알츠하이머성 치매의 발병여부를 조기에 진단할 수 있다.
본 발명의 또 다른 양태는 상기 알츠하이머성 치매 발병 위험성 진단용 조성물을 포함하는, 알츠하이머성 치매 발병 위험성 진단용 키트를 제공한다.
본 발명에서 제공하는 알츠하이머성 치매 발병 위험성 진단용 키트는 특별히 이에 제한되지 않으나, 일 예로서, RT-PCR(Reverse transcription polymerase chain reaction) 키트, DNA 칩 키트 등이 될 수 있다.
상기 알츠하이머성 치매 발병 위험성 진단용 키트는 분석 방법에 적합한 한 종류 또는 그 이상의 다른 구성성분 조성물, 용액 또는 장치를 추가로 포함할 수 있다.
일 예로서, 상기 키트는 역전사 중합효소반응을 수행하기 위해 필요한 필수 요소를 포함하는 것을 특징으로 하는 진단용 키트일 수 있는데, 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 특이적으로 결합할 수 있는 프라이머 이외에, 테스트 튜브 또는 다른 적절한 컨테이너, 반응 완충액(pH 및 마그네슘 농도는 다양), 데옥시뉴클레오타이드(dNTPs), Taq-폴리머라아제 및 역전사효소와 같은 효소, DNAse, RNAse 억제제 DEPC-수(DEPC-water), 멸균수등을 포함할 수 있다.
다른 예로서, 상기 키트는 DNA 칩을 수행하기 위해 필요한 필수 요소를 포함하는 것을 특징으로 하는 진단용 키트일 수 있다. DNA 칩 키트는 유전자 또는 그의 단편에 해당하는 cDNA 또는 올리고뉴클레오티드(oligonucleotide)가 부착되어 있는 기판, 및 형광표식 프로브를 제작하기 위한 시약, 제제, 효소 등을 포함할 수 있다. 또한 기판은 대조군 유전자 또는 그의 단편에 해당하는 cDNA 또는 올리고뉴클레오티드를 포함할 수 있다.
본 발명에서 제공하는 알츠하이머성 치매가 발병될 가능성을 평가할 수 있는 정보를 제공하는 방법을 이용하면, 알츠하이머성 치매가 발병되기 전에, 알츠하이머성 치매가 발병될 가능성이 있는 개체를 선발하고, 선발된 개체를 중점관리함으로써, 상기 개체의 알츠하이머성 치매 발병을 억제하거나 또는 상기 개체에서 알츠하이머성 치매가 발병된 경우 이들을 조기에 치료하여, 알츠하이머성 치매로 인한 피해를 감소시킬 수 있을 것이다.
도 1은 APOE 유전형 정보만을 평가모델에 적용하여 얻어진 ROC 커브이다.
도 2는 성별 정보와 APOE 유전형 정보만을 평가모델에 적용하여 얻어진 ROC 커브이다.
도 3은 성별 정보, APOE 유전형 정보 및 SNP 정보를 평가모델에 적용하여 얻어진 ROC 커브이다.
도 4는 종래의 공지된 SNP 정보와 APOE 유전형 정보를 사용하여 얻어진 ROC 커브이다.
도 5는 종래의 공지된 SNP 정보, APOE 유전형 정보 및 성별 정보를 사용하여 얻어진 ROC 커브이다.
이하 본 발명을 실시예를 통하여 보다 상세하게 설명한다. 그러나 이들 실시예는 본 발명을 예시적으로 설명하기 위한 것으로 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다.
실시예 1: 알츠하이머성 치매 발병가능성 평가모델의 개발
본 발명자들은 한국인 유전체 데이터를 기반으로 성별, APOE 유전형, 그리고 다수의 SNP들을 연계하여 알츠하이머 병으로 인한 치매 위험도를 예측하기 위한 모델을 개발하였다.
상기 모델 개발 및 평가하기 위하여, 907명의 알츠하이머성 치매 환자 및 1,126 명의 대조군을 포함하는 총 2033명의 참가자 정보를 사용하였다.
상기 참가자 중에서 500 명의 정보는 전체 게놈서열결정(Whole genome sequencing) 기법으로 분석하였고, 1533 명의 정보는 유전자 칩(DNA microarray) 데이터로 분석하였다.
또한, 이들 참가자 중에서 1,423 명의 정보는 모델 개발을 위한 학습용 정보로서 사용하였고, 610 명의 정보는 개발된 모델을 시험하기 위하여 사용하였다.
실시예 1-1: 모델의 구성조건 설정
실시예 1-1-1: 개체 성별에 따른 점수 배정
알츠하이머성 치매는 남자보다 여자에서 더 위험도가 높은 것이 밝혀져 있다(Laura Spinney, (2014) The forgetting Gene, Nature).
본 발명의 모델을 개발하기 위하여, 한국인에서의 성별 점수를 다음과 같이 부여하였다(표 1).
개체 성별 점수
성별 남 여
점수 1 2
실시예 1-1-2: APOE 유전형에 따른 점부 배정
ApoE 유전자가 나타낼 수 있는 6개의 조합에 대하여, e2 타입과 e4 타입 별로 위험도 점수를 다음과 같이 부여하였다(표 2).
APOE 유전형별 점수
유전형 e2 e4
e2/e2
e2/e3
e2/e4
e3/e3
e3/e4
e4/e4 		2
1
1
0
0
0		 0
