마이크로어레이 - gift (글로벌 미래동향 지식...

마이크로어레이

박태성

머 리 말

21세기는 지식과 정보가 그 국가의 경쟁력을 좌우하는 지식

기반 산업사회로 나아가고 있으며, 최고가 아니면 살아남을

수 없는 무한경쟁시 가 되어가고 있습니다. 이러한 변화 속

에서 각 국가에서는 미래 유망기술 (Emerging Technology)

을 선정하여 국가 역량을 집 함으로써 차세 국가경쟁력을

확보하려는 여러 가지 노력을 기울이고 있습니다.

최근 우리나라에서도 미래 유망기술에 한 심이 어느 때

보다도 증 되고 있는 가운데, 한국과학기술정보연구원에서는

과학계량학 인 방법으로 미래 국가 유망기술을 측하기

한 일련의 연구를 수행하고 있습니다.

본 보고서는 과학기술정보데이터베이스 (SCIE)에서 최근 6

년간 분야별 피인용도가 높은 핵심논문들을 가지고 정보계량

학 인 분석을 행하여 선정된 핵심 유망 연구 역에 해

련 국내 문가들의 자문을 토 로 작성된 R&D 동향보고서입

니다. 본 보고서가 련 과학기술정보를 국내에 확산시키고,

미래 국가유망기술의 략 육성을 한 연구개발 활동에 작

으나마 도움이 되었으면 합니다.

마지막으로 본 보고서를 집필한 자들의 노고에 감사드리

며, 본고의 내용은 한국과학기술정보연구원의 공식의견이 아

님을 밝 둡니다.

2005년 12월

한국과학기술정보연구원

원 장

ⅰ

목 차

제1장 서 론 ······················································································1

1. 연구의 배경 ····························································································1

2. 연구의 방법 ····························································································2

제2장 마이크로어 이의 개요 ··························································3

1. 마이크로어 이 ·······················································································3

2. 마이크로어 이의 응용분야 ···································································6

3. 마이크로어 이의 기본 원리 제작 방법 ··········································9

가. 마이크로어레이의 기본 원리 ······································································9

나. 마이크로어레이 제작 방법 ·······································································11

제3장 마이크로어 이의 종류 ························································17

1. cDNA 마이크로어 이 ·······································································17

2. Affymetrix Oligonucleotide chip(GeneChip) ······································21

제4장 마이크로어 이 자료 분석 ··················································29

1. 분석 개요 ······························································································29

2. DNA microarray 자료의 표 화 ·························································31

가. 슬라이드내 표준화 ·················································································33

나. 슬라이드간 표준화 ·················································································38

3. 유의한 유 자 탐색(identifying differentially expressed genes) ······40

가. 그룹이 2개인 경우 ·················································································41

나. SAM ···································································································44

제5장 결론 제언 ·········································································49

참고 문헌 ··························································································53

ⅲ

표 목차

<표 2-1> DNA 마이크로어 이의 여러 가지 제작 기술 ···························14

그림 목차

<그림 2-1> 유 자 발 연구에 사용되는 마이크로어 이의 general

overview ····················································································12

<그림 2-2> 마이크로어 이 실험의 모식도 ················································13

<그림 2-3> 핀마이크로어 이와 잉크젯 린 어 이의 스팟 모식도 15

<그림 3-1> cDNA 칩의 이미지 ···································································17

<그림 3-2> cDNA 마이크로어 이 실험 ·····················································18

<그림 3-3> cDNA 자료의 구조 ···································································20

<그림 3-4> 마이크로어 이 슬라이드의 일반 인 모양 ·····························20

<그림 3-5> GeneChip의 Array output ························································21

<그림 3-6> Affymetrix GeneChip. ····························································23

<그림 3-7> Affymetrix DNA 칩 제작 과정 ···············································24

<그림 3-8> 식각법(Photolithography)을 이용해서 고체 기질 에

올리고뉴클 오티드를 합성하는 과정 ······································24

<그림 3-9> 특정부분만 빛이 들어가게끔 만들어진 마스크를 통해 칩에

빛이 어지는 그림 ··································································25

<그림 3-10> Affymetrix GeneChip의 모식도 ·············································25

<그림 3-11> GeneChip이 혼성화(Hybridization)하는 것을 보여주는 그림 26

<그림 3-12> Expression probe와 array design ···········································27

ⅳ

<그림 4-1> 반복실험된 두 cDNA microarray 실험 결과 ·························32

<그림 4-2> intensity dependent LOWESS 표 화방법을 용한 결과 ··· 37

<그림 4-3> print-tip intensity dependent LOWESS 표 화방법을 용한

경우 ····························································································37

<그림 4-4> Leukemia(ALL:27 / AML:11) DNA microarray data ········39

<그림 4-5> 표 화 후의 Leukemia DNA microarray data ·······················40

<그림 4-6> SAM을 이용한 유의한 유 자의 정 ····································46

<그림 4-7> SAM에서 얻어진 유 자 목록을 가지고 그린

Normalized Gene Expression ····················································47

1

제1장

서 론

1. 연구의 배경

○ 21세기 지식기반사회에서 과학기술경쟁력은 국가경쟁력

의 원천이며, 이에 세계 각국들은 미래의 경쟁에 살아남

기 해 핵심기술과제를 선정하여 연구개발에 박차를

가하고 있음.

○ 우리나라 과학기술부도 2005년 6월 ‘미래국가유망기술

원회’를 구성하여 ‘과학기술 측조사(2005-2030)’ 결과

(2005년 5월, 국가과학기술 원회 보고)에서 도출된 기

술후보군을 바탕으로 『미래 국가유망기술 21』을 선정

하여 발표한 바 있음.

○ 한 한국과학기술정보연구원(KISTI)에서는 2005년 SCIE

논문데이터베이스를 이용한 정보계량학 분석을 통해

『미래 유망연구 역 선정연구』를 시도하 으며, 본 보고

서는 그 결과에 기 하여 최근 2～3년간 논문의 인용도가

속히 높아지고 있는 유망 연구 역을 심으로 기술논

평 형식으로 풀이한 심층 Expert Review임.

2 마이크로어레이

2. 연구의 방법

○ 한국과학기술정보연구원에서는 SCIE 데이터베이스에 등

록된 논문(1999~2005년 상반기까지 발표된 논문) 에

서, 각 연도 각 분야별( 분류 22분야)로 피인용수

가 상 1%인 고인용 논문(HCP; Highly cited papers)

을 추출하고 공인용분석(Co-citation analysis) 동시단

어분석(Co-word analysis) 등의 과학계량학 방법들과

문가 평가(Expert evaluation)를 통해 ‘미래 유망연구

역’을 도출하 음.

○ 상기 도출된 미래 유망연구 역 에서 통계학 방법으

로 최근 논문의 인용도가 격히 상승하는 연구 역을

과학기술 분야별로 추출하여 본 테크이슈 보고서의 주제

로 삼았음.

○ 본 보고서는 마이크로어 이(Microarray) 기술에 있어서

최근 많이 발표되고 있는 논문들을 종합하여 련 분야

연구에 한 기 지식과 함께 세계 인 연구동향을 개

으로 살펴보고, 미래 핵심기술로 자리잡기 한 연

구개발 략을 제시하 음.

3

제2장

마이크로어레이의 개요

1. 마이크로어레이

○ DNA 마이크로어 이(Microarray)란 염기서열을 알고

있는 DNA 분자를 소형 기 에 고 도로 배열해 놓

은 것이다. 마이크로어 이의 장 은 량의 유 자 발

상황을 총체 으로 탐색할 수 있다는 것이다.

○ DNA 마이크로어 이 기술은 화학과 분자생물학을 비롯

한 기계공학, 자공학 등의 여러 분야가 융합되어 만들

어진 기술로 생명 상과 련된 유 체 수 의 연구에

크게 기여하고 있다.

○ 마이크로어 이의 종류는 재, 칩 에 올려지는 물질

의 종류에 따라, DNA 칩, 단백질 칩, 세포 칩, 신경세포

칩 등 여러 가지가 있지만, 여기서는 마이크로어 이라

함은 DNA 마이크로어 이를 의미한다.

○ 10여 년간의 인간유 체사업 결과로 우리는 인간이 지니

고 있는 30억 개의 DNA 염기서열을 모두 해독하게 되


었으며, 방 한 양의 인간유 체 DNA 서열 정보를 얻게

되었다. 인간유 체사업의 목 은 유 체의 서열 정보를

해독하는 것과 더 나아가 궁극 으로 유 체들의 기능과

구조를 밝히는 것이다 (Rashidi and Buehler, 2000). 따

라서 방 한 서열 정보를 기반으로 하여, 생물․의학

으로 유용한 정보를 이끌어내기 한 유 체 연구가 활

발하게 진행되고 있다.

○ 인간의 생명 상은 수 만개에 이를 것으로 추정되는 유

자들과 다른 물질들 사이의 복잡한 상호 작용에 의해

이루어지는 것으로 알려져 있다. 통 인 hypothesis

driven 방법으로는 수 만개의 유 자들 간의 계를 살

펴보는 데에 한계가 있다.

