search for   

 

Association between ITGB2 Genetic Polymorphisms and Tuberculosis
Korean J Clin Lab Sci 2018;50:118-125  
Published on June 30, 2018
Copyright © 2018 Korean Society for Clinical Laboratory Science.

Hyun-Seok Jin, Sang-In Lee, and Sangjung Park

Department of Biomedical Laboratory Science, College of Life and Health Sciences, Hoseo University, Asan, Korea
Correspondence to: Sangjung Park
Department of Biomedical Laboratory Science, College of Life and Health Sciences, Hoseo University, 20 Hoseo-ro 79 Beon-gil, Asan 31499, Korea Tel: 82-41-540-9967 Fax: 82-41-540-9997 E-mail: sangjung@hoseo.edu
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract

Tuberculosis (TB) is an infectious disease caused by Mycobacterium tuberculosis (MTB), but the genes associated with the host immune system can be attributed to the development of TB. The ITGB2 gene encodes the integrin beta 2 chain CD18 protein and is present on chromosome 21. The integrin beta 2 chain is an integrin expressed in leukocytes and plays a very important role in leukocyte maturation and attachment. ITGB2 plays an important role in the phagocytosis of MTB and the aggregation of leukocytes in MTB infections. This study examined the genetic polymorphisms of the ITGB2 gene between the TB case and normal control using Korean genomic and epidemiologic data. As a result, a statistically significant correlation was confirmed in 10 SNPs. The most significant SNP was rs113421921 (OR=0.69, CI: 0.53∼0.90, P=5.8×10−3). In addition, rs173098, one of the significant 10 SNPs, is possibly located in a binding motif with the transcription factor cofactor p300, and can affect ITGB2 gene expression. These findings suggest that the pathogenesis of TB may be influenced by a range of genetic factors related to the immune function of the host, e.g., the reactions associated with the recruitment and attachment of leukocytes. The results of this study could be used to predict the infection control for tuberculosis in a patient-tailored manner.

Keywords : CD18, Genetic association study, ITGB2, Mycobacterium tuberculosis, SNP
서론

결핵은 결핵균(Mycobacterium tuberculosis, MTB) 감염으로 발병하는 감염성 질환이다. 이러한 결핵의 발병은 특정 인종 및 민족, 가족력 간의 다른 비율로 결핵이 발생하게 되는데 이러한 발병의 요인에는 숙주의 유전적인 차이에 따른 원인이 작용하게 된다. MTB가 생존할 수 있는 환경과 숙주 사이의 유전적 인자는 복잡한 상호 작용을 통하여 결핵 발병에 중요한 역할을 하게 된다[1]. 숙주의 유전적 요인은 적어도 MTB에 대한 감염의 위험성을 나타 낼 수 있다. 이전에 수행한 쌍둥이를 이용한 연구와 Genome-Wide Association Study (GWAS) 등을 통하여 숙주의 유전적 차이가 MTB에 대한 감수성에 영향을 줄 수 있음을 시사하고 있다[2-6].

ITGB2 유전자는 integrin beta 2 chain인 CD18 단백을 암호화 하고 있고, 염색체 21q22.3에 위치하고 있다[7]. Beta 2 인테그린은 백혈구에서 발현하는 중요한 결합단백이자 신호전달을 담당하고 있는 단백질이다. 4 가지 β2 인테그린은 면역 세포 기능의 세 가지 주요 측면을 조절하는 데 중요한 역할을 한다. CD18 단백질은 β2 인테그린 중 beta subunit을 담당하고 있으며 이는 4가지의 alpha subunit과 결합하여 receptor를 형성하고, 면역반응에 관여하는 리간드와 결합한다. 또한 beta 2 integrin은 수지상세포와 단핵구, 대식세포의 기능을 조절하는 역할을 수행한다고 알려져 있다[8]. 그 중 CD11b와 CD18로 이루어진 Complement receptor 3 (CR3)는 MTB 감염 시 사람의 대식세포와 단핵구에서 발현하며, CR1과 CR4와 함께 MTB의 탐식작용 하는데 C3를 통한 옵소닌화를 담당하는 것으로 알려져 있다[9]. 뿐만 아니라 MTB에 감염된 수지상세포는 내피세포에 CD18 발현이 감소하여 내피세포에 대한 결합력이 감소 된다고 보고하고 있다[10].

