중국인 임상 코호트의 비소세포폐암에서 m6A 리더 단백질 YTHDC2의 발현

요약

본 연구에서는 생물정보학 분석과 qRT-PCR을 이용하여 비소세포폐암에서의 YTHDC2 발현을 평가하였습니다. 데이터베이스 분석에서는 발현 감소와 예후적 관련성이 시사되었으나, 임상적 검증 결과 유의미한 차이는 나타나지 않았습니다. 이러한 결과는 불일치성을 강조하며, 진단 정확도가 제한적임을 나타내고 임상 적용 전 추가적인 검증이 필요함을 시사합니다.

초록

비소세포폐암(NSCLC)은 전 세계적으로 암 관련 사망의 주요 원인으로 남아 있으며, 조기 진단 및 예후 판정을 위한 바이오마커가 제한적인 상황입니다. N6-methyladenosine (m6A) RNA 변형과 YTHDC2와 같은 판독 단백질은 유전자 조절 및 종양 형성에서 중요한 역할을 합니다. 본 연구의 목적은 생정보학 및 정량적 실시간 PCR(qRT-PCR)을 이용하여 NSCLC 조직 내 YTHDC2의 발현 프로필을 평가하고, YTHDC2와 임상병리학적 특성 간의 관계를 분석하며, 향후 연구를 위한 임상적 및 생물학적 관련성을 탐색하는 것입니다. 예후 정확도를 분석하기 위해 데이터베이스의 유전자 발현 및 생존 데이터를 분석하였습니다. 중국인 임상 코호트의 NSCLC 조직에서 YTHDC2 발현량을 정량화하고 임상병리학적 특성을 분석하였습니다. 공공 데이터베이스 분석 결과, YTHDC2는 NSCLC 조직에서 발현이 감소되어 있었으며(p < 0.05), 환자 생존과 연관이 있었으나 예후 예측 성능은 낮게 나타났습니다(AUC ≈ 0.5). 19쌍의 종양 및 인접 정상 조직에 대한 qRT-PCR 분석에서는 암 조직과 인접 조직 간의 YTHDC2 발현에 통계적으로 유의미한 차이가 나타나지 않았습니다(p = 0.537). 종합적으로, 공공 데이터베이스 분석은 NSCLC에서 YTHDC2가 하향 조절될 수 있으며 잠재적인 예후 관련성이 있음을 시사하지만, 본 코호트의 독립적인 임상 검증에서는 유의미한 차별적 발현이 확인되지 않았습니다. 이러한 결과는 대규모 데이터셋과 실제 임상 코호트 간의 상당한 이질성을 강조하며, YTHDC2가 단독으로는 신뢰할 수 있는 진단 또는 예후 바이오마커로 작용하기 어려우며 임상 적용을 위해서는 추가적인 분자 마커와의 통합이 필요할 수 있음을 나타냅니다.

서론

편평세포암과 선암을 포함하는 비소세포폐암(NSCLC)은 가장 빈번하게 진단되는 폐암이며 전 세계 암 사망률의 주요 원인입니다¹. 전 세계 암 통계에 따르면 폐암은 암 사망의 주요 원인 중 하나입니다². 진단, 수술, 방사선 치료 및 분자 표적 치료의 최근 발전에도 불구하고, 비소세포폐암은 주로 말기에 진단되며 초기 단계에서는 종종 무증상으로 나타나기 때문에 예후가 크게 개선되지 않았습니다³. 이는 비소세포폐암 환자의 식별, 예후 예측 및 치료 효과 평가를 위한 새로운 바이오마커의 필요성을 강조합니다.

m6A는 진핵생물에서 처음으로 확인되었으며 가장 풍부한 RNA 변형으로, RNA 안정성, 번역 및 전사에 관여하는 것으로 알려져 있습니다⁴. m6A 변형은 역동적이고 가역적이며, 메틸전이효소(writer), 탈메틸효소(eraser) 및 특정 결합 단백질(reader)에 의해 조절됩니다⁵. 이 중 주요 m6A 리더 단백질인 YTHDC2는 RNA 안정성과 번역 속도를 조절합니다⁶. 최근 연구에 따르면 YTHDC2는 세포 성장 및 침습을 억제하거나 세포 사멸을 유도함으로써 다양한 암종의 조절에 관여하는 것으로 나타났습니다⁷. 또한 YTHDF1, YTHDF2, YTHDC1을 포함한 다른 m6A 리더 단백질들이 폐암의 진행, 면역 조절 및 예후와 임상적 관련성이 있음이 밝혀졌으며, 이는 독립적인 환자 코호트에서 개별 m6A 리더를 체계적으로 평가하는 것이 중요하다는 점을 강조합니다^8,9,10. 비소세포폐암(NSCLC)에서 YTHDC2 수치가 유의하게 낮게 나타나며, 이는 높은 종양 단계, 림프절 전이 및 환자의 불량한 예후와 관련이 있어 YTHDC2가 항종양 인자일 수 있음을 시사합니다¹¹. 체외 및 체내 실험에서도 YTHDC2의 높은 발현이 폐암의 세포 증식 및 전이를 억제함이 밝혀졌습니다⁷.

본 연구에서는 통합 계산 분석과 qRT-PCR을 통한 실험적 검증을 통해 NSCLC 내 YTHDC2 조절을 조사하였습니다. 또한 YTHDC2 발현과 임상 병리학적 특성 및 환자 예후 사이의 관계를 조사하였습니다. 공개 데이터베이스를 통해 NSCLC에서 YTHDC2의 조절 이상을 시사하는 증거가 증가하고 있음에도 불구하고, 기존에 발표된 연구들은 YTHDC2 조절 이상의 정도와 임상적 유의성에 대해 일치하지 않는 결과를 보고해 왔으며, 특히 아시아 인구집단을 포함하여 특성이 잘 정의된 실제 임상 코호트에서의 독립적인 검증은 여전히 제한적인 상황입니다. 더욱이, 이전의 대부분 연구는 주로 공개 전사체 데이터셋이나 실험 모델에 의존해 왔으며, 생정보학적 발견을 독립적인 임상 검증과 통합한 연구는 상대적으로 적었습니다. 본 연구는 대규모 공개 전사체 분석과 중국인 임상 코호트에서의 독립적인 qRT-PCR 검증을 결합함으로써, 이전 발견들의 재현성을 평가하고 공개 데이터베이스 분석과 실제 임상 샘플 간의 중개적 격차를 해소하고자 하였습니다. 따라서 본 연구의 목적은 통합 생정보학 및 임상 검증 접근법을 사용하여 YTHDC2 발현을 체계적으로 평가하고, NSCLC에서의 잠재적인 생물학적 및 임상적 관련성을 평가하는 것이었습니다. YTHDC2 발현이 NSCLC에서 조절 이상을 보이며, 생정보학 분석과 독립적인 임상 검증을 통합하는 것이 단일 접근법보다 진단적 및 예후적 유의성에 대해 더 신뢰할 수 있는 평가를 제공할 것이라는 가설을 세웠습니다.

프로토콜

본 연구는 하이난 의과대학교 윤리위원회의 승인을 받았으며(승인 번호 HMC1984.24), 헬싱키 선언(2013년 개정)을 준수하였습니다.

