유전자형-표현형 상관관계

유전자형-표현형 상관관계는 특정 유전적 변이가 결과적인 임상적 특징 및 질환의 중증도와 어떻게 관련되는지를 연구하는 분야입니다. 단일 유전자 질환에서는 돌연변이를 아는 것이 표현형을 예측할 수 있게 하는지 여부를 묻는데, 많은 요인이 결과에 영향을 미치기 때문에 종종 불완전합니다.

Definition

유전자형-표현형 상관관계는 특정 유전자형(존재하는 변이 또는 변이 조합)과 표현형(관찰 가능한 임상적 특징) 사이의 관계를 의미하며, 유전자형이 질병 특성을 얼마나 잘, 어떤 방식으로 예측하는지를 설명합니다.

Scope

이 항목은 유전자형-표현형 상관관계가 무엇인지, 이를 강화하거나 약화시키는 요인(변이의 유형 및 중증도, 조절 유전자, 침투율, 발현도 등)은 무엇인지, 그리고 동일한 돌연변이가 왜 다른 표현형을 나타낼 수 있는지에 대해 설명합니다. 이는 단일 유전자 질환 내의 개념적 주제이며 임상적 지침은 아닙니다.

Core questions

• 돌연변이를 아는 것이 임상적 특징을 예측할 수 있는가?
• 동일한 유전자형을 가진 사람들이 때때로 중증도에서 차이를 보이는 이유는 무엇인가?
• 침투율, 발현도, 조절 유전자는 어떤 역할을 하는가?
• 변이 유형과 잔여 기능은 표현형을 어떻게 형성하는가?

Key concepts

• 침투율과 발현도
• 변이 중증도와 잔여 기능
• 조절 유전자
• 환경적 및 확률적 영향
• 유전자형의 예측 한계

Mechanisms

유전자형-표현형 상관관계의 강도는 변이가 표현형을 얼마나 직접적으로 결정하는지에 달려 있습니다. 변이가 기능을 크게 없애거나 보존하는 경우, 상관관계는 비교적 예측 가능할 수 있습니다. 반면, 결과가 잔여 활성, 조절 유전자, 불완전 침투율 또는 가변적 발현도에 따라 달라지는 경우, 동일한 유전자형이 다양한 표현형을 생성할 수 있습니다. Wilkie의 우성 설명은 돌연변이의 기능적 분류(기능 상실, 우성 음성, 기능 획득)가 표현형의 결정 요인 중 하나임을 보여줍니다. Kerem과 동료들의 낭포성 섬유증 유전자 분석은 일반적인 CFTR 변이를 특징화하여 특정 대립유전자가 임상적 특징과 어떻게 관련되는지 조사하는 모델을 제시했으며, 동시에 상관관계가 부분적임을 보여주었습니다.

Clinical relevance

유전자형-표현형 추론은 변이 발견이 어떻게 해석되고 질병 데이터베이스가 돌연변이의 예상되는 결과를 어떻게 요약하는지에 대한 기초를 이룹니다. 또한 분자 진단이 항상 개인의 경과를 예측하지 못하는 이유를 설명합니다. 이는 설명적 배경이며, 어떤 개인의 예후, 진단 또는 치료의 근거가 아닙니다.

History

1980년대 후반과 1990년대에 질병 유전자가 복제되면서, 유전자 식별에서 특정 변이와 임상적 특징을 연관시키는 것으로 관심이 옮겨갔습니다. 1989년의 낭포성 섬유증 연구는 이 질문에 대한 초기이자 영향력 있는 배경이 되었으며, OMIM과 같은 목록에 대립유전자-표현형 관찰이 축적되면서 유전자형-표현형 상관관계는 의학 유전학의 주요 주제가 되었고, 그 한계에 대한 인식이 커졌습니다.

Debates

단일 유전자 질환에서 유전자형이 표현형을 얼마나 신뢰성 있게 예측할 수 있는가?

고전적인 단일 유전자 질환에서도 조절 유전자, 불완전 침투율, 가변적 발현도는 동일한 변이가 다른 임상 양상을 나타낼 수 있음을 의미하므로, 유전자형의 예측 가치는 실재하지만 종종 부분적입니다.

Key figures

• Lap-Chee Tsui
• Batsheva Kerem
• Andrew Wilkie
• Victor McKusick

Seminal works

• kerem-1989
• wilkie-1994

Frequently asked questions

동일한 돌연변이가 다른 사람들에게 다른 질병 중증도를 유발할 수 있습니까?

네. 조절 유전자, 불완전 침투율, 가변적 발현도 및 환경적 요인으로 인해 동일한 유전자형이 다른 표현형을 생성할 수 있습니다.

유전자형-표현형 상관관계가 불완전하다면 왜 유용한가요?

개별 결과를 확실하게 예측하는 경우는 드물지만, 변이를 해석하고 돌연변이 유형과 관련된 일반적인 특징을 설명하는 데 여전히 도움이 됩니다.