따라서 본 연구에서는 한국인 유전체 역학조사 사업의 일환으로 조사를 실시한 코호트 자료를 활용하여 과거 결핵 발병이 있었던 환자군과 질병이 없는 건강 대조군을 설정하고, 환자군과 건강 대조군 사이에서 ITGB2 유전자의 유전적 다형성이 결핵 발병에 영향을 주었는지 확인하고자 유전적 변이에 대한 상관성 분석을 시행하였다.

재료 및 방법

1. 연구대상자

본 연구를 위한 한국인 연구대상자는 한국인 유전체 역학 조사 사업(Korean Genome and Epidemiology Study, KoGES)의 일환인 Korean Association REsource (KARE)를 기반으로 하였다[11]. 이때 사용한 유전체 자료는 질병관리본부 인체자원은행에서 분양을 받아 분석을 하는데 사용하였다(17070301- 01-01). 본 연구에서 사용한 연구대상자의 선별은 이전 연구와 동일하게 설정하였다[12]. 요약하자면 환자군은 과거에 결핵 진단을 받았던 443명을 대상으로 하였고, 그 외의 특별한 질환이 없는 3,228명을 건강 대조군으로 선정하여 본 연구에 활용하였다. 본 연구에 활용한 유전정보는 질병관리본부(KNIH)와 호서대학교에서 연구윤리 승인을 받은 후 수행하였다(1041231- 170418-HR-056-02).

2. 유전형 분석과 Single Nucleotide Polymorphism (SNP) 선별

자세한 유전형 판독과 QC 과정은 앞서 발표된 논문[11]에 잘 기술되어 있다. 본 연구에서 분석한 ITGB2 유전자 전사체 영역에 존재하는 9개의 SNP은 KARE 유전형 자료에서 선별하였다. 유전자 전사체 영역의 양 말단에서 5 kb씩 확장하여 이 범위에 존재하는 SNP을 분석에 대상으로 사용하였다. 선별된 SNP의 염색체 상의 위치는 NCBI human genome build 36를 기준으로 하였다. 뿐만 아니라 77개의 imputed SNP를 MACH 1.0.16을 활용하여 선별하였다(Table 1).

Associations between the 86 SNPs in the ITGB2 gene and tuberculosis in KARE subjects