연구 대상

하이난성 산야 중앙 병원에서 2017년부터 2024년 사이에 진단받은 폐암 환자 50명을 대상으로 중화의학회 폐암 진단 및 치료 임상 진료 지침(2024년판)을 적용하여 연구를 수행하였습니다. 연구 간 비교 가능성을 위해 CSCO 병기 결정(2024)을 중국인 코호트에서 검증된¹² AJCC 8판과 일치시켰으며, 일관성을 보장하기 위해 두 명의 독립적인 종양학 전문의가 검토를 진행하였습니다. 환자 선정 과정, 조직 가용성, RNA 품질 평가 및 qRT-PCR 분석을 위한 최종 샘플 포함 단계는 그림 1에 요약되어 있습니다.

연구 데이터

본 연구에서는 생물정보학을 이용하여 NSCLC에서의 YTHDC2 발현 수준과 임상병리학적 특징 간의 관계를 분석하여 잠재적 기전에 대한 통찰을 제공하였습니다. 생물정보학 분석은 GDC 데이터 포털(https://portal.gdc.cancer.gov/)을 통해 다운로드한 폐선암(LUAD), 폐편평상피세포암(LUSC) 및 해당 정상 폐 조직 샘플을 포함하여 The Cancer Genome Atlas (TCGA)의 공개 RNA 시퀀싱 데이터만을 사용하여 수행되었습니다. 다운로드한 데이터셋에는 적격한 TCGA-LUAD 및 TCGA-LUSC 사례에 대한 RNA 시퀀싱 발현 데이터와 가용한 임상 변수(환자 식별자, 샘플 식별자, 연령, 성별, 병리학적 단계, 생존 상태 및 전체 생존 기간)가 포함되었습니다. 유전자 발현 또는 생존 정보가 없는 샘플은 후속 생존 분석 및 ROC 분석에서 제외되었습니다. 본 연구에 사용된 데이터셋은 보충 파일 1로 제공됩니다. 산야 중앙 병원에서 수집된 임상 검체는 생물정보학 분석에 사용되지 않았습니다. GEPIA, Kaplan–Meier Plotter 및 survivalROC 분석에 대한 상세 절차는 아래의 생물정보학 분석 섹션에 제공되어 있습니다. 데이터 획득, 전처리, 유전자 발현 분석, 생존 분석 및 ROC 분석을 포함한 전체 생물정보학 워크플로우는 그림 2에 요약되어 있습니다.

선정 및 제외 기준

환자의 선정 및 제외 기준은 표 1에 제시되어 있습니다. 통계적 검정력 분석 소프트웨어를 이용한 검정력 분석 결과, 중간 정도의 효과 크기(d = 0.8, α = 0.05, 양측 검정)를 검출하기 위해서는 그룹당 최소 26례의 사례가 필요하여 80%의 검정력을 확보할 수 있는 것으로 나타났습니다. 초기 등록 시 폐암 그룹에서 50쌍을 목표로 했으나, 조직 또는 RNA 품질로 인한 제외 후 최종 qRT-PCR 분석에는 30개의 종양 샘플과 19개의 정상 인접 조직 샘플이 포함되었습니다. 이러한 샘플 수의 감소는 실제 임상 현장의 제약을 반영하며, 중개 연구에서 RNA 무결성과 조직 가용성의 중요성을 강조합니다. 비교 분석 시 n = 19일 때 검출 가능한 최소 효과 크기는 d = 1.0(검정력 80%, α = 0.05)입니다. 따라서 본 실험은 YTHDC2 발현의 작거나 중간 정도의 차이가 아닌, 큰 차이를 검출하기에 충분한 검정력을 갖추었습니다.

조직 표본 및 정량적 실시간 PCR (qRT-PCR)

병리학적 진단은 두 명의 서로 다른 병리 전문의에 의해 이중 맹검 방식으로 결정되었습니다. 종양 순도는 병리 전문의가 추정(>70% 악성 세포)하고 ESTIMATE (TCGA)를 통해 확인하였습니다. 기질 오염을 최소화하기 위해 인접 정상 조직을 거시 절제하였습니다. 폐암의 조직학적 유형에는 폐 선암과 편평 세포 암종이 포함되었으며, 폐 선암 26례와 편평 세포 암종 4례가 포함되었습니다. 폐암 환자 50명의 임상 병기는 “Chinese Medical Association Clinical Guidelines for Lung Cancer (2024 Edition)”에 명시된 병기 기준에 따라 수행되었습니다. 병리학적으로 확인된 NSCLC 검체(n = 50)는 전형적인 임상 분포를 나타냈습니다(표 2 참조). 처음에 등록된 50명의 환자 중 30개의 종양 조직 샘플과 19개의 매칭된 인접 정상 조직 샘플이 RNA 품질 기준을 충족했습니다. 쌍을 이룬 통계 분석에는 동일한 환자의 매칭된 검체가 필요하므로, 종양 대 인접 정상 조직의 발현 비교는 사용 가능한 19쌍의 매칭된 샘플을 사용하여 수행되었습니다. 이러한 임상 검체는 qRT-PCR을 통한 실험적 검증을 위해서만 전용으로 사용되었으며, 생물정보학 분석에 사용된 공개 TCGA 데이터셋과는 독립적으로 분석되었습니다. 선택된 검체들은 병리학적 확인 직후 처리되었으며, RNA 추출 전 RNase-free 조건에서 취급되었습니다. 이 하위 집합은 적절한 조직 양과 고품질의 총 RNA (RNA 무결성 수치, RIN >7.0)를 모두 얻을 수 있었던 사례를 반영합니다. 역전사 전에 총 RNA 농도와 순도를 측정하였으며, 적절한 RNA 품질(RIN >7.0)을 가진 샘플만 후속 분석에 포함되었습니다. 정량적 PCR 이전에 제조사의 프로토콜에 따라 동일한 양의 총 RNA를 상보적 DNA (cDNA)로 역전사하였습니다. 이 과정은 분석된 유전자 발현 데이터의 유효성을 보장하였습니다. qRT-PCR 실험은 프로브 기반 정량적 PCR 분석법을 사용하여 실시간 PCR 서모사이클러에서 수행되었습니다. 분석 재현성을 보장하기 위해 모든 반응은 템플릿 미포함 대조군과 함께 3회 반복 수행되었습니다. PCR 증폭은 다음과 같은 사이클 조건에서 수행되었습니다: 95°C에서 10분간 초기 효소 활성화/변성 단계를 거친 후, 95°C에서 15초간 변성 및 60°C에서 60초간 어닐링/신장을 40회 반복하였습니다. 형광 신호는 각 증폭 사이클의 끝에서 획득되었습니다. 모든 시약과 소모품은 상업적 공급업체로부터 구매하였습니다(재료 표 참조). qRT-PCR에 사용된 프라이머 및 프로브 서열은 표 3에 제공되어 있습니다.