○ DNA 마이크로어 이 기술은 수 만 개의 유 자 조각들

을 하나의 마이크로어 이에 놓을 수 있기 때문에, 체

유 체에 한 정보를 한번의 실험에서 얻을 수 있다.

몇 개의 유 자만을 상으로 하는 서던법(Southern

method)이나 노던법(Northern method)을 통한 기존 기

술과는 비교도 안 될 정도로 상당히 많은 정보를 얻을

수 있는 특징이 있다. 따라서 마이크로어 이 기술은 방

한 서열 정보를 바탕으로 하는 유 체의 구조와 기능

을 밝히려는 기능 유 체학 연구에 필수 인 도구가 되

었다.

○ 통 인 생물학 연구의 hypothesis-driven 기법과 구별

하여, DNA 마이크로어 이 기술은 “data-driven”이라

제2장 마이크로어레이의 개요 5

부른다. 자는 가설에 기 하여 실험하고 상을 설명

하는 반면, 후자는 가설 없이 실험하여 자료를 얻고 분

석을 하여, 그것을 기반으로 새로운 가설과 모형을 구축

한다. 마이크로어 이를 사용한 data-driven 기법은

량의 자료에서 유용한 지식을 찾는 것이 목 이며, 다수

의 타당한 가설들(plausible hypotheses)을 생성해 낸다.

○ DNA 마이크로어 이를 통해 확인된 유 자의 발 형태는 기

존의 연구방법인 RT-PCR(Reverse Transcriptase Polymerase

Chain Reaction)이나 단백질 분석 등을 통해 다시 검증한다. 앞

으로의 마이크로어 이 련 연구는 량의 유 체 자료로부터

보다 가능성 있는 높은 가설을 생성해 주는 역할을 하는 방향으

로 활발히 응용될 것으로 기 된다.

○ DNA 마이크로어 이 기술은 1995년 Stanford 학의 Pat

Brown Lab에서 유 자의 발 변화를 연구하기 한 목

으로 DNA 마이크로어 이를 처음 개발하 다 (Eisen,

et al., 1998, 1999). 마이크로어 이는 기 에 배열하는

DNA의 길이에 따라서 올리고 칩(oligo chip)과 cDNA 칩

으로 구분한다. cDNA 칩에는 최소한 500개 이상의 염기

들로 구성된 유 자가, 올리고 칩에는 15-25 개의 염기들

로 이루어진 올리고뉴클 오티드(oligonucleotide)가 사용

된다.

○ 올리고뉴클 오티드 칩( 는 올리고 칩)은 정확한 염기

서열을 알고 있기 때문에 하나의 염기변화에 한 다형

성에 한 연구가 가능하다는 장 이 있다. 단일염기다


형성(Single Nucleotide Polymorphism, SNP)이란 DNA

염기서열이 보통 100에서 300 염기마다 하나씩 바 는

것을 말하며, 평균 으로 인구집단의 1% 이상의 빈도로

일어나는 유 인 변이를 말한다.

2. 마이크로어레이의 응용분야

○ DNA 마이크로어 이 기술의 응용분야는 유 자 발굴

(gene discovery), 암 분류(tumor classification), 유 자

발 형태에 따른 질병 험도 평가(risk assesment),

질병 후 진단(prognosis prediction) 질병진단(disease

diagnosis), 신약 개발(drug discovery), 독성학연구

(toxicological research), 식품 안정성 평가, 유 병 연구

등 그 범 는 아주 넓다.

○ 마이크로어 이는 서로 다른 조직이나 조건의 차이에서

다르게 발 되는 유 자를 찾고, 기존에 알고 있는 유

자 발 형태를 기 로 하여 새로운 유 자 발굴에도 사

용되고 있다. 한 하나의 유 자가 다른 유 자들과 어

떻게 상호작용(interaction)하는지를 규명하는 연구에도

리 쓰이고 있다 (Brazhnik et al., 2002).

○ 마이크로어 이 기술은 군집분석(clustering analysis)을

통해 발 형태가 비슷한 유 자군을 찾기 한 연구에

응용될 수 있다. 이를 통해 유 자의 기능을 찾을 수 있


다 (Eisen, et al., 1998).

○ Golub et al. (1999)은 마이크로어 이 기술을 통해 임상

으로 구분이 되지 않는 암 종류를 더 세분하여 새로운

암 종류를 찾을 수 있는데 유용하게 사용될 수 있음을

입증했다.

○ 마이크로어 이 기술은 암의 발 단계별로 유 자 발

변화를 감지하여 질병 진행 정도에 따라 다르게 반응하

는 유 자를 식별해 내는데 사용될 수 있다 (Alizadeh,

et al., 2000).

○ 시간이나 상태에 따라 변하는 유 자 발 형태를 통해

유 자 발 pathway를 구성하려는 노력도 이루어지고

있다. 한 세포주기(cell cycle)에 여하는 마이크로어

이 실험을 통해 세포주기조 에 여하는 유 자에

한 연구도 많이 진행되었다 (Friedman et al., 2000;

Spellman, et al., 1998).

○ 질병이 하나의 유 자만에 의해 발생되는 경우는 드물

고, 여러 가지 유 자들이 상호 작용하여 향을 미치는

경우가 많으므로, 이러한 상들을 찰하는 데에도

체 유 자의 발 양상을 총체 으로 볼 수 있는 마이크

로어 이의 사용은 필수 이라 하겠다 (Schena, 1999;

Weinstein, 2002).

○ 독성유 체학(toxicogenomics)이란 기능유 체학과 분자


독성학의 목분야이다. 독성유 체학의 목 은 개체가

어떤 독성물질에 노출되었을 때 그에 따른 유 자의 변

화를 살펴보고, 그 계를 알아보는 것이다.

○ 약물유 체학(pharmacogenomics)은 유 체로부터 약물

의 사 등에 련된 량의 자료를 생산해 내고 유

체 분석을 통하여 약물에 한 환자의 반응을 미리

측하고, 여러 약물 에 그 환자에게서 가장 좋은 치료

효과를 보이면서도 부작용이 최소일 것으로 상되는

약물을 선정하는 맞춤의학의 한 분야이다.

○ 마이크로어 이 기술은 약물 투여 과 후의 유 자 발

변화를 체 유 체 수 에서 살펴볼 수 있고, 약물

사와 련된 요한 약물유 체학 자료를 생성해

것으로 기 한다 (Slonim et al., 2001).

○ Scherf et al .(2000)은 60개의 암 세포주(cell line)를

가지고 유 자 발 수 을 측정하고, 70,000 여개가 넘

는 잠재 인 항암 치료제에 한 세포주의 민감성을 비

교하 다. 이 연구를 통해 항암 치료제에 민감한 주요한

유 자 발 형태를 발견하 으며, 공통 으로 약물에

해 잠재 (potential) 민감성을 갖는 세포주들을 군집

화하 다.

○ 마이크로어 이 기술은 낭포성 섬유증 (Srivastava et

al., 1999), 정신분열증 (Kawanishi et al., 2000) 등을 비

롯한 여러 질병의 연구에도 사용되고 있다.


3. 마이크로어레이의 기본 원리 및 제작 방법

가. 마이크로어레이의 기본 원리

○ 세포내에서 기능을 하는, 단백질을 구성하는 아미노산들

을 결정짓는 염기들이 있는 DNA 부분을 유 자라고 한

다. Genomic DNA는 이 나선구조로 핵 안에서 단단히

꼬여져 있다. DNA의 염기 배열 단백질로 변환되는

부분은 핵 안에서 mRNA로 사된 다음 핵공을 통해

빠져나온 후, 세포질의 리보솜에서 단백질 합성을 시작

한다. DNA의 염기 배열 , 단백질로 변환되는 부분은

사되어 세포 안에서 mRNA로 존재한다.

○ 세포에 존재하는 mRNA의 양이 그 로 단백질의 양과

반드시 동일한 것은 아니지만, 앞으로 만들어질 가능성

있는 단백질의 양을 나타내고 있는 것이기에 이를 통해

서 세포의 활동상과 상태를 알 수 있다.

○ 특정 유 자를 사(transcription)하여 만들어진 mRNA

는 추후 번역(translation)과정을 통해 단백질을 생성하

는데 사용되므로 mRNA의 양은 해당 유 자의 발 정

도를 나타내는 척도로 삼을 수 있다.

○ 측정된 mRNA의 양이 많을 때에는 해당 유 자가 활성

화되었다는 것을 뜻하며, 을 때에는 유 자가 비활성

화 되었다는 것을 뜻한다. 유 자를 찾을 때는 mRNA를


찾으면 된다.

○ RNA는 DNA와 달리 단일 나선으로 불안정하며, 한

수명이 짧기 때문에 실험실에서 다루기가 힘들다. 그래

서 보통 유 자 발굴에는 RNA를 인공 으로 이 나선

의 DNA로 환시키는데, 이것이 바로 cDNA

(complementary DNA)다.

