전체 글92 MaveMD: 임상용 MaveDB 설계 MaveMD: a functional data resource for genomic medicine출처: https://link.springer.com/article/10.1186/s13073-026-01782-z논문 요약MAVE 데이터를 임상에서 바로 쓸 수 있게 정리해 보여주는 데이터베이스 MaveMD를 만든 논문이야.연구 목적유전자 검사를 받은 사람 중 최대 40%가 VUS(의미 불확실 변이) 결과를 받고, 이게 비유럽계에 더 몰려 있어. MAVE(수천 개 변이 기능을 한 번에 측정하는 실험)가 VUS 해결에 강력한데, 데이터가 논문 보충자료, 개별 연구실 웹사이트, GitHub 등에 흩어져 있고 calibration 정보도 보충 표에 묻혀 있어서 임상에서 쓰기 어려웠어. 연구 방법유전학 전문가 1.. 2026. 11. 22. MaveDB: 대규모 변이 기능 실험 데이터 MaveDB: an open-source platform to distribute and interpret data from multiplexed assays of variant effect출처: https://link.springer.com/article/10.1186/s13059-019-1845-6논문 요약수천~수만 개 변이의 기능을 한 번에 측정하는 실험(MAVE) 결과를 표준 형식으로 저장하고 공유하는 공개 데이터베이스 MaveDB와, 그 데이터를 시각화하는 도구 MaveVis를 소개한 논문이야.연구 목적MAVE는 deep mutational scanning이나 MPRA 같은 실험을 묶어 부르는 말이야. 2018년 말 기준으로 MAVE로 측정된 변이 수가 ClinVar에 분류된 missense 변.. 2026. 11. 21. All of Us: 약물 반응과 연관된 유전 변이 Frequency of pharmacogenomic variation and medication exposures among participants in the All of Us Research Program출처: https://www.science.org/doi/10.1126/scitranslmed.adt8040?referrer=https%3A%2F%2Fwww.linkedin.com%2F논문 요약미국 All of Us 프로그램 참여자 약 10만 명의 유전체를 분석해 보니, 약물 반응에 영향을 주는 약물유전체(PGx) 변이가 드문 게 아니라 거의 모든 사람에게 있다는 걸 보여준 연구야.연구 목적약효나 부작용이 사람마다 다른 이유 중 일부는 유전자에 있어. 그런데 이런 PGx 변이가 실제 인구에 얼마나 흔.. 2026. 11. 17. 5ULTRA: uORF와 Kozak 변이 영향 예측기 Genome-wide detection of human 5′ UTR variants that impact protein translation출처: https://pmc.ncbi.nlm.nih.gov/articles/PMC13087467/논문 요약WES/WGS 데이터에서 5′UTR 변이가 단백질 번역(translation)을 바꾸는지 찾아내고, 주석을 달고, 점수로 우선순위를 매겨주는 도구야.연구 목적5′UTR에는 리보솜이 번역을 시작할 위치를 정하는 Kozak 서열이 있어. 그리고 본 단백질 앞에 끼어 있는 작은 ORF인 uORF도 있어서 번역 효율을 조절해. 그래서 여기 생긴 변이는 단백질 양을 크게 바꿀 수 있어. 기존 도구(UTRAnnotator, MORFEE 등)는 uORF 데이터베이스가 작고, .. 2026. 11. 17. SpliceVault: splice-site 변이 영향 예측기 SpliceVault predicts the precise nature of variant-associated mis-splicing출처: https://pmc.ncbi.nlm.nih.gov/articles/PMC9925382/논문 요약공개 RNA-seq 데이터 약 33만 6천 개에서 자연스럽게 일어나는 "실수 splicing"을 모아, splice-site 변이가 실제로 어떤 비정상 splicing을 일으킬지 예측하는 방법이야.연구 목적GT-AG 같은 essential splice site 변이는 거의 확실하게 splicing을 망가뜨려. 하지만 그 결과가 exon skipping인지, cryptic splice site 활성화인지, 아니면 여러 가지가 섞이는지는 예측하기 어려웠어. 이게 중요한 이유는.. 2026. 11. 16. MitImpact 4: 미토콘드리아 해석 MitImpact 4: a genome-wide resource for the interpretation of coding and non-coding mitochondrial DNA variants 출처: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkag1070/9004249논문 요약미토콘드리아 DNA에서 생길 수 있는 모든 단일염기변이에 annotation을 붙인 데이터베이스 MitImpact 4를 소개하는 논문이야.연구 목적mtDNA 변이 해석 도구는 지금까지 단백질을 만드는 13개 유전자에만 집중돼 있었어. 그런데 정작 pathogenic 변이는 tRNA·rRNA 유전자에 많이 몰려 있어. mt-tRNA 유전자는 mtDNA의 약 1.. 2026. 11. 15. AlphaGenome 2 AlphaGenome 2 predicts regulatory activity and variant effects across cell states출처: https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/논문 요약DNA 서열 1Mb와 "어떤 세포인지(조직, 세포 유형, 세포 상태)"를 함께 넣으면, 그 세포에서 유전자 발현, 염색질 열림, 히스톤 표지 등을 예측하고 변이 효과까지 계산해주는 모델이야.연구 목적질환 관련 변이 대부분은 non-coding 영역에 있고, 그 효과는 특정 세포에서만 나타나는 경우가 많아. 싱글셀 아틀라스는 세포 상태를 잘 보여주지만 기증자 수가 적.. 2026. 11. 13. popEVE: missense 변이 해석 Proteome-wide model for human disease genetics출처: https://www.nature.com/articles/s41588-025-02400-1논문 요약진화 데이터와 인구 데이터를 합쳐서, 서로 다른 유전자의 missense 변이도 얼마나 해로운지 비교할 수 있게 만든 모델 popEVE를 소개한 논문이야.연구 목적EVE나 AlphaMissense 같은 기존 모델은 한 유전자 안에서 benign과 pathogenic을 가르는 건 잘해. 그런데 유전자마다 점수 기준이 달라서, 환자 한 명의 exome에 있는 수천 개 변이를 한 줄로 세우기는 어려워. 게다가 "성인기 질환" 변이와 "소아기 치명적 질환" 변이를 구분하지 못하고, 건강한 사람에게도 pathogenic 판정을 .. 2026. 11. 11. Non-coding 변이 ACMG/AMP 가이드 Recommendations for clinical interpretation of variants found in non-coding regions of the genome출처: https://pmc.ncbi.nlm.nih.gov/articles/PMC9295495/논문 요약단백질을 만들지 않는 영역(non-coding region)의 변이를 기존 ACMG/AMP 기준으로 어떻게 해석할지 정리한 전문가 권고안이야.연구 목적WGS가 진단에 많이 쓰이면서 UTR, intron, promoter, enhancer 같은 곳의 변이도 많이 나오는데, ACMG/AMP 기준은 거의 coding 변이를 전제로 만들어졌어. 그래서 이런 변이는 분석에서 빠지거나 VUS(의미 불명 변이)로 처리되는 일이 많았어.연구 방법.. 2026. 11. 11. 이전 1 2 3 4 ··· 11 다음