0
1
0
1
2
실시예 1-1-3: SNP 선별
먼저, 앞서 다른 연구에서 보고된 SNP들를 포함하는 유전자들에 대하여 IGAP (International Genomics of Alzheimer's Project) 에서 제공하는 p-value <0.0001 의 SNP들중 한국인 전체 데이터에서 알치하이머성 치매 환자 그룹과 대조 그룹 사이에 association p-value가 0.1 보다 작고, 각 유전자별로 가장 유의한 p-value를 갖는 8개의 SNP을 선정하였다(Desikan RS, et al., (2017) Genetic assessment of age-associated Alzheimer disease risk: Development and validation of a polygenic hazard score. PLoS Med14(3): e1002258)(표 3).
1차 SNP 선별
Chromosome SNP Position Assigned
Genes		 Minor/Major allele MAF in Cases MAF in Controls P value OR (CI, 95%)
1 rs12743911 207816480 CR1 T/C 0.4504 0.4130 0.01809 1.165 (1.028-1.320)
2 rs13025765 127886233 BIN1 T/C 0.3440 0.3164 0.05954 1.133 (0.993-1.292)
2 rs4073363 233929545 INPP5D G/A 0.1114 0.0884 0.01655 1.293 (1.052-1.589)
6 rs12202615 47618171 CD2AP C/T 0.1331 0.0927 0.000028 1.503 (1.231-1.835)
7 rs2722266 37879488 GPR141 A/G 0.1508 0.1305 0.06401 1.184 (0.991-1.414)
11 rS2508688 85692342 PICALM A/C 0.2528 0.3139 0.00001169 0.739 (0.644-0.849)
11 rs7945931 121341262 SORL1 A/G 0.1632 0.1328 0.006763 1.274 (1.07-1.516)
19 rs4147929 1063443 ABCA7 A/G 0.3979 0.3539 0.005481 1.206 (1.062-1.371)
또한, 한국인 데이터에서 알츠하이머성 치매가 발병된 개체에서 특징적으로 유의하게 많이 검출되거나 또는 적게 검출된 SNP를 추가로 선별하였다(표 4).
2차 SNP 선별
Chromosome SNP Position Assigned
Genes		 Minor/Major allele MAF in Cases MAF in Controls P value OR (CI, 95%)
1 rs11166389 100466279 SLC35A3 A/G 0.0129 0.0373 1.28.E-06 0.337 (0.211-0.538)
2 rs4953113 44832451 CAMKMT C/A 0.2848 0.2380 7.62.E-04 1.275 (1.107-1.467)
6 rs1686162 105662112 POPDC3 T/G 0.0843 0.1316 1.96.E-06 0.607 (0.494-0.747)
7 rs80020083 158283748 PTPRN2 A/G 0.0359 0.0626 8.86.E-05 0.558 (0.413-0.753)
8 rs967326 18547261 PSD3 A/G 0.3366 0.2782 6.34.E-05 1.317 (1.151-1.506)
8 rs7832540 117714117 EIF3H A/G 0.0238 0.0460 1.21.E-04 0.505 (0.352-0.725)
10 rs78442236 109033178 SORCS1 A/G 0.0055 0.0235 3.26.E-06 0.231 (0.117-0.454)
16 rs199547700 66643738 CMTM3 A/G 0.0044 0 1.60.E-03 NA (NA-NA)
17 rs80325369 72726138 RAB37 C/G 0.1466 0.1925 9.16.E-05 0.721 (0.610-0.852)
20 rs76084175 55299558 TFAP2C A/C 0.0750 0.0449 4.28.E-05 1.726 (1.324-2.250)
21 rs2256552 36106786 LINC00160 C/G 0.2279 0.2978 3.95.E-07 0.696 (0.604-0.803)
실시예 1-2: 모델개발
공지된 coxph 함수를 사용하여 성별 및 APOE타입 그리고 앞서 발굴된 19개의 SNP마커들의 Coefficient를 추정하여 알츠하이머성 치매환자의 위험도 점수를 구하는 모델을 개발하였다.