○ cDNA는 DNA안에 mRNA로 사되는 부분만을 인공

으로 만들어 낸 것이다. RNA의 염기는 티민(T)이 우라

실(U)로 바 것을 제외하고는 DNA와 동일하다.

○ DNA에서 사된 mRNA는 핵에서 빠져나올 때 3��부

분에 아데닌(A)을 달고 나온다. 이것을 poly A tail 이

라고 하며, 세포질에 있는 mRNA가 가지고 있는 특성

의 하나이다. mRNA가 있는 곳에 티민(T)으로 구성

된 poly T primer와, RNA를 DNA로 역 사 시키는 역

사효소(reverse transcriptase)를 넣어주면, DNA가 합

성되면서 RNA-DNA 결합체가 생긴다. 여기에 다시

RNA를 분해하는 Rnase H 효소를 넣어주면, RNA가 분

해되는데, 이때 모든 RNA가 완 히 분해되지는 않는다.

분해되지 않고 남아있는 RNA 조각들을 primer로 사용,

DNA 합효소(DNA polymerase)를 이용하여 상보 인

DNA 가닥을 만들게 되는데, 이것이 cDNA이다.

○ cDNA 자체가 반드시 하나의 완 한 유 자를 의미하지

는 않는다. cDNA는 생체내에서 발 되는 유 정보의 일


부이다. 생체내에서 발 되는 유 정보들을 모아놓은 것

을 cDNA library라 한다.

○ 보통 cDNA 마이크로어 이에서는 소형 기 에 고

도로 미리 올려놓은 로 (probe)로 cDNA를 주로 쓴

다. 로 는 어 이 에 미리 심어 놓는 DNA 서열로,

이를 통해 특정 조건에서 어느 서열 정보가 발 되었는

지를 알 수 있다.

○ 올리고뉴클 오티드(oligonucleotide)는 10bp에서 60bp의

염기로 구성된 길이가 짧은 뉴클 오티드를 의미한다.

나. 마이크로어레이 제작 방법

○ 세포가 나타내는 특성은 발 되는 유 자들의 상호작용

결과이다. 세포의 상태를 표 하는 방법 하나는 주어

진 상태에서 어떤 유 자들이 얼마 만큼 발 이 되고 있

는지를 정량 으로 표시하는 것이다.

○ DNA 마이크로어 이는 노던법을 응용․확장한 것으로,

한 번의 실험으로 용량의 유 자발 을 측정할 수 있

다. DNA 마이크로어 이는 DNA가 상보 으로 결합하

는 성질을 이용하는 것이다.

○ <그림 2.1>에 유 자 발 연구에 사용되는 DNA 마이크

로어 이의 핵심 원리가 잘 나타나 있다. 즉, 심 있는


조직에서 mRNA를 추출하여 유 자 발 을 탐지할 수

있는 염료(dye)를 붙인 cDNA( 는 cRNA)를 만들고,

이를 미리 만들어진 DNA 마이크로어 이에 혼성화 시

키면 서로 상보 인 서열이 있는 부분에서는 형 이 나

타난다. 형 의 강도를 측정해서 유 자의 상 인 발

량을 알아본다.

<그림 2-1> 유 자 발 연구에 사용되는 마이크로어 이의

general overview. (Draghici., 2003)

○ <그림 2-2>은 유 자 발 연구를 한 DNA 마이크로

어 이 실험의 반 인 순서를 보여 다. 실험계획을

세우고, 심있는 상(마이크로어 이실험에서는 보통

표본(sample) 이라고 함)에서 RNA를 추출한다. 추출한

RNA에 형 염료(fluorescent dye)로 표지(labelling)를

한다. 이 게 표본을 비하여 마이크로어 이에 혼성화


(hybridization) 시켜 다. 결합이 되지 않은 유 자들을

씻어낸 다음에 스캐 를 통해 형 의 강도를 측정하여

수치로 나타내어주고, 이 게 얻어진 자료들은 일련의

표 화 과정을 거친 후에 유의하게 발 된 유 자를 탐

색하고, 군집 분석 등을 실시한다.

<그림 2-2> 마이크로어 이 실험의 모식도

(Leung et al. 2003)


○ DNA 칩은 제작방법에 따라 일반 으로 네 가지로 분류할

수 있는데, 핀마이크로어 이(pin microarray), 잉크젯

린 (inkjet printing) 어 이, 식각(photolithography)

칩, 자 어 이(electronic array)이다. <표 2-1>에 마이크

로어 이의 제작 방법과 이에 따라 재 만들 수 있는 칩

의 종류, 련 회사가 정리되어 있다.

<표 2-1> DNA 마이크로어 이 여러 가지 제작 기술

제작 기술 특 징 DNA chip 관련회사

P i n

microarray

Pin을 이용한

microarrayspotting

cDNA,

oligonucleotide

Incyte

GenomicsMolecular

CynamicsMucrosys

temsGenomic

solution

InkjetInkjet 원리를 이용한 micro

dropping

cDNA,

oligonucleotide

CartesianIncyte

GenomicsPackard

Instruments

Phothlithogr

aphy

Photolithography를

이용하여 oligonucleotide를

직접 합성하면서 제작

oligonucleotide Affymetrix

E lec t r on i c

array전기를 이용하여 제작 oligonucleotide

Nanogen

Motorola Life

Science

○ 핀마이크로어 이는 1995년 Stanford 학의 Brown

Lab(Patrick O. Brown; http://cmgm.stanford.edu/

pbrown)에서 처음 개발된 후, Incyte Genomics에서 상

업화 한 방식이다. 이것은 자동화 시스템(robotic print

head)를 이용하여, PCR을 통해 증폭된 유 자가 담겨

져 있는 well plate에서 유 자를 어서 마이크로어

이 슬라이드에 직 는 방식이다.

○ 잉크젯 방식은 잉크젯 원리를 이용하여 칩을 만드는 것


으로, 핀 신에 컴퓨터 잉크젯 린터에서 쓰이는 것과

같은 원리의 카트리지를 사용하는 것이다. 이 카트리지

안에 유 자가 들어 있어서 기 인 힘으로 유 자를

마이크로어 이 슬라이드 에 뿌리는 것이다.

○ 핀마이크로어 이는 핀이 칩 표면에 직 닿는 것에 비해

잉크젯 린 어 이는 칩 표면에 닿지 않고 뿌릴 수 있

어 정량의 유 자가 붙어 있는 칩을 생산할 수 있다는 장

이 있으나, 카트리지 안의 유 물질 교환과 같은 기술

인 문제가 있다. <그림 2-3>에 핀마이크로어 이와 잉

크젯 린 어 이의 제작방식이 잘 나타나 있다.

<그림 2-3> 핀마이크로어 이와 잉크젯 린

어 이의 스팟 모식도.

○ 식각 칩은 Affymetirx사에서 반도체칩 제작에 사용되

는 식각 기술을 응용하여 유리 에 수 만개의 다른

염기들을 직 합성하여 칩을 제조한 것이다. 이 방법은

15～25개의 염기로 이루어진 올리고뉴클 오티드를 칩

에서 직 합성하는 데에 이용된다.


○ Affymetrix사에서 식각법을 이용하여 시 하고 있는

올리고뉴클 오티드 칩을 GeneChip이라 부른다. 보통

올리고 칩은 Affymetrix사의 GeneChip을 의미했으나,

요즘은 핀마이크로어 이 방식과 잉크젯 방식으로 올리

고뉴클 오티드를 붙여 만든 올리고뉴클 오티드 칩을

의미하기도 한다.

○ 자 어 이는 DNA의 음(-) 하 성질을 이용, 칩 표면특

정 치에 (+) 기를 넣어 그 치에 원하는 유 자를 붙

게 만드는 방법으로 미국의 Nanogen에서 개발한 칩이다.

○ 핀을 이용한 마이크로어 이 스팟 이나 잉크젯의 원리

를 응용한 기술로 만들어지고 있는 cDNA 칩은 비교

은 비용과 쉬운 제작방식으로 인해 재 리 사용되

고 있으며, Affymetrix사의 올리고 칩은 반도체 집 기

술을 목시켜 높은 집 도와 응용성뿐만 아니라 신뢰성

높은 결과물을 제공하고 있어 주목받고 있는 기술이다.

○ DNA 마이크로어 이 칩은 제작방법에 따른 분류 외에

도 칩 에 부착되는 로 (probe)의 종류에 따라서도

분류된다. 로 는 칩 에 부착되는 개개의 유 자나

EST를 의미한다. 제작 방법에 따른 분류보다는 칩 에

부착되는 로 의 종류(cDNA 는 올리고뉴클 오티

드)에 따라서 분류하는 것이 좀 더 일반 이다. 다음에

서 재 리 사용되고 있는 cDNA칩과 올리고뉴클 오

티드 칩을 좀 더 자세히 살펴보자.