생물정보학 분석

YTHDC2 유전자 발현에 대한 GEPIA 데이터베이스 분석

NSCLC에서 YTHDC2 발현을 분석하기 위해 GEPIA 데이터베이스를 사용하였습니다. 웹 브라우저를 통해 GEPIA 웹 서버(http://gepia.cancer-pku.cn/)에 접속하였습니다. Expression DIY 모듈을 선택하고, 유전자 기호 "YTHDC2"를 입력한 후 LUAD 및 LUSC 데이터셋을 선택하였습니다. 기본 정규화 파라미터를 유지하였으며, GEPIA 인터페이스를 통해 차등 발현 박스 플롯을 직접 생성하였습니다. 통계적 유의성은 p < 0.05로 정의하였습니다.

폐암 환자의 생존 분석을 위한 Kaplan-Meier plotter 데이터베이스

본 연구에서는 Kaplan-Meier Plotter 데이터베이스를 사용하여 폐암 환자의 YTHDC2 발현과 예후 사이의 관계를 분석하였습니다. 폐암 데이터 세트를 선택하고 유전자 기호 "YTHDC2"를 입력한 후, 자동 선택된 최적 컷오프(best cutoff) 옵션을 적용하였으며, 기본 분석 설정을 사용하여 전체 생존율 및 질병 진행 후 생존율에 대한 Kaplan-Meier 곡선을 생성하였습니다. 환자들은 Kaplan-Meier Plotter 플랫폼에서 결정된 최적 컷오프를 기준으로 고발현군과 저발현군으로 자동 층화되었으며, 플랫폼의 기본 설정을 통해 해당 95% 신뢰 구간이 포함된 위험비(hazard ratio)를 산출하였습니다.

ROC 곡선 작도를 위한 R 소프트웨어 내 R 패키지 실행

적격한 TCGA-LUAD 및 TCGA-LUSC 사례에 대한 RNA sequencing 발현 데이터와 그에 해당하는 임상 메타데이터를 GDC 데이터 포털에서 다운로드하였습니다. 다운로드한 데이터셋은 환자 식별자를 기준으로 병합하여 후속 분석을 위해 R로 가져왔습니다. survivalROC 패키지를 사용하여 1년, 3년 및 5년 예측 시점에서의 시간 의존적 ROC 곡선을 생성하였으며, YTHDC2 발현의 예후 성능을 평가하기 위해 해당 곡선 아래 면적(AUC) 값을 계산하였습니다. RNA-seq 발현 및 생존 정보가 모두 확인되는 TCGA-LUAD 및 TCGA-LUSC 환자만을 생존 ROC 분석에 포함하였습니다. 지역 임상 코호트의 경우 장기 추적 관찰 데이터가 없으므로 생존 예측에 사용하지 않았습니다.

qRT-PCR을 통한 조직 내 YTHDC2 발현 분석

유전자 발현 수준을 분석하기 위해 qRT-PCR을 수행하였다. 제조사에서 권장하는 반응 조건에 따라 각 반응에 동일한 부피의 cDNA를 첨가하였다. 증폭은 프로브 기반의 정량적 PCR 분석법을 사용하여 수행하였으며, 형광 데이터는 각 증폭 사이클의 끝에서 자동으로 수집되었다. 간단히 설명하면, RNA 추출 과정은 시료 준비, 탈파라핀화, 잔류 액체 제거, proteinase K 소화, 배양, 원심분리, DNase 처리, DNase I 첨가 및 에탄올 침전을 포함한 여러 단계로 이루어졌다. 이후 시료를 실리카 기반 RNA 정제 컬럼에 결합시키고 8,000 × g에서 30 s 동안 원심분리하였다. 그 다음 컬럼을 wash buffer 1, wash buffer 2 및 에탄올로 희석한 wash buffer 2로 세척하고, 13,000 × g에서 2 min 동안 건조하였다. 이어 컬럼 막의 중심에 70 µL의 RNase-Free Water를 첨가한 후 13,000 × g에서 1 min 동안 원심분리하여 RNA를 용출시켰다. 각 프라이머 쌍은 단일 증폭 산물을 나타냈으며, 이는 상대적 유전자 발현을 계산하기 전 멜팅 커브 분석을 통해 확인되었다. 시료 분석 전 표준 곡선을 사용하여 프라이머 효율(90–110%)을 검증하였다. 멜팅 커브 분석을 통해 단일 앰플리콘의 존재와 프라이머 이량체의 부재를 확인하였다. 상대적 YTHDC2 발현은 2^-ΔCt 방법으로 계산하였으며, 이때 Ct 값은 내인성 참조 유전자인 GAPDH로 정규화하였다. 발현 값은 보정 시료 대비 배수 변화가 아닌 정규화된 발현 수준으로 제시되었으므로, 결과는 2^−ΔCt 값으로 보고하였다. GAPDH는 테스트한 다른 대안들(ACTB, CV = 12%; 18S rRNA, CV = 18%)에 비해 발현 변동성이 매우 적어(CV < 5%), m6A 연구의 참조 유전자 선택 기준에 부합하여 하우스키핑 유전자로 선정되었다.

통계 분석

그래픽 및 차트 작성을 포함한 통계 분석은 통계 소프트웨어를 사용하여 수행되었습니다. NSCLC 환자의 YTHDC2 유전자 발현에 대한 정량적 및 범주형 데이터를 분석하기 위해, 생물정보학 분석 및 ROC 곡선 생성에 R 소프트웨어를 사용하였습니다. 생존 예측에서 YTHDC2 발현의 진단 성능을 평가하기 위해 ROC 곡선과 AUC를 사용하였습니다. 회귀 기반 분석의 경우, 해당되는 경우 95% 신뢰 구간과 함께 효과 추정치(오즈비)를 보고하였습니다. 쌍을 이룬 종양 조직과 인접 정상 조직 샘플 간의 YTHDC2 발현을 비교하기 위해 Wilcoxon 부호 순위 검정을 사용하였으며, YTHDC2 발현과 임상 병리학적 특징 사이의 연관성을 평가하기 위해 Pearson 상관 분석을 사용하였습니다. 상관 계수(r)와 그에 해당하는 p-값이 보고되었습니다. qRT-PCR 데이터가 동일 환자의 쌍을 이룬 종양 및 인접 정상 조직 샘플로 구성되었으며 유전자 발현 데이터가 정규 분포를 따르지 않았기 때문에, 쌍을 이룬 조직 간의 YTHDC2 발현 수준을 비교하기 위해 Wilcoxon 부호 순위 검정을 사용하였습니다. 이 검정은 데이터의 정규성을 가정하지 않으며, 편향된 생물학적 데이터에 흔히 사용됩니다. 모든 통계 검정은 양측 검정으로 수행되었으며, p <0.05일 때 통계적으로 유의미한 것으로 간주하였습니다. 연속형 변수는 분석 전 정규성을 평가하였습니다. 연속형 변수는 적절하게 평균 ± 표준 편차 또는 중앙값(사분위 범위)으로 표기하였습니다.

결과

TCGA 데이터베이스 기반 종양 내 YTHDC2 유전자의 발현

그림 3은 TCGA 데이터베이스의 GDC 도구를 사용하여 다양한 암종에서의 YTHDC2 발현 수준을 조사함으로써, NSCLC와 YTHDC2 사이의 연관성을 보여줍니다.