No.SNPConsequence to transcriptBPA1A2MAFOR (95% CI)Additive P value

Cases (N=443)Control (N=3,228)
I1rs2164072intergenic46301008CA0.2140.2051.07 (0.90∼1.27)0.465
I2rs34897870intergenic46301426GA0.4140.3971.07 (0.93∼1.24)0.330
I3rs440555intergenic46301742AG0.1430.1460.98 (0.80∼1.21)0.881
I4rs441019intergenic46302029AT0.4940.4960.96 (0.84∼1.11)0.603
I5rs2117340intergenic46302367TG0.1010.1130.87 (0.69∼1.10)0.247
I6rs2117341intergenic46302393AG0.1170.1200.97 (0.78∼1.21)0.770
I7rs760434intergenic46302858AG0.0100.0110.88 (0.44∼1.78)0.722
I8rs760435intergenic46302872CT0.3570.3501.03 (0.89∼1.20)0.670
I9rs7280520intergenic46303335AG0.3570.3501.03 (0.89∼1.20)0.670
I10rs142527317intergenic46303373AG0.0100.0110.88 (0.44∼1.78)0.722
I11rs125810intergenic46303649AG0.3570.3501.03 (0.89∼1.20)0.670
I12rs13053009intergenic46304314AG0.1010.1150.86 (0.68∼1.08)0.192
I13rs381406intergenic46304355GT0.3570.3501.03 (0.89∼1.20)0.670
I14rs113221535downstream46305400CT0.2130.2031.07 (0.90∼1.28)0.454
I15rs113421921downstream46305438TC0.0730.1030.69 (0.53∼0.90)5.8×10−3
I16rs28568877downstream46305627CT0.1570.1521.04 (0.85∼1.27)0.691
I17rs11602633’ UTR46306138TG0.2120.2041.06 (0.89∼1.26)0.538
G1rs6843’ UTR46306161TC0.0780.1030.73 (0.56∼0.95)0.018
I18rs235375intronic46306472GC0.0780.1030.73 (0.56∼0.95)0.018
I19rs33973568intronic46306594AG0.4140.3951.08 (0.94∼1.25)0.280
I20rs180318intronic46307495TC0.1430.1460.98 (0.80∼1.20)0.867
I21rs173098intronic46307551AG0.0790.1030.74 (0.57∼0.96)0.025
I22rs35871743intronic46307748GA0.1010.1150.86 (0.68∼1.08)0.192
I23rs138576253intronic46307884AC0.0100.0110.88 (0.44∼1.78)0.722
I24rs235377intronic46308212AG0.1430.1460.98 (0.80∼1.21)0.879
I25rs138169057intronic46308270TC0.0100.0110.88 (0.44∼1.78)0.722
I26rs2075883intronic46310445AG0.0560.0790.69 (0.51∼0.94)0.018
I27rs34675004intronic46310669TG0.0840.1080.75 (0.58∼0.97)0.026
I28rs7281466intronic46312383TA0.0930.1150.79 (0.62∼1.00)0.050
I29rs2230529intronic46313442TG0.0950.1170.80 (0.63∼1.01)0.059
I30rs1970054intronic46314584CG0.0950.1160.80 (0.63∼1.01)0.060
I31rs2838725intronic46315022TC0.0950.1170.80 (0.63∼1.01)0.059
G2rs2838726intronic46315091TC0.0950.1170.80 (0.63∼1.01)0.059
I32rs55965820intronic46315423TC0.0950.1170.80 (0.63∼1.01)0.059
I33rs2838727intronic46315907TC0.0930.1160.78 (0.61∼0.99)0.043
I34rs9979014intronic46316338TC0.0930.1160.78 (0.61∼0.99)0.043
I35rs3788142intronic46316640AG0.0860.1080.77 (0.60∼0.99)0.044
I36rs55865320intronic46321659AC0.0360.0480.75 (0.51∼1.09)0.126
I37rs4607021intronic46322487AG0.4880.4701.08 (0.93∼1.25)0.295
I38rs116673857intronic46322555AC0.0290.0440.67 (0.44∼1.01)0.055
I39rs17004715intronic46323273AG0.0300.0440.69 (0.46∼1.04)0.073
G3rs2838733intronic46323731CT0.2880.2930.97 (0.83∼1.13)0.663
I40rs59498405intronic46325056TC0.0280.0290.92 (0.59∼1.41)0.688
I41rs2072702intronic46327287AG0.4940.4711.11 (0.96∼1.28)0.179
I42rs760462intronic46328099TC0.2460.2570.93 (0.79∼1.10)0.422
I43rs73906941intronic46328238CG0.0340.0460.74 (0.50∼1.09)0.128
I44rs73906942intronic46328239AT0.0340.0460.74 (0.50∼1.09)0.128
I45rs116941926intronic46328543AG0.0280.0430.65 (0.43∼0.99)0.043
I46rs760459intronic46328835AT0.2540.2690.92 (0.78∼1.08)0.301
I47rs78679639intronic46328856TC0.0250.0380.65 (0.42∼1.01)0.056
I48rs760457intronic46329312TC0.4420.4391.02 (0.88∼1.18)0.789
I49rs760456intronic46329415GC0.4420.4391.02 (0.88∼1.17)0.798
I50rs3788146intronic46329620GA0.1900.1781.10 (0.92∼1.32)0.293
G4rs3788147intronic46329669CT0.1930.1791.12 (0.93∼1.33)0.230
I51rs34580582intronic46330183CT0.0280.0390.71 (0.47∼1.09)0.115
I52rs33910938intronic46331664AG0.1910.1751.13 (0.94∼1.35)0.186
I53rs13052421intronic46332685GA0.2890.3170.87 (0.74∼1.02)0.084
I54rs3788149intronic46333444GC0.0210.0320.66 (0.41∼1.06)0.088
I55rs77958571intronic46333486GA0.0210.0320.66 (0.41∼1.06)0.088
I56rs3788150intronic46333802TG0.2910.3180.88 (0.75∼1.02)0.097
I57rs13047425intronic46334993TC0.1900.1781.10 (0.92∼1.32)0.299
I58rs13050770intronic46335401TC0.1900.1781.10 (0.92∼1.32)0.299
I59rs78070573intronic46335431TC0.0200.0290.69 (0.42∼1.13)0.140
G5rs2838737intronic46335580TC0.2910.3180.88 (0.75∼1.02)0.097
I60rs13051783intronic46335940CA0.1910.1781.11 (0.93∼1.33)0.264
I61rs7282310intronic46336166CG0.2750.2940.91 (0.77∼1.07)0.234
G6rs1474552intronic46337290CT0.1990.2010.99 (0.83∼1.19)0.933
G7rs9976299intronic46338651TC0.1470.1331.11 (0.91∼1.36)0.289
I62rs8130796intronic46338850GA0.4500.4291.09 (0.95∼1.26)0.212
I63rs149621562intronic46338937TC0.4400.4211.08 (0.94∼1.25)0.275
I64rs75817923intronic46338938GA0.4400.4221.08 (0.94∼1.24)0.281
I65rs76696735intronic46338942TG0.4410.4221.09 (0.94∼1.25)0.254
I66rs145192238intronic46338944GA0.4400.4221.08 (0.94∼1.24)0.281
I67rs3859733intronic46339059GA0.4480.4261.09 (0.95∼1.26)0.213
I68rs2006271intronic46339111CT0.4480.4261.09 (0.95∼1.26)0.213
I69rs73906946intronic46339140TC0.1730.1571.12 (0.93∼1.36)0.240
I70rs2017725intronic46339435GA0.4480.4271.09 (0.95∼1.25)0.220
I71rs760454intronic46340080CT0.4480.4271.09 (0.95∼1.25)0.220
I72rs7278533intronic46340423AG0.1490.1381.09 (0.90∼1.33)0.377
I73rs760453intronic46340512AG0.4480.4271.09 (0.95∼1.25)0.220
I74rs760452intronic46340641CT0.4490.4301.08 (0.94∼1.25)0.259
G8rs2070947intronic46340843GA0.2480.2740.87 (0.74∼1.03)0.108
I75rs3761395intronic46342091TC0.1520.1411.09 (0.90∼1.33)0.383
G9rs2838738intronic46344426GA0.4480.4271.09 (0.95∼1.25)0.235
I76rs2838739intronic46344650GA0.4480.4271.09 (0.95∼1.25)0.235
I77rs2838740intronic46344688CT0.4480.4281.09 (0.94∼1.25)0.249