17

제3장

마이크로어레이의 종류

1. cDNA 마이크로어레이

<그림 3-1> cDNA 칩의 이미지

○ <그림 3-1>는 유 자 발 연구에 한 마이크로어 이

실험을 통해 얻어진 cDNA칩 이미지이다. 녹색이나

색은 특정 조건( 를 들면, 암 는 정상세포)에 치우친

유 자임을 뜻하고, 노란색은 두 가지 조건에서 동일하

게 발 되는 유 자임을 나타낸다.


○ 마이크로어 이 실험 과정은 크게 세 부분으로 나 수

있다. 마이크로어 이를 만드는 과정, 표본들로부터

RNA를 추출하여 마이크로어 이와 혼성화시키는 과정,

스캐닝을 하여 정량화하고 분석을 하는 과정이다.

○ <그림 3-2>는 cDNA 마이크로어 이 실험에 한 그림

이다. 심있는 조직에서 mRNA를 추출하여 유 자 발

을 탐지할 수 있는 염료(dye)를 붙인 cDNA( 는

cRNA)를 만들고, 이를 미리 만들어진 DNA 마이크로어

이에 혼성화 시키면 서로 상보 인 서열이 있는 부분

에서는 형 이 나타난다. 형 의 강도를 측정해서 유

자의 상 인 발 량을 알아보는 것이다.

<그림 3-2> cDNA 마이크로어 이 실험 (Duggan et al,. 1999)

제3장 마이크로어레이의 종류 19

○ cDNA 마이크로어 이 슬라이드 한 장에 기록되는

cDNA 수는 게는 수백 개에서 많게는 수 만개에 달

한다. 즉 cDNA실험을 통해서 동시에 수 백 개에서 수

만개에 달하는 유 자의 발 양상을 한번에 살펴볼 수

있음을 뜻한다.

○ 실험이 끝난 슬라이드에 해서는 이미지분석(image

analysis)을 통해 뽑아진 유 자 발 정보들의 수치를

토 로 일련의 자료처리를 거쳐 유 자 발굴 작업을 하

게 된다.

○ <그림 3-3>은 cDNA 마이크로어 이 자료의 일반 인

구조를 보여주고 있다. 이 자료는 유 자를 나타내는

행, 표본 정보가 있는 열과 발 값으로 구성된다.

○ <그림 3-4>은 cDNA 마이크로어 이 슬라이드의 일반

인 모양을 보여 다. 하나의 슬라이드는 여러 개의

subarray로 나뉘며, subarray는 다시 같은 핀으로 지

는 핀 그룹으로 구성되며, 핀 그룹은 각각 스팟으로 구

성되어 있는데, 보통 이 스팟이 개개의 유 자나 EST를

의미한다.


<그림 3-3> cDNA 자료의 구조 (Brazma et al., 2001)

<그림 3-4> 마이크로어 이 슬라이드의 일반 인 모양 (Churchill, 2002)


2. Affymetrix Oligonucleotide chip(GeneChip)

<그림 3-5> GeneChip의 Array output.

(http://www.affymetrix.com)

○ 칩 에 올려져 있는 로 의 길이가 길면, 정확히 일

치되는(matched) 유 자가 아님에도 불구하고 비슷한

서열이 있는 부분이 로 와 반응하여 발 값을 보이는

경우가 있다. 한 로 들끼리 결합하여 정확한 마이

크로어 이 실험결과를 얻기 어려운 경우가 있다. 이런

한계를 어느 정도 보완할 수 있는 것이 올리고 칩이다.

○ 올리고 칩은 유 자 서열 에서 그 유 자를 표할 만

한 부분을 선별한 후, 그 부분을 짧은 올리고뉴클 오티

드로 합성하여 로 로 이용한다. 보통 25bp 정도의 길

이로 올리고뉴클 오티드를 만든다.

○ 칩 에서 합성되는 각각의 올리고뉴클 오티드는 두 개

의 로 에 의해 표 되는데, 원래의 유 자 서열 부분

과 같은 완 일치(Perfect Match, PM) 로 와 가

운데 부분의 한 개의 뉴클 오티드만 다른 불일치


(Mismatch: MM) 로 로 구성되어 있다.

○ Li and Stormo (2001)은 좋은 품질의 올리고뉴클 오티

드 칩을 만들기 해 최 의 올리고를 선택하기 한 새

로운 알고리즘을 제안하 다. Rouillard, et al. (2002)는

특정 유 자를 올리고뉴클 오티드 칩에 사용할 때에 가

장 한 올리고의 구조를 밝히기 한 소 트웨어를

제안하 다.

○ PM과 MM 로 를 반도체 제조공정과 비슷한 공정

과정을 통해 합성한다. 식각법 기술을 이용한 것으로,

Affymetrix사의 GeneChip이 표 인 이다.

○ <그림 3-5>은 이러한 기술로 만들어진 GeneChip의 실험

이미지이다. <그림 3-6>는 GeneChip의 실험 이미지를

심으로 GeneChip을 체 인 에서 본 것이다.

GeneChip의 어 이 크기는 약 1.28 ㎠인데, 재는

500,000개의 올리고뉴클 오티드가 집 된 칩 제조가 가

능하다.

○ <그림 3-7>은 GeneChip을 만드는 과정이다. 이 때 요

한 과정 의 하나가 로 를 칩 에서 직 합성하는

것이다. 이것은 앞에서 잠깐 언 한, 반도체 공정의 식

각법 기술을 응용한 것으로 그 원리는 <그림 3-8>과 <그

림 3-9>에 잘 나타나 있다.


<그림 3-6> Affymetrix GeneChip.

○ 이 두 그림은 식각 기술을 이용하여 올리고뉴클 오티

드를 합성하는 과정을 보여 다. 빛에 민감한 화학물질

로 덮여있는 칩 (plate) 에 작고 많은 구멍이 뚫린

포토마스크(photomask)를 우고 빛을 쪼이면 구멍을

통해 빛이 투과되는 표면의 특정부분에만 화학물질이 활

성화된다. 활성화된 표면에 빛에 민감한 화학물질이

결합된 첫 번째 염기를 붙인다. 다시 빛을 쪼여 첫 번째

염기에 붙은 화학물질을 활성화시킨 후 두 번째 염기를

붙인다. 이 과정을 반복하여 20개 내외의 올리고뉴클

오티드를 합성한다. <그림 3-10>은 이 게 만들어진

GeneChip의 모식도이다.


<그림 3-7> Affymetrix DNA 칩 제작 과정 (Bergeron, 2002)

<그림 3-8> 식각법(Photolithography)을 이용해서 고체 기질 에

올리고뉴클 오티드를 합성하는 과정 (Bergeron, 2002)


<그림 3-9> 특정부분만 빛이 들어가게끔 만들어진 마스크를 통해 칩에

빛이 어지는 그림 (Lipshutz et al., 1999).

<그림 3-10> Affymetrix GeneChip의 모식도 (http://www.affymetrix.com)


○ <그림 3-11>는 올리고 칩에 형 물질로 표지된 cDNA와

로 가 혼성화하는 모습을 보여 다. 그 다음으로는

형 물질의 휘도(intensity)를 측정하여 이미지 일을

생성하고 이미지 분석 소 트웨어로 실제의 발 량을 수

치화하여 자료를 생성한다.

<그림 3-11> GeneChip이 혼성화(Hybridization)하는 것을

보여주는 그림 (http://www.affymetrix.com)

○ 각 유 자에 해서 유 자 발 수 은 PM과 MM의

차의 평균으로 정의된다. <그림 3-12>는 유 자 서열

에서 그 유 자를 표할 만한 부분을 선별하여 짧은

올리고뉴클 오티드 로 를 만든 후, PM과 MM에 따

라 유 자 발 이 다른 형 이미지를 보여주는 그림이

다. 이러한 과정을 통해 우리는 수치로 표 된 유 자


발 정보를 얻을 수 있다.

○ Hubbell, et al. (2002) 은 모형을 이용하여 유 자 발

값을 수치로 계산하는 방법을 제안하 다.

<그림 3-12> Expression probe와 array design (Lipshutz et al., 1999).

29

제4장

마이크로어레이 자료 분석

1. 분석 개요

○ 마이크로어 이 자료를 분석하기 한 통계분석법을 간단

하게 소개한다. 먼 마이크로어 이의 실험에서 발생하

는 다양한 형태의 변이(variation)를 조정하기 한 표

화(normalization), 여러 처리 그룹들간에 다르게 발 되

는 유 자를 찾기 한 유 자 탐색법과 발 패턴이 비슷

한 유 자들의 군집을 찾기 한 군집분석(cluster

analysis)이 있다.

○ 표 화(normalization): 마이크로어 이 자료에 보통의

실험 자료에 비해 잡음( 는 비 생물학 변이)이 많이

포함되어 있으며 한 자료에 일정한 패턴을 보이는 경

우가 많다. 잡음이 추가될수록 자료의 품질은 떨어지기

마련이며 실험자의 숙련도와 실험에 사용된 화학물질 등

에 의해 그 정도가 달라질 수 있다.