상기 coxph 함수를 사용하는 방식은 해저드 비(Hazard ratio)를 이용하여 각 변수(variant)의 존재여부 및 이형접합과 동형접합의 여부에 따른 위험도를 기반으로 계수(Coefficient)를 추정하는 방식이다.
본 발명에서는 X1에 대한 coefficient인 β1을 추정하기 위하여, 다음 수식을 계산하고, 1)의 값을 2)의 값으로 나누어서 X1에 대한 해저드 비를 산출하였으며, 이러한 방식으로 각각의 계수를 추정하였다.
1) h(t,X1=1,X2,X3)=h0(t)exp(β1×1+β2X2+β3X3 …..)
2) h(t,X1=0,X2,X3)=h0(t)exp(β1×0+β2X2+β3X3 …..)
* h0(t) 는 baseline hazard function으로 모든 X (X1,X2,X3,…) 값이 0일대의 h함수 값이다.
* 계수의 추정은 통계 프로그램에 R에서 제공하는 coxph.fit 함수를 사용한다.
coxph.fit <- coxph(Surv(t, 환자여부) ~ X1 + X2 + X3)
t는 알츠하이머성 치매 환자의 경우는 치매 발병 나이이며, 대조 그룹의 경우는 현재 나이이다.
환자여부는 알츠하이머성 치매환자의 경우 0, 대조 그룹의 경우는 1이다.
X1, X2, X3, ... 은 본 모델에 사용되는 성별, e2, e4, 다수의 SNP을 의미한다.
상기 방식으로 추정된 각 계수는 다음과 같다(표 5).
각 구성요소별로 추정된 계수
구성요소 계수
성별
e2
e4
rs12202615
rs13025765
rs12743911
rs2722266
rs7945931
rs4147929
rs4073363
rs2508688
rs4953113
rs1686162
rs967326
rs7832540
rs78442236
rs80325369
rs76084175
rs2256552
rs11166389
rs80020083
rs199547700		 0.445988
-0.36084
0.822949
0.19013
0.151802
-0.10291
0.16375
0.210819
-0.02454
-0.00074
0.245635
0.063855
0.139596
-0.11522
-0.41143
-0.7515
-0.1201
0.076635
0.193344
-0.50929
-0.16782
0.102391
상기 추정된 계수를 이용하여, 다음과 같은 알츠하이머성 치매 발병가능성 평가모델을 개발하였고, 상기 평가모델을 "KPHS(Korean Polygenic Hazard Score) 모델"이라 명명하였다:
KPHS = exp(성별*0.445988 + e2*-0.360838 + e4*0.822949 + rs12202615*0.19013 + rs13025765*0.151802 + rs12743911*-0.102908 + rs2722266*0.16375 + rs7945931*0.210819 + rs4147929*-0.024538 + rs4073363*-0.000743 + rs2508688*0.245635 + rs4953113*0.063855 + rs1686162*0.139596 + rs967326*-0.115215 + rs7832540*-0.411425 + rs78442236*-0.7515 + rs80325369*-0.120102 + rs76084175*0.076635 + rs2256552*0.193344 + rs11166389*-0.509293 + rs80020083*-0.167815 + rs199547700*0.102391)
실시예 2: 알츠하이머성 치매 발병가능성 평가모델의 검증
610 명의 정보를 이용하여 상기 실시예 1에서 개발된 알츠하이머성 치매 발병가능성 평가모델의 성능을 검증하였다.
대략적으로, 상기 평가모델을 이용하여 610 명의 정보에 대한 각각의 위험도 점수를 산출하고, 이를 기반으로 ROC 커브를 형성한 후, 이의 AUC(Area Under Curve)를 측정하였다.
이때, AUC 값은 ROC 의 전체 면적 값이 되는데, 랜덤 모델의 경우 0.5의 값을 나타내고, 모델의 성능이 향상될 수록 1에 수렴한다고 알려져 있다.
실시예 2-1: APOE 유전형 정보만을 이용한 경우의 검증
상기 실시예 1에서 설정한 각 구성요소 중에서 APOE 유전형 정보만을 평가모델에 적용하고, 그 결과를 분석하였다(도 1).
도 1은 APOE 유전형 정보만을 평가모델에 적용하여 얻어진 ROC 커브이다.
도 1에서 보듯이, APOE 유전형 정보만을 평가모델에 적용하여 얻어진 ROC 커브에서는 0.704의 AUC 값을 얻을 수 있었다.
실시예 2-2: 성별 정보와 APOE 유전형 정보만을 이용한 경우의 검증
상기 실시예 1에서 설정한 각 구성요소 중에서 성별 정보와 APOE 유전형 정보만을 평가모델에 적용하고, 그 결과를 분석하였다(도 2).
도 2는 성별 정보와 APOE 유전형 정보만을 평가모델에 적용하여 얻어진 ROC 커브이다.