P-values of <0.05 are indicated in bold. Abbreviations: A1, minor allele; A2, major allele; BP, base pair; CI, confidence interval; G of no., genotyped number of SNP; I of no., imputed number of SNP; KARE, Korean Association Resource; MAF, minor allele frequency; OR, odds ratio; SNP, single nucelotide polymorphism. The SNP positions are based on NCBI Build 36 human genome assembly


3. 상관성 분석과 통계 분석

대부분의 통계 분석에는 PLINK version 1.07 ( http://pngu.mgh.harvard.edu/∼purcell/plink)과 PASW Statistics version 18.0 (SPSS Inc. Chicago, IL, USA)을 사용하였다. 로지스틱 회기 분석이 결핵 환자군과 건강 대조군에 대한 유전적 변이와의 상관성 분석에 사용되었다. 상관성 분석은 additive genetic model을 기반으로 하였고, 유의수준은 0.05 이하를 기준으로 하였다. Haploview version 4.2 (Whitehead Institute for Biomedical Research, Cambridge, MA, USA) 프로그램을 사용하여 KARE 유전형 정보를 바탕으로 연관불균형(linkage disequilibrium) 블록 구조를 확인하였다. 또한 인터넷을 기반으로한 LocusZoom Version 1.1 (http://csg.sph.umich. edu/locuszoom)의 ASN(Asian) population panel 을 활용하여 SNP간의 regional association plot을 확인하였다. 또한, ITGB2의 결핵 발병과 관련된 생물학적 pathway를 검색하기 위해서 KEGG (Kyoto Encyclopedia of Genes and Genomes, www.genome.jp/kegg/pathway.html) database를 활용하여 ITGB2가 결핵에 미치는 영향을 알아보고자 하였다.