○ 특히 일정한 패턴을 지닌 잡음은 분석 결과에서 치명

인 효과를 발휘할 수도 있기에, DNA 마이크로어 이

자료를 분석하는데 있어 처리 과정을 마련하거나 분석


에서 이러한 잡음을 분석모형에 고려하는 등으로 처리하

여 잡음을 제거하는 과정을 거친다. 이를 표 화

(normalization)라 한다. 이 표 화 방법은 통계 인 회

귀모형(regression)을 이용하여 체계 으로 변이를 제거

하는 방법이 리 사용되고 있다.

○ 유의한 유 자 탐색(identifying differentially expressed

genes) : 마이크로어 이 자료를 이용한 연구의 목

에 하나가 여러 처리그룹들간에 발 패턴이 다르게

나타나는 유 자를 찾아내는 것이다. 를 들어 암조

직과 정상조직을 사용하여 칩실험을 한 경우에 정상조

직에 비해서 암조직에서 강하게 발 되는 유 자를

찾을 수 있다. 이 유 자가 암의 유발과 련이 있는

유 자라는 것을 밝힐 수 있다.

○ 마이크로어 이 실험이 보편화되기 에는 한 개의 칩

실험을 통해서 몇 배( . 2배) 이상 발 이 되는 유 자

를 찾는 단순한 방법이 사용되었으나 최근에 반복 실험

이 보편화 되면서 보다 다양한 탐색 방법들이 소개되고

있다.

○ 군집분석(clustering analysis) : 군집분석은 발 패턴이

비슷한 유 자들의 군집을 찾아내는 분석방법이다. 이

분석을 통해서 기능일 잘 알려지지 않은 유 자의 기능

을 밝 낼 수 있다. 를 들어 군집분석을 통해서 A라

는 유 자와 B라는 유 자가 같은 군집에 분류가 되었

다고 가정해보자. 만약 A라는 유 자의 기능을 알고 있

제4장 마이크로어레이의 자료분석 31

지만 B라는 유 자의 기능을 모르고 있다면 이 군집분

석을 통해서 B라는 유 자의 기능이 A의 기능과 비슷

하리라는 것을 추론할 수 있다.

2. DNA microarray 자료의 표준화

○ DNA microarray 실험을 통해 얻어진 자료는 많은 역

에서 발생한 잡음을 포함하고 있고 크게 두 종류로 나

수 있다. 먼 개개자료에 랜덤하게 되는 잡음으로 개개

자료에 랜덤한 만큼 제거하기가 어려우며 해당 자료의

산포를 증 시켜 통계 검정력을 약화시킨다. 그에 반

해 자료 체 수 에서 일정한 패턴을 가지고 첨가되

는 잡음이 있는데 잘못된 통계 검정의 결과를 유도할

수 있는 험성을 지니고 있다. 표 화는 크게 두 번째

종류의 잡음을 잘 제거하여 이후 분석을 문제없이 시행

할 수 있도록 하는 것이다.

○ <그림 4-1>은 반복 시행된 실험 결과이다. 그럼에도 불

구하고 보이는 바와 같이 큰 차이를 보이고 있음을 확

인할 수 있다. 이러한 차이를 극복하기 해 표 화가

필요하게 된다.


<그림 4-1> 반복 실험된 두 cDNA microarray 실험 결과

○ 자료를 표 화하는 데 있어서 우선 으로 고려할 것은

어떠한 자료를 가지고 표 화 할 것인가라는 이다. 표

화하는 자료를 선정하는 방법에서 크게 두가지로 나

수가 있게 되는데, 첫번째는 표 화를 해 미리 정

해둔 유 자를 이용하여 표 화하는 방법이며, 두번째는

실험을 실시한 후 얻어진 자료에서 한 유 자를 선

택하여 표 화하는 방법이다.

○ 표 화를 해 미리 정해둔 유 자 자료를 사용하는 방

법은 창기 실험 때 자체 인 실험기 을 잡기 해 시

작된 방법으로 표 화에 하다고 생각되는 유 자로

단되는 유 자를 일부러 마이크로어 이에 첨가하는

방법이다.

○ 이런 유 자에는 세포내 생명활동을 해 항상 일정량이

발 된다고 생각되는 housekeeping gene 는 발

되지 않도록 제작된 spiked gene등이 있다.


○ 이 방법은 추가 인 유 자만을 실험에 첨가하면 되기에

비교 쉽다는 장 을 지니고 있으나, 표 화에 사용된

유 자가 상황에 따라 표 화하기에 하지 못한 발

을 보이는 경우가 있을 수 있으며, 무엇보다도 Cy3, Cy5

의 intensity에 따라 다르게 첨가되는 잡음의 성질을 몇

몇 개의 표 화용 유 자 자료만으로는 포 할 수 없는

문제 을 지니고 있다.

○ 다른 방법은 실험 실시 후에 표 화에 사용할 유 자 자

료를 정하는 방법이다. 여기에는 rank invariant gene만

을 선별한 후 표 화하는 방법과(Tseng, 2001) 별다른

선별과정 없이 체 자료자체를 표 화하는 방법이 있

다. 자는 제 로 실험된 자료인 경우 Cy3와 Cy5에서

rank의 차이가 크지 않을 것이라는 가정을 후자는 수천

개의 달하는 실험 자료의 부분이 조하는 두 세포에

서 별다르게 발 되지 않을 것이라는 가정을 바탕으로

하고 있다.

가. 슬라이드내의 표준화(Within-slide Normalization)

○ 편의상 cDNA 마이크로어 이 실험에서 얻어진 자료에

서 Cy3의 intensity를 G , Cy5의 intensity를 R이라 하

자. 실험 상의 유 자 수가 N이라 할 때, 이것을 l로

구분하도록 한다. 한 슬라이드의 수가 p개 일 때, 이

것을 j로 나타내기로 하자.


○ 자료의 변화가 지수 인 생물학 인 자료의 특성상 두

세포의 발 의 차이를 나타내는 한 척도는 차이가

아니라 비율이 하다 하겠다. 이를 다시 차이로 표

하기 해 log 변환을 한다.

○ 표 화 방법에는 크게 intensity를 이용하지 않는 경우와

intensity를 이용한 방법으로 나 수가 있고, 이를

global normalization과 intensity dependent normalization

으로 나 다.

(1) Global normalization

○ 가장 간단한 가정은 G와 R이 한 슬라이드 내에서 일정

한 비를 이루고 있는 경우이다. 즉,

R= c⋅G

○ 이식은 Cy3, Cy5 형 물질의 특성상 이러한 잡음이 첨

가되어 있다고 가정에 기 한 것이다. 이를 다시 정리하

면 다음과 같다.

log R= log G+ log c

○ M Global은 각 유 자마다 표 화한 값으로


M Globalj =Mj- kˆ

○ k의 추정방법으로는 보통 이상치에 향을 받지 않기

해 med j= 1⋯N(Mj )가 쓰이지만(Yang et al.), 평균을

사용하거나 그밖에 일정 분포가정 하에 MLE 추정량을

사용하기도 한다 (Chen, 1997). 이 방법을 여기서는

global median 표 화 방법이라고 부른다.

○ 이 방법은 선형 인 잡음만을 제거할 수 있고 슬라이드

들을 살펴보았을 때 잡음이 비선형 으로 첨가된 자료가

상당수임을 볼 때 한계 을 지닌다 할 수 있다.

(2) Intensity dependent normalization

○ Global median 표 화 방법이 갖고 있는 문제 의 하

나가 G나 R값 하나의 값을 고정한 후에 표 화한다

는 이다. 비율의 특성상 자료의 형태는 기본 으로

R=G에 칭 으로 분포하게 되는데 한쪽을 고정하여

고려하면 이러한 칭성이 깨어지게 된다. Yang et al.

(2001)은 intensity A를 제안하고 이것을 기 으로 표

화할 것을 제안하 다.

○ 마이크로어 이 슬라이드에서 잡음이 선형 인 형태가

아닌 경우에 Yang et al. (2001)은 표 화 모형을 A에

의존한 다음과 같은 비선형 인 모형으로 확장을 제안

하 다. 이 방법을 intensity dependent LOWESS 표


화방법이고 부른다.

M= k(A)

○ A에 의존하는 일반 인 함수형태를 가정하고 이상

(outlier)에 상 으로 들 민감한 LOWESS 함수 추정

법으로 추정하는 것이다 (Cleveland, 1979). 표 화된

M LOWESSj 다음과 같다.

M LOWESSj =M j- kˆ( A j )

○ LOWESS 표 화 방법은 슬라이드의 intensity가 낮은

부분에서 발생하는 문제 을 잘 다룰 수 있다.

○ 마이크로어 이 슬라이드에 있는 여러 print-tip에 의해

서도 다양한 변동이 발생할 수 있다. 슬라이드 상에서

체의 spot들을 하나의 print-tip으로 어내는 것이 아

니라 8개 16개 32개 등의 개수의 print-tip으로 한꺼번에

게 된다. 결국 슬라이드가 가지는 특성은 하나의 패턴

을 가졌다기 보다는 print-tip마다 별도의 패턴을 지닐

가능성이 많다.