도 2에서 보듯이, 성별 정보와 APOE 유전형 정보만을 평가모델에 적용하여 얻어진 ROC 커브에서는 0.744의 AUC 값을 얻을 수 있었다.
실시예 2-3: 성별 정보, APOE 유전형 정보 및 SNP 정보를 이용한 경우의 검증
상기 실시예 1에서 설정한 각 구성요소 중에서 성별 정보, APOE 유전형 정보 및 SNP 정보를 평가모델에 적용하고, 그 결과를 분석하였다(도 3).
도 3은 성별 정보, APOE 유전형 정보 및 SNP 정보를 평가모델에 적용하여 얻어진 ROC 커브이다.
도 3에서 보듯이, 성별 정보, APOE 유전형 정보 및 SNP 정보를 평가모델에 적용하여 얻어진 ROC 커브에서는 0.792의 AUC 값을 얻을 수 있었다.
실시예 2-4: 비교검증
공지된 논문(Desikan RS, et al., (2017) Genetic assessment of age-associated Alzheimer disease risk: Development and validation of a polygenic hazard score. PLoS Med14(3): e1002258)에 기재된 알츠하이머 평가모델에서 사용된 SNP와 APOE를 한국인 데이터에서 Parameter를 학습하고 시험 데이터 셋에서 비교하였다(도 4).
대략적으로, 상기 논문에 개시된 SNP중 커스텀 칩에서 Quality check 를 통과한 21개의 SNP와 APOE의 e2, e4정보를 이용하여, 실시예 1에 기재된 1,423 명의 데이터에서 Parameter를 학습하고, 이를 기반으로한 하기 점수화 모델을 이용하여, 실시예 1에 기재된 610명의 데이터를 확인하였다:
DPHS = exp(e2*-0.36813+e4*0.90704+rs4266886*0.04357+rs61822977*0.03195+rs6733839*0.12182+rs10202748*-0.08101+rs115124923*-0.05417+rs1109581*0.1054+rs17265593*0.04258+rs2597283*-0.10923+rs1476679*0.17659+rs12679874*-0.02882+rs2741342*-0.08152+rs7831810*0.03543+rs1532277*0.21607+rs9331888*-0.0775+rs7920721*0.07816+rs7116190*0.01547+rs526904*0.74591+rs543293*-0.49631+rs12590273*-0.0811+rs7145100*-0.0515+rs2526378*-0.00845)
도 4는 종래의 공지된 SNP 정보와 APOE 유전형 정보를 사용하여 얻어진 ROC 커브이다.
도 4에서 보듯이, 종래의 공지된 SNP 정보와 APOE 유전형 정보를 사용한 경우에는, 0.703의 AUC 값을 얻을 수 있었다.
아울러, 점수화 모델을 제외하고는, 상술한 바와 동일한 방법으로, 공지된 알츠하이머 평가모델에서 사용된 SNP, APOE 유전형 및 성별 정보를 적용하여 평가하였다(도 5). 이때, 점수화 모델은 하기의 것을 사용하였다.
DPHS_성별 = exp(성별*0.53416+e2*-0.32266+e4*0.89238+rs4266886*0.04092+rs61822977*0.05985+rs6733839*0.11136+rs10202748*-0.07255+rs115124923*-0.06488+rs1109581*0.09287+rs17265593*0.07134+rs2597283*-0.14741+rs1476679*0.15202+rs12679874*-0.00278+rs2741342*-0.09838+rs7831810*0.02478+rs1532277*0.19714+rs9331888*-0.05763+rs7920721*0.09004+rs7116190*0.04645+rs526904*0.79398+rs543293*-0.51993+rs12590273*-0.03794+rs7145100*-0.03125+rs2526378*-0.02517)
도 5는 종래의 공지된 SNP 정보, APOE 유전형 정보 및 성별 정보를 사용하여 얻어진 ROC 커브이다.
도 5에서 보듯이, 종래의 공지된 SNP 정보, APOE 유전형 정보 및 성별 정보를 사용한 경우에는, 0.730의 AUC 값을 얻을 수 있었다.
상기 실시예 2-1 내지 2-4의 결과를 종합하면, APOE 유전형 정보에 성별 정보를 부가하거나 또는 본 발명의 SNP 정보를 부가하면, AUC 값이 증가됨을 확인하였다. 이는 종래의 SNP를 사용한 경우에 비하여, 현저히 증가된 값이기 때문에, 본 발명에서 제공하는 알츠하이머성 치매 발병가능성 평가모델은 종래의 평가모델에 비하여, 알츠하이머성 치매의 발병 가능성을 보다 높은 정확도를 갖고 예측할 수 있는 모델임을 알 수 있었다.

