By Valerie Joy, Sep 2026

———-

우리의 소화관 안에는 수조 개의 세균, 진균, 바이러스 등 다양한 미생물이 살아가고 있습니다. 이들은 끊임없이 상호작용하며 하나의 복잡한 미생물 생태계를 형성합니다. 현재까지 연구자들은 장내 미생물 군집에서 20만 개 이상의 참조 유전체(Reference Genome)와 약 1억 7천만 개의 예측 단백질 서열을 확보했습니다. 하지만 이들 유전자의 대부분이 실제로 어떤 기능을 수행하는지는 아직 충분히 밝혀지지 않았습니다. 수십 년간 마이크로바이옴 연구는 장내에 어떤 미생물이 존재하는지를 규명하는 데 큰 성과를 거두었지만, 중요한 질문 하나는 여전히 남아 있었습니다. 바로 ‘이 미생물들은 실제로 무엇을 하고 있는가?’라는 질문입니다.

이 질문에 대한 답을 찾는 데 새로운 가능성을 열어주는 것이 바로 멀티오믹스(Multi-Omics) 분석입니다.

샷건 메타지놈 분석(Shotgun Metagenomics)은 그 출발점입니다. 어떤 미생물이 존재하고, 어떤 유전자를 보유하며, 어떤 기능을 수행할 잠재력이 있는지를 파악할 수 있습니다. 여기에 메타전사체 분석(Metatranscriptomics)을 더하면 실제로 발현되는 미생물 유전자를 확인할 수 있고, 대사체 분석(Metabolomics)을 통해서는 미생물과 주변 환경 사이의 생화학적 상호작용에 관여하는 대사산물을 파악할 수 있습니다. 이렇게 확보한 데이터를 통합 분석하면 장내 미생물의 구성과 기능, 숙주와의 상호작용을 보다 종합적으로 이해할 수 있습니다.

1. 장내 마이크로바이옴 연구의 기반: 샷건 메타지놈 분석

기존의 16S rRNA 시퀀싱은 미생물 군집의 전반적인 구성을 파악하는 데 유용합니다. 하지만 이를 도시에 비유하면, 어떤 건물들이 있는지는 확인할 수 있어도 그 안에서 어떤 활동이 이루어지는지는 알기 어려운 것과 비슷합니다.

반면 샷건 메타지놈 분석은 미생물 군집에서 추출한 DNA를 직접 시퀀싱하여 더욱 폭넓은 정보를 제공합니다. 이를 통해 연구자들은 다음과 같은 항목을 분석할 수 있습니다.

1. 미생물 군집 구성: 보다 높은 분류학적 해상도로 미생물 군집의 구성을 파악합니다.
2. 유전자 및 기능: 미생물이 보유한 유전자, 대사 경로(Pathway), 기능 모듈(Functional Module)을 조사합니다.
3. 항균제 내성 및 병원성 관련 특성: 내성 및 병원성에 관련된 유전적 특성을 분석합니다.
4. 유전체 변이: 시료 간 유전체 수준의 차이와 변이를 비교합니다.
5. 종 및 균주 수준의 차이: 시퀀싱 뎁스, 시료 품질, 군집 복잡도 및 참조 데이터베이스가 적절한 경우 종(Species) 또는 균주(Strain) 수준까지 분석할 수 있습니다.

샷건 메타지놈 분석은 특정 유전자 영역을 증폭하는 타깃 앰플리콘 분석과 달리, 분석 대상에 맞춘 프라이머 설계 과정이 필요하지 않습니다. 따라서 프라이머 사용으로 발생하는 일부 분석 편향(Bias)을 줄일 수 있습니다. 물론 모든 편향이 사라지는 것은 아닙니다. DNA 추출 방법, 숙주 유래 DNA의 혼입, 시퀀싱 데이터량, 참조 데이터베이스 및 생물정보학 분석 방법에 따라 최종 결과가 달라질 수 있습니다.

결국 샷건 메타지놈 분석이 제공하는 핵심 정보는 미생물 군집의 ‘기능적 잠재력(Functional Potential)’입니다. 즉, 실제로 수행 중인 기능을 직접 증명하기보다는 어떤 기능을 수행할 수 있는 유전적 능력을 갖추고 있는지를 보여줍니다.

2. 기능을 이해하기 위한 추가 정보: RNA와 대사산물

유전체 정보가 미생물 군집이 ‘무엇을 할 수 있는지’를 보여준다면, 특정 조건에서 ‘실제로 무엇이 일어나고 있는지’까지 알려주지는 않습니다. 이러한 차이를 이해하기 위해 RNA와 대사산물에 대한 추가 분석이 필요합니다.