<그림 4-2> intensity dependent LOWESS

표 화방법을 용한 결과

<그림 4-3> print-tip intensity dependent LOWESS

표 화방법을 용한 경우

○ Print-tip에 의한 잡음의 첨가가 두드러질 때 함수의 추

정을 print-tip 별도 따로따로 하여 추정할 수 있다. 즉,

다음과 같은 print-tip 별 표 화를 시행하는 것이 바람

직 할 것이다.

M= k(A, print-tipk )


MLOWESSjk =Mj- kˆ(Ajk ) k=1,⋯,K

나. 슬라이드간 표준화(Between-slide Normalization)

○ 슬라이드내의 잡음을 찾아내 제거하는 것이 슬라이드내

표 화라면 슬라이드 마다 일정한 비교를 해 슬라이드

간 표 화가 필요하다. 이런 표 화를 슬라이드간 표 화

라고 한다. 이 표 화는 마이크로어 이 슬라이드의 산포

(variance)를 계산하여 이 값을 조정해 주는 작업이다.

○ 하나의 슬라이드에서 산포를 알아내는 수식은 다음과 같다.

s2iˆ=

1n i-1 ∑

n i

j=1M

2ij

○ 한 슬라이드에 한 샘 만이 있는 GeneChip과 같은 경우

에 슬라이드내 표 화보다도 슬라이드간 표 화가 더

요하게 된다. 여기서도 앞에서와 마찬가지로 슬라이드간

의 산포 동일성을 만족시켜주는 과정을 마련하게 된다.

○ 이 경우에는 앙값이나 평균이 0이 되지 않는다. 이

기 때문에 앞에서와 동일한 형태의 변환을 할 수가 없

으며, 안으로는 각 슬라이드의 앙값을 동일화 시키

고 inter-quartile range(IQR)를 동일하게 변환하는 과정

을 생각할 수 있다.


○ <그림 4-4>는 Oligochip들의 상자그림 (Box-plot)을 보여

다. 한 개의 상자그림은 한 슬라이드의 휘도값의 분포

를 보여 다. 여러 개의 상자그림을 동시에 비교하여 휘

도값을 체 인 분포를 한 에 볼 수 있다. T1부터

T27까지는 ALL형 Leukemia 환자의 DNA microarray

에서 얻은 intensity이고, T29부터 T38까지는 AML형

Leukemia 환자의 DNA microarray에서 얻은 intensity이

다. 이 그림에서는 슬라이드들 간의 산포차이가 나는 것

을 볼 수 있다.

<그림 4-4> Leukemia(ALL:27 / AML:11) DNA microarray data

○ <그림 4-5>는 표 화한 결과를 보여 다. 여기서 T20의

경우 산포가 매우 다른 것을 볼 수 있는데, 이것은 세제

곱근 변환을 하기 에 표 화하 기 때문이다. 즉, 원자

료의 표 화한 결과에서 앙값과 IQR은 동일하다.


<그림 4-5> 표 화 후의 Leukemia DNA microarray data

3. 유의한 유전자 탐색(identifying differentially

expressed genes)

○ 마이크로어 이 자료의 분석 에서 여러 개의 처리 그

룹을 비교하여 그룹 간에 다르게 발 된 유의한 유 자

를 탐색하는 방법은 마이크로어 이 자료의 분석에서

요한 역할을 한다. 를 들어 정상 세포와 암 세포로부

터 얻어진 마이크로어 이를 비교 분석하여 암 세포에서

강하게 발 되는 유 자를 찾아낼 수 있다. 이런 유 자

가 궁극 인 목표유 자(target gene)가 된다.

○ 처리 그룹이 2개인 경우에는 이표본 t-검정법을 이용한 방

법을 Dudoit, et al. (2002)이 제안하 다. 이 방법은 이표

본 평균을 비교하기 한 t-통계량을 슬라이드에 있는 각

유 자별로 구한 후에 이 통계량 값을 기 로 유의한 유


자를 찾는 방법이다. 이 아이디어를 사용하여 Golub, et al.

(1999) 새로운 종류의 암을 발견한 바 있다.

○ Kerr, et al. (2001)은 분산분석모형(ANOVA, analysis

of variance)을 사용하고 Wolfinger, et al. (2000)은 혼합

모형(mixed model)을 사용하여 유의한 유 자를 찾는

방법을 제안하 다.

○ Liu, et al. (2002) 는 여러 비교 그룹에서 다르게 발

되는 유 자를 찾기 한 순 검정(rank-based test)을

제시하 다. 한Park, et al. (2003)도 시간별로 반복 실

험된 칩자료에서 ANOVA모형을 이용하여 유의한 유

자를 찾는 방법을 제안하 다.

가. 그룹이 2개인 경우

○ 비교 그룹이 2개이고 한 개의 슬라이드에 N개의 유 자

가 있다고 가정하고 첫 번째 그룹에서는 n 1 개의 슬라

이드가 두 번째 그룹에서는 n 2 개의 반복 실험된 슬라

이드가 있다고 가정하자. 처리그룹을 i (= 1,2) 로 나

타내고, 반복된 슬라이드를 j (= 1,⋯,n i ) 로 나타내고,

유 자를 l (= 1,⋯,N) 로 나타내자. x ijl 을 로그 변

환된 색과 녹색 발 강도의 비를 나타낸다고 가정하

자. 그러면 각 유 자 별로 두 처리 그룹 간에 평균값은

다음과 같다.


x 1.l =1n 1

∑n 1

j=1x 1jl : l 번째 유 자의 첫번째 처리그룹

( i=1)에서의 평균값

x 2.l =1n 2

∑n 2

j=1x 2jl : l 번째 유 자의 두번째 처리그룹

( i=2)에서의 평균값

○ 이 평균값으로부터 다음과 같은 t-통계량을 유도할 수

있다.

t l =x 1⋅l - x 1⋅l

s21ln 1

+s22ln 2

, l=1,⋯,N

○ t-통계량을 각각의 유 자마다 따로 정의된다. 이 통계

량은 두 그룹의 평균을 비교하기 해 리 사용되는 t-

통계량과 동일한 형태를 갖는다.

○ 만약 첫 번째 처리그룹과 두 번째 처리 그룹의 분산도

동일하다면 두 처리그룹의 자료를 합하여 구한 공통분

산 s 2l 를 사용하여 다음과 같이 좀 더 간단한 식을 사

용할 수도 있다.

t*l =x 1⋅l - x 1⋅l

s l1n 1

+1n 2

, l=1,⋯,N

○ t l 이나 t*l 같은 t-통계량 값을 계산한 다음에는 t-분

포를 이용하여 유의확률(p-값)을 계산할 수 있다. t-통계


량의 값이 클수록 유의확률값은 작아지며 l 번째

유 자가 두 처리그룹에서 아주 다른 발 값을 갖고 있

다는 것을 나타낸다. 따라서 t-통계량의 값을 기 로

큰 값에서부터 작은값 순서 로 의미가 있는 유 자를

찾아낼 수 있다.

○ 이런 t-통계량을 사용하게 되면 특정 유 자가 여러 슬

라이드에서 발 되는 분포를 고려하여 분산값을 추정하

게 되므로 이 분산값에 비해 실제로 찰된 발 값이 유

의하게 차이가 나는지를 객 으로 평가하게 된다. 따

라서 분포이론에 근거한 통계 추론 방법이 그냥 단순

하게 2배 혹은 3배 차이에 근거한 탐색 방법에 비해 훨

씬 객 이고 정확한 결과를 제공한다고 할 수 있다.

○ 그 다음으로 고려할 문제는 각 유 자마다 t-통계량을

구한후에 이 값을 기 로 결론을 구해야하는데 체

N 개의 검정을 동시에 시행해야 하므로 제1종오류

(type one error)를 조 할 필요가 있게 된다. 흔히 사용

되는 방법은 Bonferroni방법이 있는데 이 방법은 보통의

유의수 α 신에 α /N 을 사용하는 방법이다.

○ t-검정은 자료의 분포가 정규분포를 따른다는 가정하에

서 사용하는 방법이다. 그러나 많은 경우에 microarray

에서 구한 발 값이 정규분포를 따르지 않는다.

○ Dudoit et al. (2002)은 순열검정(permutation test)에 기


한 비모수 검정법을 소개하 다. 이 순열검정법은

자료를 계속 순열변환시켜 새로운 종류의 자료를 생성시

킨 후에 이 자료를 이용하여 다시 t-통계량값을 계산하

는 작업을 수만번 반복하여 t-통계량의 분포를 경험

(empirical)으로 구하는 방법이다. 이 검정법은 t-분포를

사용하지 않으므로 정규분포에 한 가정없이 검정결과

를 구할 수 있는 방법이다.

○ 순열검정 과정을 수행하기 해 많은 계산이 요구되나 컴

퓨터의 계산속도가 워낙 향상되어서 별 문제없이 쉽게

구할 수 있다. 이 순열검정법에서도 역시 N 개의 검정

을 동시에 시행해야 하므로 제1종오류(type one error)

를 조 할 필요가 있게 된다. 이 경우에는 Westfall and

Young (1993)의 step-down 방법이 리 사용된다.