GEPIA 데이터베이스 내 NSCLC에서의 YTHDC2 유전자 발현

GEPIA 데이터베이스 내의 폐선암(LUAD) 및 폐편평상피세포암(LUSC)에서 YTHDC2 발현 수준을 추가로 스크리닝하여 483개의 폐선암 조직 샘플, 347개의 정상 폐 조직 샘플, 486개의 폐편평상피세포암 조직 샘플, 그리고 338개의 정상 폐 조직 샘플을 확보하였습니다. 통계 분석 결과, 그림 4에 나타낸 바와 같이 폐선암과 폐편평상피세포암 조직 모두 정상 폐 조직보다 YTHDC2 발현 수준이 상당히 낮은 것으로 나타났습니다 (p < 0.05).

병리 단계별 YTHDC2 발현에 대한 GEPIA 분석

NSCLC 단계에 따른 YTHDC2의 차등 발현을 평가하기 위해 GEPIA(Gene Expression Profiling Interactive Analysis) 데이터베이스를 사용하여 스테이지 플롯을 생성하였습니다. 그림 5에 나타낸 바와 같이, NSCLC의 병리적 단계 전반에 걸쳐 YTHDC2 발현의 통계적으로 유의미한 차이는 관찰되지 않았습니다 (p = 0.644).

YTHDC2와 폐암 생존율의 Kaplan-Meier 분석

Kaplan-Meier Plotter 데이터베이스를 사용하여 YTHDC2 유전자의 Kaplan-Meier 생존 분석을 수행하였습니다. 분석 결과, YTHDC2 발현이 높은 환자군은 발현이 낮은 환자군보다 전체 생존율(OS)이 유의미하게 높았습니다(p < 0.05). 그림 6A(OS)에서 보듯이, YTHDC2 발현 수준이 더 높은 폐암 환자들의 예후가 더 좋았으며, 이러한 차이는 통계적으로 유의미했습니다(p < 0.05). 그림 6B(PPS)에 따르면, 질병 진행 후 생존 기간(PPS) 데이터셋에서 YTHDC2 발현이 높은 그룹이 발현이 낮은 그룹보다 예후가 더 좋았으며, 이 차이는 통계적으로 유의미했습니다(p < 0.05).

YTHDC2 생존율 예측 모델

TCGA RNA-seq 발현 및 생존 데이터를 기반으로 한 시간 의존적 ROC 분석 결과, YTHDC2 발현 단독으로는 NSCLC 생존에 대한 예측 능력이 제한적인 것으로 나타났으며, 1년, 3년, 5년, 8년 시점의 AUC 값은 각각 0.50 (95% CI: 0.38-0.62), 0.51 (95% CI: 0.39-0.63), 0.52 (95% CI: 0.40-0.64), 0.52 (95% CI: 0.39–0.65)였습니다(Figure 7). 모든 AUC 신뢰 구간에 0.5가 포함되어 있어, 이는 무작위 확률과 동일한 성능임을 나타냅니다. 이러한 결과는 YTHDC2 발현 단독으로는 생존 예측을 위한 판별력이 부족하며, 단독 예후 바이오마커로 고려되어서는 안 됨을 시사합니다. 임상 병리학적 변수 또는 다중 유전자 시그니처와의 통합을 통해 예측 성능을 향상시킬 수 있을 것입니다.

qRT-PCR을 통한 암 조직과 정상 조직 내 YTHDC2 발현 비교

qRT-PCR을 사용하여 NSCLC 환자의 악성 조직과 인접 정상 조직 모두에서 YTHDC2 유전자 발현을 조사하였습니다. 정규화된 YTHDC2 발현량(2^−ΔCt)은 악성 조직에서 3.24 ± 2.34, 인접 정상 조직에서 3.60 ± 1.70이었습니다. 그림 8에 나타낸 바와 같이, 19쌍의 NSCLC 종양 조직과 그에 매칭되는 인접 정상 조직 간의 YTHDC2 발현에는 유의미한 차이가 없었습니다(p = 0.537). 대규모 데이터셋에 대한 생물정보학적 분석에서는 NSCLC에서 YTHDC2의 유의미한 발현 감소가 시사되었으나, 본 코호트의 qRT-PCR 결과에서는 유의미한 차이가 나타나지 않았으며, 이는 코호트 크기, 샘플의 이질성 및 기술적 변동성으로 인한 잠재적 불일치를 강조합니다. 또한, 낮은 AUC(0.5)는 YTHDC2 단독으로는 진단적 또는 예후적 정확도가 부족함을 나타냅니다.

NSCLC에서의 YTHDC2 발현 및 임상 병리학적 특징

본 연구는 NSCLC 환자 50명으로 구성되었습니다. 남성 환자는 32명(64.00%), 여성 환자는 18명(36.00%)이었으며, 평균 연령은 63.10 ± 9.85세였습니다. 연령 범위는 37세에서 86세까지였습니다. 환자 중 25명은 과거 흡연력이 있었고, 25명은 비흡연자였습니다. 병리학적 유형으로는 편평세포암 9례(18.00%)와 폐선암 41례(82.0%)가 포함되었습니다. CSCO 임상 병기에 따라 22명의 환자는 III-IV기(44.00%), 28명은 I-II기(56.00%)였습니다. 24명의 환자는 림프절 전이가 없었으며, 26명(54.00%)은 전이가 있었습니다. 9명의 환자는 저분화 암(18.00%)이었으며, 41명의 환자는 고-중분화 종양(82.00%)이었습니다.

NSCLC 조직에서 임상 병리학적 특성과 YTHDC2 발현 수준 사이의 연관성을 조사하였습니다. 병리학적 아형 및 림프절 전이 상태에 따라 YTHDC2 발현의 차이가 관찰되었습니다 (p < 0.05). 하지만 편평 세포 암종 샘플이 4개만 확보되었기 때문에, 병리학적 아형 간의 비교는 신중하게 해석해야 하며 탐색적인 결과로 간주해야 합니다. 그림 9A,B에 나타난 바와 같이, YTHDC2 발현은 폐 선암보다 편평 세포 암종에서 유의하게 더 높았으며, 림프절 전이가 없는 NSCLC 조직보다 림프절 전이가 있는 조직에서 유의하게 더 높았습니다 (5.70 ± 2.53 vs. 3.83 ± 0.91, p = 0.027). 그러나 편평 세포 암종 샘플이 4개만 포함되었으므로, 병리학적 아형 간의 비교는 주의하여 해석해야 하며 더 큰 코호트에서의 검증 전까지는 탐색적인 단계로 보아야 합니다. 림프절 전이가 있는 환자에서 YTHDC2 발현이 더 높다는 점은 YTHDC2와 림프절 전이 상태 사이의 잠재적 연관성을 나타낼 수 있으나, 제한적인 샘플 크기로 인해 이 결과는 신중하게 해석해야 하며 더 큰 규모의 독립적인 코호트에서 검증이 필요합니다. 한편, 연령, 흡연력, CSCO 임상 단계 및 조직학적 분화도는 YTHDC2 발현에 유의한 영향을 미치지 않았습니다 (p > 0.05). 추가 정보는 표 4, 표 5 및 그림 9에 포함되어 있습니다.