메타전사체 분석: 실제로 발현되는 유전자

어떤 유전자를 보유하고 있다고 해서 그 유전자가 반드시 발현되는 것은 아닙니다. 메타전사체 RNA 시퀀싱은 시료를 채취한 시점에 미생물 유전자가 얼마나 발현되고 있는지 보여주는 정보를 제공합니다.

이를 통해 질병 상태, 식이, 치료, 환경 조건 또는 실험적 개입에 따라 미생물의 기능적 반응이 어떻게 변화하는지 살펴볼 수 있습니다. 다만 RNA 전사체의 양이 곧 단백질의 양이나 대사 흐름(Metabolic Flux), 실제 생물학적 결과를 의미하는 것은 아닙니다. 따라서 RNA 안정화, 추출, 정규화 및 후속 검증 과정이 중요합니다.

대사체 분석: 생화학적 신호를 읽다

미생물은 다양한 화학물질을 통해 주변 환경 및 숙주와 상호작용합니다. 대사체 분석은 이러한 상호작용에 관여하는 저분자 화합물을 측정하는 기술로, 단쇄지방산(Short-Chain Fatty Acids), 담즙산(Bile Acids), 트립토판 대사산물(Tryptophan Metabolites) 등 숙주의 대사와 관련된 물질을 분석할 수 있습니다.

비표적 대사체 분석(Untargeted Metabolomics)은 다양한 물질을 폭넓게 탐색하여 새로운 후보를 발굴하는 데 활용됩니다. 반면 표적 대사체 분석(Targeted Metabolomics)은 특정 화합물의 정밀한 정량이 필요할 때 적합합니다. 주의할 점은 검출된 대사산물이 반드시 미생물에서 유래했다고 볼 수는 없다는 것입니다. 숙주의 대사, 식이, 약물 복용 및 환경 요인 역시 대사체 프로파일에 영향을 미칠 수 있습니다.

세 분석을 종합하면 더욱 풍부한 해석이 가능합니다. 메타지놈 분석은 어떤 기능이 가능한지를, 메타전사체 분석은 어떤 유전자가 발현되는지를, 대사체 분석은 어떤 생화학적 물질이 존재하는지를 보여줍니다.

3. 멀티오믹스 통합 분석: 서로 다른 데이터에서 연결고리를 찾다

멀티오믹스의 진정한 가치는 각 오믹스 데이터를 별개의 결과로 해석하는 데 그치지 않고, 동일한 연구 질문을 해결하기 위해 함께 분석할 때 나타납니다. 예를 들어 샷건 메타지놈 분석에서 특정 미생물의 대사 경로가 확인되고, 메타전사체 분석에서 관련 유전자의 발현이 관찰되며, 대사체 분석에서 관련 물질의 양이 함께 변화할 수 있습니다. 다음 단계는 이 신호들이 실제로 서로 연관되어 있는지를 살펴보는 것입니다.

이러한 연관성을 살펴보기 위해 다음과 같은 통합 분석 방법을 활용할 수 있습니다.

1. 상관관계 히트맵 및 산점도: 미생물과 대사산물의 변화가 함께 나타나는지를 시각화하여 잠재적인 생물학적 연관성의 단서를 찾습니다.
2. 코드 다이어그램(Chord Diagram), 네트워크 및 생키 다이어그램(Sankey Diagram): 개별 변수 사이의 연관성을 연결 구조로 표현하여, 서로 다른 미생물 분류군과 관련 요소 간의 복잡한 상호 연관 패턴을 직관적으로 이해하도록 돕습니다.
3. 정준상관분석(Canonical Correlation Analysis, CCA): 개별 변수 간 상관관계를 넘어, 여러 데이터셋 전반에서 함께 변화하는 공통 패턴과 생물학적 변동 축을 탐색합니다.
4. O2PLS 데이터 통합: 여러 데이터셋에 공통으로 존재하는 신호와 각 데이터셋에 고유한 변동 또는 노이즈를 구분하여, 실제로 공유되는 연관 패턴과 기술적 영향의 구별에 도움을 줍니다.

실제 연구에서는 이러한 분석을 통해 미생물의 분류학적·기능적 프로파일, 차등 분석 결과, 상관관계 정보 등을 종합하고, 후속 실험에서 검증할 만한 후보 대사 경로나 생물학적 연관성을 우선순위화할 수 있습니다.

그러나 상관관계 분석과 다변량 통합 분석만으로 특정 미생물이 어떤 대사산물을 생산했다거나 특정 표현형을 유발했다고 단정할 수는 없습니다. 기전적 인과관계를 뒷받침하려면 교란·개입 실험(Perturbation), 통제된 실험 모델, 독립적인 검증 방법(Orthogonal Assay), 반복 재현성 확인 및 필요한 경우 사람을 대상으로 한 연구가 추가로 수행되어야 합니다.