Claims (11)

  1. 개체의 성별, APOE(Apolipoprotein E) 유전형 및 다수의 단일염기 다형성(single nucleotide polymorphism, SNP) 유전형을 조합하는 단계; 및
    상기 조합에 의하여, 알츠하이머성 치매 발병가능성 평가모델을 제작하는 단계;를 포함하는, 개체로부터 알츠하이머성 치매의 발병을 예측할 수 있는 정보를 제공하는 방법으로서,
    상기 APOE 유전형은 e2/e2, e3/e3, e4/e4, e2/e3, e2/e4 및 e3/e4로 구성된 군으로부터 선택되고,
    상기 SNP는 rs12202615, rs13025765, rs12743911, rs2722266, rs7945931, rs4147929, rs4073363, rS2508688, rs4953113, rs1686162, rs967326, rs7832540, rs78442236, rs80325369, rs76084175, rs2256552, rs11166389, rs80020083, rs199547700 및 이들의 조합으로 구성된 군으로부터 선택되는 SNP인 것인, 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 SNP의 조합방식은 SNP 유전형의 이형접합 또는 동형접합을 기준으로 수행되는 것인, 방법.
  5. 제1항에 있어서,
    상기 조합은 선형 또는 비선형 회귀 분석방법; 선행 또는 비선형 classification 분석방법; ANOVA; 신경망 분석방법; 유전적 분석방법; 서포트 벡터 머신 분석방법; 계층 분석 또는 클러스터링 분석방법; 결정 트리를 이용한 계층 알고리즘, 또는 Kernel principal components 분석방법; Markov Blanket 분석방법; recursive feature elimination 또는 엔트로피-기본 recursive feature elimination 분석방법; 전방 floating search 또는 후방 floating search 분석방법; 및 이들의 조합으로 구성되는 군으로부터 선택되는 분석방법을 이용하여 수행되는 것인, 방법.
  6. 제1항에 있어서,
    상기 조합은 컴퓨터 알고리즘을 이용하여 수행되는 것인, 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 평가모델은 하기의 것인, 방법:
    KPHS = exp(성별*0.445988 + e2*-0.360838 + e4*0.822949 + rs12202615*0.19013 + rs13025765*0.151802 + rs12743911*-0.102908 + rs2722266*0.16375 + rs7945931*0.210819 + rs4147929*-0.024538 + rs4073363*-0.000743 + rs2508688*0.245635 + rs4953113*0.063855 + rs1686162*0.139596 + rs967326*-0.115215 + rs7832540*-0.411425 + rs78442236*-0.7515 + rs80325369*-0.120102 + rs76084175*0.076635 + rs2256552*0.193344 + rs11166389*-0.509293 + rs80020083*-0.167815 + rs199547700*0.102391).
  9. APOE 유전형을 검출할 수 있는 제제 및 다수의 SNP 유전형을 검출할 수 있는 제제를 포함하는, 알츠하이머성 치매 발병 위험성 진단용 조성물로서,
    상기 APOE 유전형은 e2/e2, e3/e3, e4/e4, e2/e3, e2/e4 및 e3/e4로 구성된 군으로부터 선택되고,
    상기 SNP는 rs12202615, rs13025765, rs12743911, rs2722266, rs7945931, rs4147929, rs4073363, rS2508688, rs4953113, rs1686162, rs967326, rs7832540, rs78442236, rs80325369, rs76084175, rs2256552, rs11166389, rs80020083, rs199547700 및 이들의 조합으로 구성된 군으로부터 선택되는 SNP인 것인, 조성물.
  10. 제9항에 있어서,
    상기 제제는 상기 APOE 유전자 또는 상기 SNP를 포함하는 염기서열에 특이적으로 결합할 수 있는 프라이머 염기쌍 또는 프로브인 것인, 조성물.
  11. 제9항 또는 제10항의 조성물을 포함하는, 알츠하이머성 치매 발병 위험성 진단용 키트.