나. SAM(Significance Analysis of Microarrrays)

○ Tusher et al. (2001)에서는 유의한 차이를 보이는 유

자의 선별방법으로 SAM이라는 방법을 제안하 다.

Westfall and Young (1993) 방법이나 Bonferroni 방법

등과 같은 FWER(Family-Wise Error Rate)의 경우는

동시 으로 검정해야할 수가 늘어날수록 Type I Error

(false positive errror)를 이기 해 검정력을 잃어버리

게 된다.

○ FWER에 기 한 유 자의 유의성 검정에서는 실제로


유의한 유 자임에도 불구하고 검정력의 부족으로 찾아

내지 못하는 상이 발생하게 된다.

○ 실제로는 유의한 차이가 없음에도 유의한 차이가 있다고

잘못 정하는 양성(false positivity)의 오류를 일정한

수 으로 제어하겠다는 것인데, 유 자의 수가 많아지게

되면 오류의 확률도 같이 커지게 된다. 이 확률을 강하

게 제어하려다 보니 검정력을 잃어버리게 되는 것이다.

○ SAM에서는 이 게 지나치게 엄격한 제한이 있는

FWER을 사용하지 않고 신에 FDR(False Discovery

Rate)이라는 기 을 사용한다 (Benjamini and

Hochberg, 1995). FDR은 유의하다고 단한 검정결과

들 에서 잘못 단한 결과의 비율(rate)을 제어하는

방법이다.

○ 일반 으로 FDR 기 을 사용하게 되면 FWER을 사용

하는 것보다 더 유의한 결과를 많이 얻는 것으로 알려

져 있다.

○ SAM은 FWER 기 을 사용하지 않고 FDR 기 을 사

용한다. 즉, 일정 수 의 FDR을 만족하는 유 자들을

찾아내게 되는데, 이 유 자들에는 일정한 정도의 유의

하지 않은 유 자들이 포함될 수는 있으나 Bonferroni

방법에 비해 더 많은 수의 유의한 유 자를 제공해 다.

비록 어느 정도의 잘못된 유 자가 포함되어 있을지라

도 유의한 유 자들을 많이 포함한 다음, 다른 신뢰성


있는 실험을 통해 가짜를 선별하는 것이 보다 좋은 방

법일 수 있다.

○ SAM은 여기에 몇 가지를 더 고려하고 있는데, 첫 번째

는 분포가 명확하지 않은 것을 고려하여 FDR 추정시

순열검정기법을 사용하고 있다. 거기에 사용하는 통계량

은 t-통계량에 기반하고 있지만, 휘도(intensity)가 작은

부분에서의 불안정성을 극복하기 해 fudge factor를

도입하고 있다.

<그림 4-6> SAM을 이용한 유의한 유 자의 정

○ <그림 4-6>은 SAM을 사용하여 분석한 결과를 보여주는

그림이다. Y=X선에서 벗어나 있는 들이 유의하게 발

된 유 자들을 나타낸다. 여기서 FDR을 0,01로 정했

는데 이것은 100개의 유 자를 선별하 을 때, 1개 정도


가 잘못 선택되어질 정도의 정확성을 나타내고 있는 것

이다. <그림 4-6>은 실제 계산된 통계량과 순열을 통해

계산된 통계량의 평균값과 비교하여 유의하다고 단되

는 유 자를 얻는 그래 이다. 만약 여기서 FDR 수 을

낮춘다면 훨씬 많은 수의 유 자수를 얻을 수 있게 된다.

○ <그림 4-7>은 유의하게 탐색된 유 자들을 살펴보기

해 expression profile을 살펴본 그림이다.

<그림 4-7> SAM에서 얻어진 유 자 목록을 가지고 그린 Normalized

Gene Expression


그러나 이 Oligochip에서 각 유 자마다 평균과 분산이

다르기 때문에 그 값을 가지고 그 로 profile을 살펴보

는 것은 정확한 정보를 주지 않는다. 이 그림은 표 변

환을 한 후의 구한 값들을 가지고 profile을 그린 것이

다. 그림에서 알 수 있듯이 ALL형 Leukemia들과

AML형 Leukemia들의 intensity와 뚜렷이 구분됨을 확

인할 수 있다.

49

제5장

결론 및 제언

○ 1990년에 시작된 인간유 체사업(Human Genome

Project, HGP)의 결과로 당 상보다 빨리 2001년 2

월 인간유 체 서열지도의 안이 발표되었으며, 2003년

4월 인간유 체 서열 해독이 완료되었다. 인간유 체 서

열정보의 해독을 통하여, 유 자의 기능을 규명, 환자와

정상인과의 유 체정보 비교 개인간․인종간의 생체

기능 차이의 원인 등을 연구할 수 있는 토 가 마련되었

다. 이 연구 결과는 앞으로 암과 같은 질병의 유 원

인을 찾아내거나, 새로운 진단방법과 치료약 개발 개

개인의 특성을 고려한 최 의 치료법을 찾는 등의 의․

약학 분야에 많은 기여를 할 수 있을 것으로 기 된다.

○ 그러나 인간의 복잡한 생명 상을 규명하기 해서는 유

체의 서열정보만으로는 부족하며, 단백질간의 상호작용

유 자 발 여부 등 추가 인 생물학 정보들이 필

요함을 알게 되었다. 따라서 서열분석이 완료된 후 유 체

의 기능을 밝히려는 기능유 체학(functional genomics)

이 요한 연구주제가 되었다. 기능유 체학의 주요 도구

하나가 DNA 마이크로어 이( 는 DNA 칩)이다.


○ 화학과 분자생물학을 비롯한 기계공학, 자공학 등의

여러 분야가 융합되어 만들어진 마이크로어 이 기술은

생명 상과 련된 유 체 수 의 연구를 가능하게 하

다. DNA 마이크로어 이는 유 자 발 형태 확인, 유

자 기능 측, 돌연변이 는 다형성(polymorphism)

진단 질병 련 유 자 발굴 등의 연구 목 에 사용

되며, 의료진단, 신약개발탐색 의약용 유 체 발굴

등에 활용가능하다.

○ 통 인 생물학 연구방법은 “hypothesis-driven”으로서,

찰된 생명 상을 설명하기 해 한 가설

(hypothesis)을 세우고, 그 가설을 검증하기 한 실험을

계획하고, 수행하여 가설의 타당성을 알아보고, 그 상

에 해 결론을 내리는 것이다. 이러한 근 방법은 정

교한 가설을 토 로 실험을 잘 계획하더라도 심 상

에 향을 미치는 요인들을 연구자가 완 하게 조 할

수 없는 경우가 발생할 수 있다. 한편, 기존의 유 공학

방법들의 부분은 연구자가 동시에 많은 수의 유 자

에 해 한꺼번에 실험할 수 없는 제약이 있었기 때문에

“one-gene in one experiment”에 기반을 둔 연구가 수행

되었다. 이러한 one-gene in one-experiment에 근거한

연구로는 유 자 체의 발 형태를 보기에 어려운

이 많았다(http://www.gene-chips.com).

○ 마이크로어 이의 장 은 량의 유 자 발 상황을 총

체 으로 탐색할 수 있다는 것이다. 이 의 기술로는 한

두 개의 유 자 기능만을 탐색할 수 있었으나, 마이크로

제5장 결론 및 제언 51

어 이 기술은 수 만 개의 유 자 조각들을 하나의 마이

크로어 이에 놓을 수 있기 때문에, 체 유 체에 한

정보를 한번의 실험에서 얻을 수 있다. 따라서 기존 기

술과는 비교도 안 될 정도로 상당히 많은 정보를 얻을

수 있는 특징이 있다. 마이크로어 이 기술은 방 한 서

열 정보를 바탕으로 하는 유 체의 구조와 기능을 밝히

려는 기능 유 체학 연구에 필수 인 도구가 되었다.

○ 마이크로어 이 기술은 21세기 바이오 시 의 표 인

기술로 자리 매김을 하 으며 앞으로도 계속하여 생물학

, 의약학 연구의 핵심 기술로 리 사용될 것이라고

기 된다.

○ 재 세계 으로 좋은 품질은 마이크로어 이 자료가

량으로 생산되고 있다. 마이크로어 이 자료에 한

표 화된 품질 규격을 만들고 이들 자료에 한 체계

인 데이터베이스를 통합하여 리하는 노력도 필요할 것

으로 기 된다. (Eisen, et. al, 2000).

53

참고 문헌

[1] Alizadeh, A. A., Eisen, M. B., Davis, R. E., Ma, C., Lossos, I.