결과

1. 연구 대상자 정보

KARE 코호트 기반의 결핵 환자군 443명과 건강 대조군 3,288명에 대한 기본적인 정보는 지난 연구결과에서 확인 할 수 있다. 간략히 언급하자면, 결핵 환자군의 평균 연령은 51.0세이고, 건강 대조군은 51.6세로 유의한 차이가 없었다. 그러나, 두 그룹에서 남성의 비율이 건강 대조군에서는 여성의 비율과 유사하였으나, 결핵 환자군에서는 남성이 61.2%로 높은 비율을 보이고 있었다.

2. ITGB2 유전자 영역의 SNP 선별과 상관성 분석 결과

ITGB2 유전자 전사체 영역에서 양방향으로 각각 5kb씩 확장한 영역에서 9개의 genotyped SNPs 와 77개의 imputated SNPs을 확인할 수 있었다 (Table 1). 이렇게 선별된 ITGB2 유전자의 총 86개 SNPs을 대상으로 결핵 환자군과 건강 대조군에 대한 로지스틱 회귀분석을 시행한 결과 10개의 SNP에서 통계적으로 유의한 상관관계를 보이고 있었다. 그 중 genotyped SNP는 하나의 SNP에서 유의한 결과를 보였고, 다른 9개는 imputed SNP에서 유의한 결과를 보였다. 가장 높은 유의 수준(P=5.8× 10−3)을 보이는 SNP은 rs113421921으로 상대적 위험도는 0.69에 신뢰구간은 0.53∼0.90을 보이고 있었다.

rs113421921의 minor allele frequency (MAF)를 살펴보면, 결핵 환자군에서는 T 염기의 빈도가 7.3%이고, 대조군에서는 10.3%로 빈도의 차이가 있어서 rs113421921의 T 염기를 보유할 경우에 결핵 발생을 감소시키는 방향으로의 상관성이 존재하였다. 또 다른 유의한 결과를 보여주는 9개의 SNPs도 역시 minor allele 가질 경우에 상대적 위험도가 낮아지는 경향을 보여주고 있었다(Table 1).

3. ITGB2 유전자 SNP의 Linkage disequilibrium (LD) 구조

Haploview 프로그램을 사용하여 상관 분석에 사용한 ITGB2 유전자 영역 중 3’쪽의 36개 SNP에 대해 LD 구조를 확인하였다(Figure 1). 그 결과 27개의 SNP 들이 하나의 LD 블록을 형성하고 있었다. 다른 9개의 SNP가 또 다른 LD 블록을 형성하는 것을 확인할 수 있었다. 이 중 상관 분석에서 가장 유의성이 높았던 rs113421921는 또 다른 4개의 SNP (rs684, rs235375, rs173098, rs2075883) 와 함께 Block 1을 형성하는 것을 확인 할 수 있었고, 또 다른 3개의 유의성이 있는 SNP (rs34675004, rs2838727, rs9979014)가 Block2를 형성하는 것을 확인하였다. 이를 통해 연관성 있는 SNPs들이 각각의 Block에서 존재하는 것을 알 수 있었다.

Fig. 1.

Linkage disequilibrium of ITGB2 SNP on chromosome 21. The LD structure was confirmed for 36 SNPs at the 3’ terminus of ITGB2 gene. The 36 SNPs and LD structure were shown by a Haploview of LD (r2) based on genotyping data from 8,842 KARE subjects and are generated by using the Haploview program. Of the eight SNPs with significance, five SNPs belong to Block 1, and three SNPs belong to Block 2.