NSCLC 림프절 전이에 대한 이분형 로지스틱 회귀 분석

상관관계 분석 결과와 일치하게, YTHDC2 발현은 림프절 전이와 유의미한 연관성을 보였습니다(p < 0.05). 림프절 전이를 종속 변수로 하고 연령, 성별, 흡연력, 종양 단계, 병리학적 유형, YTHDC2 발현 수준 및 분화도를 독립 변수로 하여 NSCLC 환자를 대상으로 이분형 로지스틱 회귀 분석을 수행하였습니다. 분석 결과, NSCLC 환자의 YTHDC2 발현은 림프절 전이와 유의미한 연관성이 있는 것으로 나타났습니다(p = 0.027, OR = 2.286, 95% CI: 1.101–4.748).

일반적인 임상 데이터에서, NSCLC 환자의 종양 병기는 림프절 전이와 통계적으로 유의미한 상관관계를 보였습니다 (p = 0.007, OR = 27, 95% CI: 2.504-291.186). 하지만 표 6에 나타난 바와 같이 연령, 성별, 흡연력, 병리학적 유형 및 분화도는 NSCLC의 림프절 전이와 유의미한 상관관계가 없었습니다 (p > 0.05).

데이터 가용성: 본 연구의 결과를 뒷받침하는 데이터 세트는 Zenodo 저장소(DOI: 10.5281/zenodo.21409961)에서 이용 가능합니다. 해당 저장소에는 생물정보학 분석에 사용된 TCGA 임상 메타데이터, 샘플 주석, 데이터 검색 사양 및 분석 매니페스트가 포함되어 있습니다. 추가 데이터는 합리적인 요청이 있을 시 교신 저자를 통해 제공받을 수 있습니다.

그림 1: qRT-PCR 분석을 위한 환자 선정 및 조직 포함 과정의 흐름도. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

그림 2. NSCLC에서 YTHDC2 발현 및 예후적 유의성을 평가하기 위해 수행된 생물정보학 분석의 워크플로우 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

그림 3: TCGA 데이터베이스에서의 YTHDC2 유전자 발현. Genomic Data Commons (GDC) 데이터 포털을 통해 The Cancer Genome Atlas (TCGA)에서 얻은 RNA 시퀀싱 데이터를 사용하여 폐선암 (LUAD) 및 폐편평세포암 (LUSC)의 YTHDC2 발현 수준을 정상 폐 조직과 비교하였으며, GEPIA 웹 플랫폼을 통해 분석하였다. 데이터는 GEPIA 플랫폼을 통해 분석되었다. 통계적 유의성은 p-value < 0.05로 결정되었다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4: GEPIA 데이터베이스 분석에 기반한 NSCLC 내 YTHDC2의 차등 발현. GEPIA 플랫폼을 통해 The Cancer Genome Atlas (TCGA) 및 Genotype-Tissue Expression (GTEx) 프로젝트의 데이터를 사용하여 폐선암(LUAD) 및 폐편평세포암(LUSC)의 YTHDC2 발현 수준을 정상 폐 조직과 비교하였다. 박스 플롯은 정규화된 유전자 발현 수준을 나타낸다. 통계적 유의성은 p-value < 0.05로 결정되었다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: GEPIA 데이터베이스를 이용한 NSCLC에서 YTHDC2의 단계별 발현 분석. GEPIA 플랫폼을 사용하여 NSCLC의 서로 다른 병리학적 단계(I–IV)에 걸친 YTHDC2 발현 수준을 분석하였다. 단계별 도표는 종양 단계에 따른 유전자 발현의 변화를 보여준다. 단계 간 YTHDC2 발현에서 통계적으로 유의미한 차이는 관찰되지 않았다(p = 0.644). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

그림 6: NSCLC 환자에서 YTHDC2 발현의 Kaplan–Meier 생존 분석 (Kaplan–Meier Plotter). (A) 전체 생존기간 (OS): Kaplan–Meier Plotter 도구에서 제공하는 최적 컷오프 설정(“auto-select best cutoff”)을 사용하여, YTHDC2 발현 수준에 따라 고발현(n = 140) 및 저발현(n = 364) 군으로 분류한 NSCLC 환자의 전체 생존기간을 비교한 Kaplan–Meier 생존 곡선이다. 통계적 유의성을 평가하기 위해 log-rank 검정을 사용하였다 (p = 0.0093); 위험비 (HR) = 0.61; 95% 신뢰구간 (CI): 0.42–0.89. YTHDC2 발현의 증가와 전체 생존기간의 유의미한 개선이 연관되어 있다. (B) 질병 진행 후 생존기간 (PPS): Kaplan–Meier Plotter 도구에서 제공하는 최적 컷오프 설정(“auto-select best cutoff”)을 사용하여, YTHDC2 발현 수준에 따라 고발현(n = 181) 및 저발현(n = 296) 군으로 분류한 NSCLC 환자의 질병 진행 후 생존기간을 비교한 Kaplan–Meier 생존 곡선이다. 통계적 비교를 위해 log-rank 검정을 사용하였다 (p = 4.2 × 10⁻⁵); 위험비 (HR) = 0.63 (95% 신뢰구간: 0.51–0.79). YTHDC2의 고발현은 유의미하게 더 긴 질병 진행 후 생존기간과 연관되어 있다. 여기 를 클릭하여 이 그림의 확대 버전을 확인하십시오.

그림 7: YTHDC2 생존율 예측 모델. RNA-seq 발현 및 생존 데이터가 확보된 TCGA-LUAD 및 TCGA-LUSC 환자를 대상으로 1년, 3년, 5년, 8년 시점에서의 전체 생존에 대한 YTHDC2의 예측 정확도를 평가한 수신기 작동 특성(ROC) 곡선. AUC 값: 1년 = 0.50, 3년 = 0.51, 5년 = 0.52, 8년 = 0.52. 점선 대각선은 무작위 확률(AUC = 0.5)을 나타냄. R의 survival ROC 패키지를 사용하여 분석 수행. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 8qRT-PCR로 측정한 비소세포폐암(NSCLC) 종양 조직 및 인접 정상 조직 쌍에서의 YTHDC2 발현량. 상대적 YTHDC2 발현량은 2^-ΔΔCt 방법으로 계산하였습니다.^{–Δ임계 주기(Cycle threshold)} 방법을 사용하였으며 GAPDH로 정규화하였다. 발현 값은 보정 샘플에 대한 배수 변화가 아닌 정규화된 발현 수준을 나타낸다. 통계 분석은 쌍 비교가 가능한 19쌍의 일치하는 종양-인접 정상 조직 쌍을 사용하여 수행되었다. 데이터는 평균과 함께 개별 쌍 관찰값으로 제시된다. ± 표준 편차. 짝지은 표본 간의 차이는 Wilcoxon 부호 순위 검정을 사용하여 분석하였다(p = 0.537). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

그림 9: NSCLC 환자에서 YTHDC2 발현과 임상병리학적 특성 간의 연관성. (A) 서로 다른 병리학적 유형에서의 YTHDC2 발현; 선암보다 편평세포암에서 더 높은 발현을 보임 (p < 0.05). (B) 림프절 전이 여부에 따른 YTHDC2 발현; 전이가 없는 환자보다 림프절 전이가 있는 환자에서 더 높은 발현을 보임 (p < 0.05). (C) 서로 다른 조직학적 분화 등급에 따른 YTHDC2 발현; 통계적으로 유의미한 차이가 없음 (p = 0.181). (D) CSCO 임상 단계에 따른 YTHDC2 발현; 통계적으로 유의미한 차이가 없음 (p = 0.08). YTHDC2 발현 수준은 정량적 실시간 PCR (qRT-PCR)로 측정하였으며, GAPDH로 표준화하여 2^–ΔCt 방법으로 계산함. 데이터는 평균 ± 표준 편차 (SD)로 표시됨. 통계적 비교는 Wilcoxon rank-sum test를 사용하여 수행함. *p < 0.05인 경우 통계적으로 유의미한 것으로 간주함. 여기를 클릭하여 이 그림의 더 큰 버전을 확인하십시오.