4. 분석 결과에서 연구 가설로: Alistipes indistinctus와 히푸르산

이러한 연구 접근법을 잘 보여주는 사례가 있습니다. 연구자들은 고요산혈증(Hyperuricemia)을 조사하기 위해 메타지놈 분석과 대사체 분석을 통합하여 수행했고, 장내 미생물인 Alistipes indistinctus와 히푸르산(Hippuric Acid, 마뇨산) 사이의 연관성을 확인했습니다.

연구는 단순한 상관관계 분석에서 한 단계 더 나아갔습니다. 후속 기전 실험을 통해 PPARγ, ABCG2 및 PDZK1이 관여하는 경로와 관련하여, 히푸르산이 장을 통한 요산 배설과 연결될 수 있음을 제시했습니다.

이 사례의 의미는 하나의 상관관계만으로 질병의 원인이 모두 규명되었다는 것이 아닙니다. 멀티오믹스 분석을 통해 폭넓게 관찰된 미생물 관련 신호를 실험적으로 검증 가능한 구체적인 ‘미생물–대사산물–숙주’ 연구 가설로 발전시킬 수 있다는 데 있습니다.

5. 노보진과 함께 마이크로바이옴 데이터를 새로운 발견으로

시료 전처리와 시퀀싱부터 전사체·대사체 분석, 데이터 시각화 및 통합 분석에 이르기까지 각 단계는 최종적으로 도출되는 생물학적 해석의 품질에 영향을 미칩니다.

노보진(Novogene)은 샷건 메타지놈 분석과 미생물 유전체 분석을 비롯해 메타전사체, 대사체, 생물정보학, 데이터 시각화 및 통합 분석까지 멀티오믹스 연구의 다양한 단계를 지원합니다. 적절한 기술의 조합은 연구 질문, 시료 유형, 코호트 설계, 메타데이터, 필요한 분석 해상도 및 검증 계획에 따라 달라집니다.

중요한 것은 단순히 더 많은 데이터를 생성하는 것이 아닙니다. 추가 연구를 통해 확인할 가치가 있는 신호와 연관성, 대사 경로를 찾아내는 것이 핵심입니다.

연구에 적합한 시료 유형, 시퀀싱 전략, 추가 오믹스 분석의 필요성, 분석 결과물 및 검증 계획에 대해 논의하고 싶다면 노보진의 연구 설계 상담을 이용해 보시기 바랍니다.

———-

Valerie Joy는 노보진 AMEA의 프로덕트 매니저로, 메타지노믹스와 미생물 연구 분야에 전문성을 갖추고 있습니다. 또한 확장 가능하고 고처리량의 NGS 솔루션과 멀티오믹스 통합을 전문으로 하며, 연구자들이 복잡한 생물학적 질문에 접근할 수 있도록 실용적인 통찰을 제공합니다.

참고문헌 (References) 1. Almeida A, Nayfach S, Boland M, et al. A unified catalog of 204,938 reference genomes from the human gut microbiome. Nat Biotechnol. 2021;39(1):105–114. 2. Wu J, Singleton SS, Bhuiyan U, Krammer L, Mazumder R. Multi-omics approaches to studying gastrointestinal microbiome in the context of precision medicine and machine learning. Front Mol Biosci. 2024;10:1337373. 3. Valles-Colomer M, Menni C, Berry SE, et al. Cardiometabolic health, diet and the gut microbiome: a meta-omics perspective. Nat Med. 2023;29(3):551–561. 4. Van Hul M, Cani PD. From microbiome to metabolism: bridging a two-decade translational gap. Cell Metab. 2026;38(1):14–32. 5. Yang SY, Han SM, Lee JY, Kim KS, Lee JE, Lee DW. Advancing gut microbiome research: the shift from metagenomics to multi-omics and future perspectives. J Microbiol Biotechnol. 2025;35:e2412001. 6. Jovel J, Patterson J, Wang W, et al. Characterization of the gut microbiome using 16S or shotgun metagenomics. Front Microbiol. 2016;7:459. 7. Meyer F, Fritz A, Deng ZL, et al. Critical Assessment of Metagenome Interpretation: the second round of challenges. Nat Methods. 2022;19(4):429–440. 8. Li D, Liu CM, Luo R, et al. MEGAHIT: an ultra-fast single-node solution for large and complex metagenomics assembly via succinct De Bruijn graph. Bioinformatics. 2015;31(10):1674–1676. 9. Pedersen HK, Gudmundsdottir V, Nielsen HB, et al. Human gut microbes impact host serum metabolome and insulin sensitivity. Nature. 2016;535(7612):376–381. 10. Wishart DS. Metabolomics for investigating physiological and pathophysiological processes. Physiol Rev. 2019;99(4):1819–1875. 11. Xu YX, Liu LD, Zhu JY, et al. Alistipes indistinctus-derived hippuric acid promotes intestinal urate excretion to alleviate hyperuricemia. Cell Host Microbe. 2024;32(3):366–381.