또한 regional plot 결과에서도 크게 세 개의 영역으로 나뉘어 SNP들이 서로 연관성이 있다는 것을 알 수 있었고, 가장 높은 유의성이 있는 rs113421921와 ITGB2 유전자의 3’말단에 있는 SNP들과 연관성이 매우 높은 것을 확인할 수 있었다. 이는 ITGB2 유전자와 결핵 발생 사이에 연관성이 있다는 사실을 뒷받침해 준다(Figure 2).

Fig. 2.

Associations between ITGB2 SNPs and tuberculosis case in Korean. The positions of the SNPs are shown at the top of the figure, and associations between SNPs in the ITGB2 gene and tuberculosis in Korean subjects are shown in the middle. The statistical significances (−log10 P-value) of associations with the genotyped and imputed SNPs are plotted. The recombination rates estimated using HapMap ASN population data is shown by a blue line. The purple diamond with a SNP number represents the SNP most strongly associated with tuberculosis, and its correlations with other SNPs are shown by colors indicating the levels of linkage disequilibrium (r2). At the bottom of the figure, the nucleotide position of the ITGB2 gene on chromosome 21 (NCBI build 36) is shown.


4. ITGB2 유전자의 KEGG pathway 검색 결과

ITGB2 유전자의 결핵 발생과의 관련성에 대해 생물학적 pathway 관점에서 살펴 보고자 KEGG database에서 검색해 보았다. 결과는 이전 연구에서 확인 했던 cell adhesion molecule 신호전달 경로에서 항원제시세포 (antigen presenting cells;APC)와 T 세포의 결합이나 Cytotoxic T세포와 감염세포가 결합하는데 있어서 ITGB2가 T 세포 receptor signaling pathway의 결합에 중요한 역할을 하고 있는 것을 확인할 수 있었다. 뿐만 아니라 대식세포나 수지상세포가 MTB 탐식 작용에 있어서 CD11c/CD18과 CD11b/CD18을 활용한다는 것을 알 수 있었다.

고찰

본 연구에서는 ITGB2 유전자의 연관성 연구를 통하여 86개의 SNPs에서 결핵이 발병했던 환자군과 건강 대조군 사이에 유전 변이의 빈도 차이를 확인해 보았다. 그 결과 10 개의 SNP에서 통계적으로 유의한 수준의 빈도 차이가 있는 것을 확인할 수 있었다. 특히 가장 유의성이 있는 SNP는 rs113421921인 것을 확인할 수 있었다. 이 SNP는 Figure 2에서 확인 할 수 있듯이 ITGB2 유전자의 3’ 말단의 다른 SNP과 0.6 이상의 높은 r2 값을 가지는 것을 확인할 수 있었다. 또한 이번 연구 결과에서 유의성이 있다고 나타난 SNP들은 모두 minor allele를 가질 경우 상대적 위험도가 감소하는 방향으로 나타나는 것을 확인할 수 있었다. 뿐 만 아니라 Figure 1의 LD plot 결과에서도 서로 다른 2개의 block에 유의성을 갖는 SNP 들이 각각 분포 하고 있는 것을 확인 할 수 있었고 이를 통하여 ITGB2 내에 존재하는 SNP 들이 결핵 발병과 통계적으로 유의한 상관 관계가 있다는 것을 확인 할 수 있었다.

이러한 intronic SNP들이 어떻게 ITGB2 유전자나 단백질 발현에 영향을 줄 수 있는지에 대해서 RegulomeDB ( http://www.regulomedb.org/index)로 확인해 보았다. 그 결과 T 세포 혹은 단핵구에서 rs173098, rs2075883, rs3788142의 세개의 SNP들에서 전사인자가 결합하고, DNase peak 차이가 나타나는 것을 확인할 수 있었다. 또한 rs173098는 전사 보조인자인 p300에 대한 motif로 작용하는 영역에서 나타나는 것을 알 수 있었다. 따라서 이러한 SNP의 유전적 다형성은 ITGB2의 단백질의 발현 혹은 단백질의 2차 구조에 영향을 줄 수 있는 가능성을 보여주고 있었다.