번호	선정 기준	제외 기준
1	성별에 관계없이 연령 ≥18세.	다른 악성 종양 진단.
2	중국 의학 협회 폐암 임상 가이드라인(2024년판)에 따라 NSCLC 진단이 확정된 환자.	만성 호흡기 또는 심혈관 질환(예: COPD, 폐성심, 심부전)이 있는 경우.
3	서면 동의서를 작성하고 인구통계학적 세부 사항, 혈청 종양 표지자 및 조영 증강 흉부 CT 영상을 포함한 완전한 임상 데이터를 이용 가능한 환자.	신부전(eGFR <30 ml/min/1.73m²) 또는 간경변을 포함한 심각한 장기 기능 장애.
4	이전의 종양 표적 치료 경험이 없는 치료 경험이 없는(treatment-naive) 환자.	임산부 또는 수유부를 포함한 특수 집단(해당되는 경우 β-hCG 검사로 확인).
5	분자 분석에 적합한 충분한 종양 및/또는 인접 조직 샘플을 이용 가능한 경우.	불충분한 조직이나 분해된 RNA를 포함하여 병리 전문의의 검토로 확인된 표본 품질 불량.

표 1: 연구 대상 NSCLC 환자의 선정 및 제외 기준

조직 유형	분석된 쌍 표본 수 (n)	상대적 발현량 (Mean ± SD)
종양 조직	19	3.24 ± 2.34
매칭된 인접 정상 조직	19	3.60 ± 1.70

표 2: 쌍을 이룬 NSCLC 종양 및 인접 정상 조직에서의 YTHDC2 발현. YTHDC2의 상대적 발현량은 2^–ΔCt법을 사용하여 측정하였으며 GAPDH로 정규화하였다. 데이터는 평균 ± 표준 편차(SD)로 표시하였다. 19쌍의 매칭된 종양-인접 정상 조직 쌍에 대한 통계적 비교는 Wilcoxon 부호 순위 검정(p = 0.537)을 사용하여 수행하였다.

표적 유전자	프라이머/프로브	서열 (5′→3′)
YTHDC2	정방향 (F)	CCTGTCACCAATAAAGAGCG
	역방향 (R)	CACTGGAATCTGAGGTATGCC
	프로브 (P)	AGCAAGACAAGTGGGCGACTCAA
GAPDH	정방향 (F)	AATCCCATCACCATCTTCCAG
	역방향 (R)	ATGACCCTTTTGGCTCCC
	프로브 (P)	CCAGCATCGCCCCACTTGATTTT

표 3: 정량적 실시간 PCR (qRT-PCR)에 사용된 프라이머 및 프로브 서열. YTHDC2 발현은 GAPDH를 내부 대조군으로 하여 TaqMan 화학법을 통해 정량화되었습니다.

특성	범주	n	%
병리학적 유형	선암	41	82
	편평세포암	9	18
CSCO 병기	I–II	28	56
	III–IV	22	44
림프절 전이	없음	24	48
	있음	26	52
분화도	저분화	9	18
	중등도-고분화	41	82
연령	≥60세	36	72
	<60세	14	28
성별	남성	32	64
	여성	18	36
흡연력	있음	25	50
	없음	25	50

표 4: NSCLC 환자의 임상 및 병리학적 특성. 데이터는 전체 연구 대상자(n = 50)를 기준으로 빈도(n)와 백분율(%)로 표시되었다.

임상병리학적 특징	그룹	n	YTHDC2 발현량 (평균 ± 표준편차(SD)	pp-값
조직 유형	종양	30	3.24 ± 2.34	0.537
	인접 정상 조직	19	3.60 ± 1.70
병리학적 유형	선암종	26	4.13 ± 1.29	0.022*
	편평세포암종	4	7.50 ± 3.41
CSCO 병기 결정	I–II	22	4.29 ± 1.94	0.08
	III–IV	8	5.05 ± 1.51
림프절 전이	아니요	19	3.83 ± 0.91	0.027*
	네	11	5.70 ± 2.53
조직학적 분화	중등도-고분화	25	4.33 ± 1.90	0.181
	저분화의	5	5.18 ± 1.60
연령	60세 이상	20	4.62 ± 2.10	0.835
	<60년	10	4.16 ± 1.12
흡연력	네	12	4.62 ± 2.40	0.845
	아니요	18	4.38 ± 1.40

표 5: NSCLC 환자의 YTHDC2 발현과 임상병리학적 특징 간의 연관성. YTHDC2 발현은 qRT-PCR로 측정되었으며, GAPDH로 표준화하여 2^–ΔCt 방법으로 계산하였다. 데이터는 평균 ± 표준편차(SD)로 나타내었다. 그룹 크기(n)는 분석된 유효 샘플 수를 나타낸다. 그룹 간 통계적 비교는 Wilcoxon rank-sum 검정을 사용하여 수행하였다. *p < 0.05를 통계적으로 유의한 것으로 간주하였다.

변수	β	Wald	p-값	OR	95% CI
연령 (≥60 vs <60)	0.07	0.01	0.93	1.08	0.20–5.68
성별 (여성 vs 남성)	0.53	0.4	0.525	1.7	0.33–8.67
흡연력 (있음 vs 없음)	0.54	0.46	0.496	1.71	0.36–8.09
종양 단계 (III–IV vs I–II)	3.3	7.38	0.007*	27	2.50–291.18
분화도 (불량 vs 중등도-양호)	–1.29	1.62	0.204	0.28	0.04–2.02
YTHDC2 발현	0.83	4.91	0.027*	2.29	1.10–4.75

표 6: NSCLC 환자의 림프절 전이 관련 요인에 대한 다변량 로지스틱 회귀 분석. 림프절 전이를 종속 변수로 하여 이분형 로지스틱 회귀 분석을 수행하였다. 95% 신뢰 구간(CI)을 포함한 오즈비(ORs)를 보고하였다. 참조 범주: 연령(<60세), 성별(남성), 흡연력(없음), 종양 병기(I–II), 분화도(중등도–양호). *p < 0.05는 통계적 유의성을 나타낸다.