KR1020180043328A 2018-04-13 2018-04-13 알츠하이머성 치매가 발병될 가능성 평가방법 KR102303638B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180043328A KR102303638B1 (ko) 2018-04-13 2018-04-13 알츠하이머성 치매가 발병될 가능성 평가방법
PCT/KR2019/004423 WO2019199105A1 (ko) 2018-04-13 2019-04-12 알츠하이머성 치매가 발병될 가능성 평가방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180043328A KR102303638B1 (ko) 2018-04-13 2018-04-13 알츠하이머성 치매가 발병될 가능성 평가방법

Publications (2)

Publication Number Publication Date
KR20190119859A KR20190119859A (ko) 2019-10-23
KR102303638B1 true KR102303638B1 (ko) 2021-09-23

Family

ID=68163228

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180043328A KR102303638B1 (ko) 2018-04-13 2018-04-13 알츠하이머성 치매가 발병될 가능성 평가방법

Country Status (2)

Country Link
KR (1) KR102303638B1 (ko)
WO (1) WO2019199105A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112151113A (zh) * 2020-09-27 2020-12-29 类承斌 一种迟发性阿尔茨海默症关联基因变异的早期筛查方法
KR102409708B1 (ko) * 2020-10-06 2022-06-20 한국 한의학 연구원 생체임피던스를 이용한 노인성 인지저하 선별 방법 및 장치
GB2616796A (en) * 2020-11-30 2023-09-20 Pcl Inc Novel biomarker for diagnosis of Alzheimer's disease, discovered from blood-derived exosomes, and method for diagnosing Alzheimer's disease using same
CA3214838A1 (en) * 2021-04-13 2022-10-20 Haruhisa Inoue Information processing method, information processing device, and program
KR102601131B1 (ko) * 2021-11-23 2023-11-13 한국 한의학 연구원 사용자의 치매 정도 결정 방법 및 장치
KR20230134755A (ko) * 2022-03-15 2023-09-22 사회복지법인 삼성생명공익재단 유럽 인구 데이터 기반 알츠하이머병 치매의 발병 위험군 또는 조기 증상 발현 위험군, 기억상실형 경도인지장애의 발병 위험군 및/또는 아밀로이드β 침착에 대한 PET 양성 위험군을 예측하기 위한 정보를 제공하는 방법
KR20230150497A (ko) * 2022-04-22 2023-10-31 사회복지법인 삼성생명공익재단 유럽-동아시아인 데이터 기반 알츠하이머병 치매의 발병 위험군 또는 조기 증상 발현 위험군, 기억상실형 경도인지장애의 발병 위험군 및/또는 아밀로이드β 침착에 대한 PET 양성 위험군을 예측하기 위한 정보를 제공하는 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10261029A (ja) * 1996-12-16 1998-09-29 Nissho Corp アルツハイマー病生涯罹病性の予測システム
JP2007166962A (ja) * 2005-12-21 2007-07-05 Japan Health Science Foundation アルツハイマー病の予測または診断の方法
PE20151924A1 (es) * 2008-08-12 2016-01-13 Zinfandel Pharmaceuticals Inc Metodo de identificacion de factores de riesgo de la enfermedad