S., Rosenwald, A., Boldrick, J. C., Sabet, H., Tran, T., Yu, X.,

Powell, J.I., Yang, L., Marti, G. E., Moore, T., Hudson, J., Lu,

L., Lewis, D. B., Tibshirani, R., Sherlock, G., Chan, W. C.,

Greiner, T. C., Weisenburger, D.D., Armitage, J.O., Warnke,

R., Levy, R., Wilson, W., Grever, M.R., Byrd, J.C., Botstein,

D., Brown, P.O., and Staudt, L. M. (2000) Distinct types of

diffuse large B-cell lymphoma identified by gene expression

profiling. Nature. 403 (6769):503-11

[2] Benjamini, Y. and Hochberg, (1995). Controlling the False

Discovery Rate: A Practical and Powerful Approach to

Multiple Testing. JRSS Series B, 57(1), 289-300.

[3] Bergeron, B. (2002) Bioinformatics computing, PRENTICE

HALL

[4] Brazhnik, P., de la Fuente, A., Mendes, P. (2002) Gene

networks: how to put the function in genomics. Trends

Biotechnol. 20(11):467-72.

[5] Brazma, A., Hingamp, P., Quackenbush, J., Sherlock, G.,

Spellman, P., Stoeckert, C., Aach, J., Ansorge, W., Ball, C. A.,

Causton, H. C., Gaasterland, T., Glenisson, P., Holstege, F. C.,

Kim, I.F., Markowitz, V., Matese, J. C., Parkinson, H., Robinson,

A., Sarkans, U., Schulze-Kremer, S., Stewart, J., Taylor, R., Vilo,

J., and Vingron, M. (2001). Minimum information about a

microarray experiment(MIAME)- toward standards for

microarray data. Nat Genet. 29(4): 365-71.

[6] Chen, Y., Dougherty, E.R., and Bittner, M.L. (1997).

Ratio-Based Decisions and the Quantitative Analysis of cDNA


Microarray Images, Journal of Biomedical Optics, 2(4):364-

374

[7] Churchill, G. A. (2002) Fundamentals of experimental design

for cDNA microarrays. Nat Genet. Suppl. 32:490-5. Review.

[8] Cleveland (1979). Robust locally weighted regression and

smoothing scatterplots. Journal of the American Statistical

Association, 74(368):829-836

[9] Dudoit, S., Yang, Y. H, Callow, M. J., and Speed, T. P.

(2002). Statistical methods for identifying differentially

expressed genes in replicated cDNA microarray experiments.

Statistica Sinica, 12, 111-140.

[10] Draghici, S. (2003) Data Analysis Tools for DNA

Microarrayss. CHAPMAN & HALL/CRC

[11] Duggan, D. J., Bittner, M., Chen, Y., Meltzer, P., and Trent, J.

M. (1999) Expression profiling using cDNA microarrays. Nat

Genet. Suppl. 21:10-4. Review.

[12] Eisen, M.B., Spellman, P.T., Brown, P.O., Botstein, D. (1998).

Cluster Analysis and Display of Genome-Wide Expression

Patterns. Proc Natl Acad Sci USA, 95:14863-14868.

[13] Eisen, M.B., Brown, P.O. (1999). DNA Arrays for Analysis of

Gene Expression. Methods Enzymol, 303:179-205.

[14] Eisen, M.B., Sausville, E. A., Pommier, Y., Botstein, D.,

Brown, P. O., and Weinstein, J. N. (2000) A gene expression

database for the molecular pharmacology of cancer. Nat Genet

24(3):236-44

[15] Friedman, N., Linial, M., Nachman, I., and Pe'er, D. (2000)

Using Bayesian networks to analyze expression data. Journal

of Computational Biology, 7(3-4):601-20.

[16] Golub, T.R. Slonim, T.K. Tamayo, P. Huard, C., Gaasenbeek,

참고문헌 55

M. Mesirov, J.P., Coller, H. Loh, M.H. Downing, J.R., Caligiuri,

M.A., Bloomeld, C.D., and Lander, E.S.(1999). Molecular

classification of cancer: class discovery and class prediction by

gene expression monitoring. Science, 286:531-537.

[17] Hubbell, E., Liu, W.-M., and Mei, R. (2002). Robust

estimators for expression analysis, Bioinformatics, 18 (12):

1585-1592.

[18] Kerr, M.K., Afshari, C.A., Bennett, L., Bushel, P., Martinez, J.,

Walker, N., Churchill, G.A. (2001). Statistical Analysis of a

Gene Expression Microarray Experiment with Replication.

Statistica Sinica

[19] Kawanishi, Y., Tachikawa, H., and Suzuki, T. (2000)

Pharmacogenomics and schizophrenia. Eur. J. Pharmacol.

410:227-41

[20] Leung, Y. F., and Cavalieri D. (2003) Fundamentals of cDNA

microarray data analysis. Trends Genet. 19(11):649-59.

Review.

[21] Li, F. and Stormo, G. D. (2001). Selection of optimal DNA

oligos for gene expression arrays", Bioinformatics, 17 (11):

1067-1076.

[22] Lipshutz, R. J., Fodor, S. P., Gingeras, T. R., and Lockhart. D,

J. (1999) High density synthetic oligonucleotide arrays. Nat

Genet. Suppl.21:20-4.

[23] Liu, W.-m., Mei, R., Di, X., Ryder, T. B., Hubbell, E., Dee, S.,

Webster, T. A, Harrington, C A., Ho, M.-h., Baid, J. and

Smeekens, S. P. (2002). Analysis of high density expression

microarrays with signed-rank call algorithms, Bioinformatics,

18 (12): 1593-1599

[24] Park, T., Yi, S.-G., Lee, S., Lee, S., Yoo, D.-H., Ahn, J.-I.,


Lee Y.-S. (2003). Statistical tests for identifying differentially

expressed genes in time course microarray experiments,

Bioinformatics, 19, 6, 694-703.

[25] Rashidi, H.H., Buehler, L.K. (2000). Bioinformatics Basic:

Applications in Biological Science and Medicine. CRC Press

[26] Rouillard, J.-M. 1, Herbert, C. J., and Zuker, M. (2002).

OligoArray: genome-scale oligonucleotide design for

microarrays", Bioinformatics, 18 (3): 486-487.

[27] Schena, M. (1999) DNA Microarrays : A Practical Approach.

Oxford University Press.

[28] Scherf, U., Ross, D. T., Waltham, M., Smith, L. H., Lee, J. K.,

Tanabe, L., Kohn, K. W., Reinhold, W. C, Myers, T. G.,

Andrews, D. T., Scudiero, D. A.,

[29] Slonim, D. K. (2001) Transcriptional profiling in cancer: the

path to clinical pharmacogenomics. Pharmacogenomics.

2:123-36

[30] Snustad, D. P., and Simmons, M. J. (2003) Principles of

genetics -3rd Ed, WILEY

[31] Spellman, P. T, Sherlock, G., Zhang, M. Q., Iyer, V. R., Anders,

K., Eisen, M. B., Brown, P. O., Botstein, D., and Futcher, B.

(1998) Comprehensive identification of cell cycle-regulated genes

of the yeast Saccharomyces cerevisiae by microarray

hybridization. Mol Biol Cell. 9(12):3273-97.

[32] Srivastava, M., Eidelman, O., and Pollard, H. B.(1999)

Pharmacogenomics of the cystic fibrosis transmembrane

conductance regulator(CFTR) and the cystic fibrosis drug

CPX using genome microarray analysis. Mol Med. 5:753-67

[33] Tseng, G.C, Oh, M.K., Rohlin, L., Liao, J.C., and Wong, W.H.

(2001). Issues in cDNA microarray analysis: quality filtering,

참고문헌 57

channel normalization, models of variations and assessment of

gene effects, Nucleic Acids Research, 29(12):2549-2557

[34] Tusher, V.G., Tibshirani, R., and Chu, G. (2001). Significance

analysis of microarrays applied to ionizing rediation response.

Proc. Natl. Acad. Sci., 98(9), 5116-5121

[35] Weinstein, J. N. (2002) “Omic” and hypothesis-driven

research in the molecular pharmacology of cancer. Curr Opin

Pharmacol. 2(4):361-5

[36] Westfall, P. H. and Young, S. S. (1993). Resampling-based

multiple testing: examples and methods for p-value adjustment.

Wiley series in probability and mathematical statistics. Wiley.

[37] Wolfinger, R.D., Gibson, G., Wolfinger, E.D., Bennett, L.,

Hamadeh, H., Bushel, P., Afshari, C., Paules, R.S. (2001).

Assessing gene significance from cDNA microarray expression

data via mixed models. Journal of Computational Biology,

8(6):625-637

[38] Yang, Y.H, Dudoit, S.D., Luu, P., and Speed, T.P. (2001).

Normalization for cDNA Microarray Data, In SPIE BioE

저자소개

박 태 성

․이학박사

․ , 서울 학교 통계학과 교수

․ , 서울 학교 생물정보학 동과정 주임교수

․ 서 : 마이크로어 이 자료의 통계 분석 등

BB110 박태성

마이크로어레이

2005년 12월 19일 인쇄

2005년 12월 23일 발행

발행처

서울특별시 동 문구 청량리동 206-9

ꂕ 130-742

화 : 3299-6114

등록: 1991년 2월 12일 제5-258호

발행인

조 화

인쇄처

신기획

마이크로어레이 - gift (글로벌 미래동향 지식...

Documents