토론

YTH family 중 가장 큰 N6-methyladenosine (m6A) 결합 단백질인 YTHDC2는 ATP 의존적 RNA helicase 활성을 가진다는 점에서 독특하며, 이는 RNA 대사의 핵심 조절자로서 YTHDC2를 차별화합니다¹³. 다른 YTH family 구성원들과 달리, YTHDC2는 핵과 세포질 모두에서 발견되며, 이곳에서 mRNA 번역과 RNA 안정성을 조절합니다¹⁴. 이전의 실험 연구들에 따르면, YTHDC2는 ADIRF 및 MRPL12 mRNA 발현을 억제하고 세포 사멸을 촉진하며 세포 증식과 전이를 감소시킴으로써 폐선암(LUAD)의 진행을 억제하는 것으로 나타났습니다^15,16. 또한 이전의 실험 연구들은 YTHDC2가 ZNRD1-AS1과 같은 lncRNA를 안정화하여 LUAD 증식을 억제하고, CYLD 및 SLC7A11과 같은 m6A 변형 mRNA를 조절하여 NF-κB 신호 전달 경로, 시스테인 흡수 및 항산화 과정을 억제하는 동시에 페로토시스와 항암 활성을 촉진한다는 점을 시사했습니다^17,18.

본 연구에서는 생물정보학 분석과 실험적 검증을 결합한 통합적 접근 방식을 통해 비소세포폐암(NSCLC)에서 m6A 리더 단백질인 YTHDC2의 발현과 임상적 유의성을 조사하였습니다. TCGA 및 GEPIA 데이터베이스를 이용한 생물정보학 분석 결과, 정상 폐 조직에 비해 NSCLC 종양 조직에서 YTHDC2의 발현이 유의하게 감소되어 있었으며, YTHDC2의 높은 발현은 전반적 생존율 및 진행 후 생존율의 개선과 연관되어 있어 잠재적인 예후 인자로서의 역할을 시사하였습니다. 흥미롭게도, 본 코호트의 19개 쌍을 이룬 종양 및 인접 정상 조직 샘플을 이용한 qRT-PCR 실험에서는 종양 조직과 인접 정상 조직 간의 YTHDC2 발현에 통계적으로 유의미한 차이가 나타나지 않았습니다. 이러한 불일치는 대규모 공공 데이터셋의 결과를 독립적인 임상 코호트에 적용할 때 발생하는 어려움을 보여주며, in silico 분석 결과를 해석할 때 신중한 접근이 필요함을 강조합니다. 이러한 차이가 발생하는 원인을 이해하는 것은 NSCLC에서 YTHDC2를 바이오마커 및 치료 표적으로 활용하는 유용성을 정확하게 평가하는 데 매우 중요합니다. 본 연구가 YTHDC2에 주목한 이유는 YTH 리더들 중 YTHDC2만이 가진 독특한 헬리카제 활성 때문이지만¹⁹, 최근의 범암 분석(pan-cancer analysis)에서는 다른 가족 구성원들이 맥락 의존적인 역할을 한다는 것이 밝혀졌습니다. 예를 들어, Li 등은 YTHDF1/2가 대부분의 암(예: LIHC, LUAD)에서 상향 조절되며 좋지 않은 예후와 상관관계가 있는 반면, YTHDC1/2는 KIRC 및 BRCA에서 종양 억제 효과를 보인다는 것을 입증하였습니다²⁰. 특히, Wnt/β-catenin 활성화를 통한 YTHDF1의 발암 역할은 NSCLC에서 YTHDC2의 항전이 기능과 대조를 이루며, 이는 서브타입 특이적인 바이오마커 전략의 필요성을 부각시킵니다. 면역 관문 억제제 반응을 위한 PD-L1과 같은 기존의 확립된 예후 마커와 비교했을 때, 범암 면역 침윤 분석에서 제시된 바와 같이 YTHDC2의 예측력은 다른 m6A 조절 인자(예: METTL3, YTHDF1) 또는 면역 관문 유전자와 결합함으로써 향상될 수 있을 것입니다. 이전 연구들은 YTHDC2가 NF-κB/CYLD 경로를 조절한다고 시사하였으나¹², 본 연구는 면역조직화학 염색이나 Western blotting을 이용한 단백질 수준의 검증 및 기능적 검증이 이루어지지 않았다는 한계가 있습니다. 향후 연구에서는 넉다운 분석과 m6A-sequencing을 결합하여 직접적인 표적을 규명해야 할 것입니다.

이전 분석 결과, NSCLC 조직에서 YTHDC2 발현이 하향 조절되어 있으며 이는 불량한 예후와 상관관계가 있음이 밝혀졌습니다²¹. Kaplan-Meier 분석에서는 YTHDC2 발현이 높은 환자의 생존 기간이 더 긴 것으로 나타났으나, ROC 곡선 분석에서는 생존에 대한 예측력이 제한적인 것으로 나타났습니다²⁰. 본 연구의 생존 ROC 분석은 자체 임상 코호트의 장기 추적 관찰 정보가 없었기 때문에 TCGA RNA-seq 발현 및 생존 데이터를 사용하여 수행되었습니다. 중요한 점은, 본 연구에서 관찰된 낮은 AUC 값(~0.5)이 YTHDC2 발현이 단독 바이오마커로서 임상적으로 사용되기에는 충분한 민감도와 특이도가 부족함을 시사한다는 것입니다²². 이러한 한계는 단일 유전자 바이오마커가 NSCLC와 같은 복잡한 질환에는 불충분한 경우가 많으며, 임상적으로 의미 있는 예측 성능을 달성하기 위해 멀티오믹스 접근법과 통합 바이오마커 패널이 점점 더 요구된다는 최근의 증거들과 일치합니다. 림프절 전이가 있는 NSCLC 조직에서 더 높은 YTHDC2 발현이 관찰되었으며, 이는 본 코호트에서 YTHDC2 발현과 림프절 전이 상태 사이에 잠재적인 연관성이 있음을 시사합니다. 선암과 편평세포암 사이에서도 YTHDC2 발현의 차이가 관찰되었으나, 분석 가능한 편평세포암 샘플이 4개에 불과하여 이 하위 그룹 비교의 통계적 검정력이 크게 제한되므로 해당 비교 결과는 주의해서 해석해야 합니다. 임상 단계, 분화도, 연령 또는 흡연력에서는 유의미한 차이가 관찰되지 않았으며, 이는 샘플 크기와 단일 센터 설계 등 연구의 한계로 인한 것으로 보입니다. YTHDC2 발현 감소와 림프절 전이 사이의 연관성은 NSCLC에서의 잠재적인 생물학적 역할을 시사하지만, 낮은 판별력(AUC ~0.5)과 qRT-PCR에 의한 일관되지 않은 검출 결과로 인해 단독 임상 마커로서의 사용은 어렵습니다. 향후 연구에서는 YTHDC2를 다른 m6A 관련 단백질과 결합했을 때 예측 가치가 향상되는지 탐색해야 합니다.