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
삼성 서울 병원, '알츠하이머성 치매의 유전변이 발굴 및 검증', 미래창조과학부 바이오. 의료기술사업 제3차 연도 단계 최종보고서, 2017.07.21*

Also Published As

Publication number Publication date
WO2019199105A1 (ko) 2019-10-17
KR20190119859A (ko) 2019-10-23

Similar Documents

Publication Publication Date Title
KR102303638B1 (ko) 알츠하이머성 치매가 발병될 가능성 평가방법
Cruchaga et al. Rare coding variants in the phospholipase D3 gene confer risk for Alzheimer’s disease
Li et al. Replication of TCF4 through association and linkage studies in late-onset Fuchs endothelial corneal dystrophy
CN105143467B (zh) 用于预测间质性肺炎的风险的方法
Trabzuni et al. Fine-mapping, gene expression and splicing analysis of the disease associated LRRK2 locus
Koriath et al. Genetic testing in dementia—utility and clinical strategies
Kim et al. Association of BDNF promoter methylation and genotype with suicidal ideation in elderly Koreans
Konki et al. Peripheral blood DNA methylation differences in twin pairs discordant for Alzheimer’s disease
Reitz et al. A global view of the genetic basis of Alzheimer disease
Dabin et al. Altered DNA methylation profiles in blood from patients with sporadic Creutzfeldt–Jakob disease
Panitch et al. Blood and brain transcriptome analysis reveals APOE genotype-mediated and immune-related pathways involved in Alzheimer disease
Rajkumar et al. Next-generation RNA-sequencing of serum small extracellular vesicles discovers potential diagnostic biomarkers for dementia with Lewy bodies
US20030162207A1 (en) Multi-gene tests with ROC plots for the assessment of risk for polygenic disorders
Zhang et al. Single-cell transcriptomic atlas of Alzheimer’s disease middle temporal gyrus reveals region, cell type and sex specificity of gene expression with novel genetic risk for MERTK in female
KR102150490B1 (ko) 후성유전학적 마커를 이용한 파킨슨 병 진단방법 및 이를 이용한 진단용 조성물
RU2458131C1 (ru) Тест-система для определения мутаций в генах фумарилацетоацетат гидролазы и альфа-1-антитрипсина человека
Yalın et al. Novel SNARE complex polymorphisms associated with multiple sclerosis: signs of synaptopathy in multiple sclerosis
US20120190577A1 (en) Processes and methods for diagnosis of alzheimer&#39;s disease
Van Giau et al. Optimization of specific multiplex DNA primers to detect variable CLU genomic lesions in patients with Alzheimer’s disease
US20230220472A1 (en) Deterimining risk of spontaneous coronary artery dissection and myocardial infarction and sysems and methods of use thereof
KR102561438B1 (ko) 뇌 아밀로이드 베타 축적 가능성을 예측하는 방법
JPWO2007032496A1 (ja) ２型糖尿病の発症リスクの判定方法
JP2007166962A (ja) アルツハイマー病の予測または診断の方法
US11655507B2 (en) Method for diagnosing Parkinson&#39;s disease using nasal mucus, composition therefore, and kit comprising the same
KR20230134755A (ko) 유럽 인구 데이터 기반 알츠하이머병 치매의 발병 위험군 또는 조기 증상 발현 위험군, 기억상실형 경도인지장애의 발병 위험군 및/또는 아밀로이드β 침착에 대한 PET 양성 위험군을 예측하기 위한 정보를 제공하는 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant