[논문 리뷰] Decoding SARS-CoV-2 transmission, evolution and ramification on COVID-19 diagnosis, vaccine, and medicine

Rui Wang, Yuta Hozumi외 2명|arXiv (Cornell University)|2020. 04. 29.

SARS-CoV-2 and COVID-19 Research참고 문헌 25인용 수 5

한 줄 요약

이 연구는 2020년 4월까지 수집된 6,156개의 SARS-CoV-2 게놈을 분석하여, 자카르드 거리와 위치 기반 표현을 사용한 K-means 군집화를 통해 5개의 하위형질로 뭉쳐진 4,459개의 돌연변이를 규명하였다. 돌연변이 h-지수와 돌연변이 비율을 도입하여 단백질의 보존성 수준을 정량화하였으며, 스파이크 단백질, 핵막단백질, 페프라인-유사 단백질분해효소가 높은 비보존성을 보임을 확인하여 진단법, 백신 및 치료제 개발에 큰 도전 과제를 제기하였다.

ABSTRACT

Tremendous effort has been given to the development of diagnostic tests, preventive vaccines, and therapeutic medicines for coronavirus disease 2019 (COVID-19) caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Much of this development has been based on the reference genome collected on January 5, 2020. Based on the genotyping of 6156 genome samples collected up to April 24, 2020, we report that SARS-CoV-2 has had 4459 alarmingly mutations which can be clustered into five subtypes. We introduce mutation ratio and mutation $h$-index to characterize the protein conservativeness and unveil that SARS-CoV-2 envelope protein, main protease, and endoribonuclease protein are relatively conservative, while SARS-CoV-2 nucleocapsid protein, spike protein, and papain-like protease are relatively non-conservative. In particular, the nucleocapsid protein has more than half its genes changed in the past few months, signaling devastating impacts on the ongoing development of COVID-19 diagnosis, vaccines, and drugs.

연구 동기 및 목표

• 2020년 4월까지 수집된 게놈 데이터를 활용하여 SARS-CoV-2의 전파 역학과 진화 패턴을 규명한다.
• 6,156개의 전 세계 게놈에서 단일염기다형성(SNPs)을 기반으로 SARS-CoV-2의 하위형질을 식별하고 특성화한다.
• SARS-CoV-2 단백질의 보존성 수준을 평가하기 위한 정량적 지표인 돌연변이 h-지수와 돌연변이 비율을 개발한다.
• 유전적 돌연변이가 진단법, 백신 및 항바이러스 약물의 신뢰성에 미치는 영향을 평가한다.
• 전 세계 유전적 변이와 진화 추세를 맵핑하여 지역별 맞춤형 백신 설계의 분자적 기반을 제공한다.

제안 방법

• 최적의 하위형질을 결정하기 위해 엘보우 방법을 사용한 K-means 군집화를 수행하였으며, 유전적 유사도 측정을 위해 자카르드 거리와 위치 기반 SNP 표현을 입력 특성로 사용하였다.
• 유전적 이질성 측정을 위해 자카르드 거리를 적용하였으며, 이는 $ d_J(S_i, S_j) = 1 - \frac{|S_i \cap S_j|}{|S_i \cup S_j|} $ 로 정의된다.
• 위치 기반 이진 벡터 표현 $ L(i,j) = v_i^j $ 를 구성하였으며, 이는 샘플 $ i $ 에서 위치 $ j $ 에 돌연변이가 발생하면 $ v_i^j = 1 $, 그렇지 않으면 0으로 설정된다.
• 고차원의 SNP 데이터(최대 10,000차원)를 저차원 부분공간으로 감소시키기 위해 주성분 분석(PCA)을 적용하였다.
• PCA를 통해 추출된 부분공간을 K-means 군집화의 입력으로 사용하여 계산 효율성과 군집 안정성을 향상시켰다.
• 단백질 수준의 비보존성 수준을 정량화하기 위해 돌연변이 h-지수와 돌연변이 비율을 제안하였으며, 높은 값은 더 높은 돌연변이 다양성을 의미한다.

실험 결과

연구 질문

• RQ1 2020년 4월까지 수집된 6,156개의 전 세계 분리주에서 유전적 변이를 기반으로 SARS-CoV-2의 고유한 하위형질은 몇 개인가?
• RQ2 SARS-CoV-2 단백질 중에서 가장 높은 유전적 변동성을 보이는 것은 무엇이며, 이는 진단법 및 치료법 개발에 어떤 영향을 미치는가?
• RQ3 돌연변이 h-지수와 돌연변이 비율이 바이러스 단백질의 비보존성 수준을 효과적으로 정량화할 수 있는가?
• RQ4 자카르드 거리와 위치 기반 SNP 표현을 기반으로 한 군집화 방법 간에 SARS-CoV-2 하위형질을 식별하는 데 어떤 차이가 있는가?
• RQ5 핵심 구조 및 비구조 단백질에서의 빠른 돌연변이가 현재의 백신 및 항바이러스 약물의 유효성에 얼마나 큰 영향을 미치는가?

주요 결과

• 2020년 4월 24일까지 수집된 6,156개의 게놈에서 SARS-CoV-2는 총 4,459개의 돌연변이를 축적하였으며, 이는 다섯 개의 고유한 하위형질을 형성하였다.
• 스파이크(S) 단백질과 핵막단백질(N) 단백질이 가장 높은 비보존성을 보였으며, 일부 분리주에서는 핵막단백질 유전자 서열의 50% 이상가 변형되어 있었다.
• 돌연변이 h-지수와 돌연변이 비율은 스파이크 단백질, 핵막단백질, 페프라인-유사 단백질분해효소가 가장 비보존적인 단백질임을 규명하였으며, 이는 높은 돌연변이 압력을 의미한다.
• 반면에, 외피(E) 단백질, 메인 단백질분해효소(3CLpro), 엔도리보뉴클라제는 가장 보존적인 편이었으며, 이는 약물 및 백신 개발에 더 안정적인 타겟임을 시사한다.
• 연구는 항원성 단백질에서의 급속한 바이러스 진화가 원래 1월 2020년 기준 참조 게놈에 기반한 진단법 및 백신의 장기적 유효성에 위협이 된다고 확인하였다.
• 유전적 군집 분석을 통해 전 지구적 및 지역적 진화 패턴이 뚜렷하게 드러나며, 지역에 맞는 백신 및 진단 전략 수립의 필요성을 뒷받침한다.