생물정보학 분석 결과, NSCLC에서 YTHDC2의 발현이 감소되어 있으며 이는 환자의 더 나은 예후와 관련이 있을 수 있음이 시사되었습니다. 림프절 전이가 있는 환자에게서도 발현 감소가 관찰되었고 병리학적 하위 유형 간에 차이가 나타났으나, 특히 편평세포암의 경우 표본 크기가 제한적이므로 이러한 하위 그룹 분석 결과는 주의 깊게 해석해야 합니다. 그러나 이러한 결과는 본 연구의 임상 코호트 내 qRT-PCR 분석에서는 확인되지 않았으며, 이는 코호트 특성, 표본 크기, 기술적 가변성, 전사 후 조절의 차이 또는 단백질 수준 검증의 부재를 반영하는 것일 수 있습니다. 향후 연구에서는 in vitro 및 in vivo 실험을 통해 다른 폐암 하위 유형에서의 YTHDC2 메커니즘을 탐구해야 합니다. 이러한 연구는 YTHDC2의 생물학적 역할을 더욱 명확히 하고, 단독 바이오마커가 아닌 다중 마커 접근법의 일부로서 임상적 유용성이 있는지 결정하는 데 도움이 될 것입니다.

한계점

본 연구에는 몇 가지 제한점이 있습니다. 상대적으로 표본 크기가 작은 단일 센터 회고적 연구였으므로 일반화하는 데 한계가 있을 수 있습니다. FFPE 조직의 사용이 RNA 품질과 qRT-PCR 민감도에 영향을 주었을 가능성이 있습니다. 또한, YTHDC2 mRNA 발현만을 평가하였으며, 면역조직화학염색(IHC) 또는 Western blotting을 이용한 단백질 수준의 검증은 수행되지 않았습니다. 전사 후 조절로 인해 mRNA 발현이 반드시 단백질 풍부도와 상관관계가 있는 것은 아니므로, 이러한 점이 본 연구의 임상적 결과와 공공 데이터베이스 분석 간의 불일치를 부분적으로 설명할 수 있습니다. 또한 본 연구는 장기 추적 관찰 데이터가 부족했으며, 하위 그룹 분석(예: 편평 세포 암종)의 통계적 검정력이 낮았습니다.

향후 방향

향후 연구에서는 in vitro 및 in vivo 실험을 통해 NSCLC 내 YTHDC2 기전을 탐구함으로써 그 기능적 역할을 더 깊이 이해해야 합니다. 발견된 결과의 타당성을 검증하고 일반화 가능성을 높이기 위해 더 큰 표본 규모의 다기관 연구가 필요합니다. 또한, YTHDC2를 다른 m6A 관련 조절 인자 및 임상 병리학적 변수와 통합함으로써 예측 및 예후적 유용성을 높일 수 있을 것입니다. YTHDC2 조절 이상에 내재된 생물학적 기전을 명확히 하기 위해 전사체학, 단백질체학, 후성유전체학을 포함한 멀티오믹스 접근법을 통합한 추가 연구가 필요합니다. mRNA와 단백질 발현 사이의 일치도를 평가하기 위해 면역조직화학(IHC) 또는 Western blotting을 통한 단백질 수준의 검증 또한 수행되어야 합니다. 재현성과 임상 적용성을 보장하기 위해서는 시료 처리 및 검증 기술의 표준화 역시 매우 중요할 것입니다.

결론

본 연구는 생물정보학 분석과 임상 qRT-PCR 검증을 통합하여 NSCLC 내 YTHDC2 발현에 대한 탐색적 평가를 제공합니다. 그러나 분석 플랫폼 간의 일관성 없는 검출 결과와 제한적인 진단 정확도(AUC ≈0.5)로 인해, 현재로서는 YTHDC2를 단독 임상 바이오마커로 사용하는 것은 어렵습니다. 생물정보학 분석에서는 잠재적인 예후적 유의성이 시사되었으나, 독립적인 임상 검증 결과는 진단 또는 예후 적용을 위한 신뢰성을 뒷받침하지 않습니다. 이러한 결과는 신중하게 해석되어야 하며, 임상 적용을 고려하기 전에 단백질 수준 및 기능 연구를 포함하여 더 대규모의 다기관 코호트에서 검증이 필요합니다.

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
맞춤형 프라이머 및 프로브	Sangon Biotech Co., Ltd., 중국 상하이	맞춤형 합성	표 6에 기재된 프라이머 및 프로브 서열
DNase I	Magen Biotechnology Co., Ltd., 중국 광저우	DNase I (HiPure FFPE RNA Kit)	유전체 DNA 오염 제거
ESTIMATE 알고리즘	Yoshihara 등	R 패키지 (버전 1.0.13)	종양 순도 추정
FFPE RNA 추출 키트	Magen Biotechnology Co., Ltd., 중국 광저우	HiPure FFPE RNA Kit (R4130-02)	FFPE 조직으로부터의 RNA 추출
GDC 데이터 포털	미국 국립보건원(NIH) 산하 국립암연구소(NCI)	https://portal.gdc.cancer.gov	TCGA 데이터 세트 다운로드
GEPIA 웹 서버	베이징대학교, 중국	http://gepia.cancer-pku.cn	유전자 발현 분석
카플란–마이어 플로터 (Meier Plotter)	세멜바이스 대학교, 헝가리	https://kmplot.com	생존 분석
마이크로 원심분리기	Eppendorf AG, 독일 함부르크	5424 R	RNA 정제 절차
NanoDrop 분광광도계	Thermo Fisher Scientific, Waltham, MA, USA	NanoDrop 2000/2000c	RNA 정량 분석
프로브 기반 qPCR 마스터 믹스	Thermo Fisher Scientific, Waltham, MA, USA	TaqMan Universal PCR Master Mix II (4440040)	정량 PCR 증폭
R 통계 소프트웨어	R Foundation for Statistical Computing, 오스트리아 빈	버전 4.4.1	통계 분석 및 ROC 분석
실시간 PCR 시스템	Bio-Rad Laboratories, Hercules, CA, USA	CFX Opus 96	정량적 실시간 PCR
역전사 키트	Thermo Fisher Scientific, Waltham, MA, USA	RevertAid First Strand cDNA Synthesis Kit (K1622)	cDNA 합성
RNA 정제 컬럼	Magen Biotechnology Co., Ltd., 중국 광저우	HiPure 미니 컬럼 I	실리카 멤브레인 RNA 정제 컬럼
RNase-Free Water	Magen Biotechnology Co., Ltd., 중국 광저우	RNase-Free Water	RNA 용출
SPSS Statistics	IBM Corp., Armonk, NY, USA	IBM SPSS Statistics 버전 27.0	통계 분석
survivalROC 패키지	CRAN (R Foundation for Statistical Computing)	버전 1.0.3.1	시간 의존적 ROC 분석
TCGA 데이터베이스	미국 국립보건원(NIH) 국립암연구소(NCI)	https://portal.gdc.cancer.gov	공공 암 유전체 데이터베이스
세척 완충액 RW1	Magen Biotechnology Co., Ltd., 중국 광저우	버퍼 RW1	RNA 정제 세척 완충액
세척 완충액 RW2	Magen Biotechnology Co., Ltd., 중국 광저우	완충액 RW2	RNA 정제 세척 완충액