TCGA 난소암 miRNA 프로파일 재현성 문제

본 논문은 TCGA 프로젝트에서 제공한 난소암 표본 469개에 대해 두 가지 miRNA 발현 측정 기술, 즉 Agilent 마이크로어레이와 Illumina 기반 miRNA‑Seq를 이용한 Level 3 데이터를 비교 분석한다. 연구 목적은 각 플랫폼에서 도출된 miRNA‑생존 연관성을 검증하고, 두 데이터셋 간 재현성을 평가하는 데 있다. 우선 마이크로어레이 데이터를 이용해 단변량 Cox 회귀분석을 수행한 결과, p < 0.01 기준으로 61개의 miRNA가 전체 생존과 통계적으로 유의한 연관성을 보였다. 특히 miR‑505(HR = ‑1.73, p < 9e‑5), miR‑652(HR = ‑1.8), miR‑551b* (HR = 9.3) 등이 가장 강한 위험비를 나타냈다. 이어 동일 표본에 대해 miRNA‑Seq 데이터를 분석했을 때는 12개의 miRNA만이 p < 0.01을 만족했으며, 위험비는 모두 1에 근접해 실제 임상적 의미가 약했다. 두 데이터셋을 교차 검증했을 때 겹치는 miRNA는 miR‑652 하나뿐이었다. 다중 검정 보정을 위해 Benjamini‑Hochberg FDR = 0.1을 적용하면, 어느 데이터셋에서도 생존과 연관된 miRNA가 존재하지 않는다. 다음으로 두 플랫폼 간 발현값의 일관성을 평가하기 위해 359개의 공통 mature miRNA에 대해 Pearson 상관계수를 계산했다. 결과는 놀라울 정도로 낮았으며, 전체 miRNA 중 약 72 %가 r < 0.5를 보였다. 구체적인 예로, miR‑505는 마이크로어레이와 miRNA‑Seq 간 r = 0.59, miR‑143은 r = 0.39, miR‑141은 r = 0.32에 불과했다. 반면 동일 표본의 mRNA 발현은 Agilent 마이크로어레이와 Illumina HiSeq 간 r > 0.5인 비율이 22 %에 그쳤다. 이는 miRNA 데이터에만 특이적인 재현성 문제임을 시사한다. 데이터 처리 측면을 살펴보면, TCGA가 제공한 Level 3 파일은 두 종류가 있다. ‘Quantification’ 파일은 mature miRNA와 전구체(pre‑miRNA)의 읽기 수를 혼합해 보고한다. 전구체는 기능적 활성이 없으므로, 이 혼합이 분석에 혼란을 줄 수 있다. ‘Isoform’ 파일은 각 전사체를 mature, *‑strand, stem‑loop, precursor 등으로 구분해 읽기 수를 제공한다. 연구팀은 Isoform 파일에서 mature miRNA만을 추출해 재분석했지만, r < 0.5인 miRNA 비율은 71 %로 크게 감소하지 않았다. 또한 낮은 발현량이 상관도 저하의 원인일 수 있다는 가설을 검증하기 위해 miRNA‑Seq에서 읽기 수가 5 미만인 전사체를 제외하고 상관분석을 재수행했다. 이 경우 분석 가능한 miRNA 수는 705→380으로 감소했고, r < 0.5인 비율은 72 %→56 %로 감소했지만 여전히 절반 이상이 낮은 상관을 보였다. 동일 필터링을 mRNA 데이터에 적용했을 때는 비율 변화가 미미했다(22 %→20 %). 이는 낮은 발현량이 일부 영향을 미치지만, 근본적인 플랫폼 차이를 완전히 설명하지 못한다는 것을 의미한다. 논의에서는 마이크로어레이의 교차 하이브리다이제이션 비특이성, miRNA‑Seq의 매핑 및 정규화 알고리즘, 그리고 전구체 포함 여부 등 여러 기술적 요인을 제시한다. 특히 miRNA‑Seq는 전사체를 정확히 매핑할 수 있는 장점이 있지만, 현재 TCGA가 제공하는 파이프라인이 전구체와 mature miRNA를 혼합해 보고함으로써 정확도가 저하될 가능성을 지적한다. 또한, miRNA‑Seq와 마이크로어레이 간의 발현값 차이는 단순히 기술적 오류만으로는 설명되지 않으며, 데이터 처리 표준화와 독립적인 검증이 필요함을 강조한다. 결론적으로, TCGA 난소암 miRNA 데이터는 플랫폼 간 재현성이 현저히 낮으며, 이는 생존 연관 분석에 큰 위험요소가 된다. 연구자들은 두 데이터셋을 무작정 혼용하기보다 각각의 특성을 이해하고, 외부 코호트나 실험적 검증을 통해 결과를 확인해야 한다. 장기적으로는 miRNA‑Seq와 마이크로어레이 모두에 적용 가능한 표준화된 신호 추출 및 정규화 알고리즘이 마련되어야 하며, 이를 통해 TCGA와 같은 대규모 공개 데이터베이스의 신뢰성을 확보할 수 있을 것이다.