면역 반응에서 인테그린은 다른 세포와의 상호 작용을 하는데 있어서 중요한 신호 전달 단백질이다. 이러한 상호 작용은 세포 외 기질 단백 및 세포 표면 리간드를 통하여 일어 나게 된다[13]. 특히 beta 2 인테그린은 백혈구에서만 발견되기 때문에 면역계에서 매우 중요하다. Beta 2 인테그린은 림프조직과 염증조직으로 백혈구의 모집와, 백혈구 구르기 후 혈관 외로 백혈구가 유출하는 것을 매개한다[14]. 또한 면역학적 시냅스 형성을 포함한 백혈구사이의 세포 상호 작용을 수행하며[15], Toll like receptor (TLR)에 의한 세포 내 신호 전달 체계에 따른 세포 반응에 관여하는 것으로 알려져 있다[16].

특히 MTB에 감염된 수지상세포는 ITGB2의 발현을 억제하고 이를 통하여 백혈구 사이의 신호 전달 체계를 억제하여, 감염된 세포의 항원 제시 능력을 억제하며, cytokine의 분비를 억제하고, 결국 MTB에 대한 초기 면역 반응을 억제한다고 알려져 있다[17]. 수지상세포 뿐 만 아니라 대식세포에서는 beta 2 인테그린 subunit인 CD18과 결합하는 4가지의 alpha subunit (αL—CD11a, αM—CD11b, αX—CD11c, and αD—CD11d)들이 4가지의 receptor를 형성한다. 그 receptor들은 Leukocyte function associated antigen-1 (LFA-1), Macrophage-1 antigen (MAC-1)/Complement receptor 3 (CR3), Complement receptor 4 (CR4) 그리고 CD18/CD11d등으로 형성된다. 이 receptor들을 공통적으로 Intercellular Adhesion Molecule 1 (ICAM-1)을 리간드로 인지하여 결합하는 것으로 알려져 있다. ICAM-1은 MTB 감염에 있어서 육아종을 형성하는데 중요한 역할을 수행하는 단백질로 ICAM-1을 knock out 한 마우스에서 대식세포의 세포 집합 현상이 일어나지 않아 마우스가 쉽게 사멸하는 것을 확인한 바 있다 [18]. 또 다른 연구에서는 MTB에 감염된 대식세포에서 MAC-1과 ICAM-1의 발현이 증가하는 현상을 확인 하기도 하였다 [19]. 뿐만 아니라 CR3와 CR4 또한 MTB의 LAM과 반응하여 대식세포에 탐식작용을 수행하여 MTB 사멸을 유도한다는 보고도 있다[20, 21]. 이는 우리가 KEGG pathway에서 볼 수 있었던 MTB 감염 시 ITGB2의 역할과 동일하다는 것을 확인할 수 있었다. 이러한 보고를 통하여 ITGB2의 유전적 다형성은 결핵 발병에 있어서 수지상세포 및 대식세포의 세포 집합 과정 및 MTB의 탐식 작용에 영향을 줄 수 있고, 이를 통하여 결핵 발병에 대한 차이를 유도 할 수 있을 것이라고 생각한다.

또한 이번 연구에서 결핵발병과 유의성이 있다고 알려진 SNP 중 rs684의 경우 ITGB2 유전자의 3’ 말단 쪽 비 해독 영역에 존재하고 있는 SNP인데 이는 NCBI에서 제공하는 ClinVar에 의하면 Leukocyte adhesion deficiency (LAD)의 질병과 Likely benign 으로 연관되어 있다고 알려져 있다 ( https://preview.ncbi.nlm.nih.gov/clinvar/variation/340134/). 이는 이 SNP에 C염기에서 T염기로 치환되었을 경우 LAD를 유발하는데 이 SNP가 영향을 줄 수 있다는 것을 의미 한다. 이 질병은 백혈구의 부착 단백이 발현되지 않는 유전적 질병으로 이 병이 발현하게 되면 감염에 있어서 백혈구 들이 감염된 곳으로 이동 할 수 없기 때문에 감염에 쉽게 노출 될 수 있는 것으로 알려져 있다[22]. 본 연구에서는 결핵이 발병했던 환자군과 건강 대조군 사이의 rs684의 유전형 빈도 차이가 있음을 확인할 수 있었다. 이는 이러한 유전적 양상의 차이가 MTB 감염에 대항 할 수 있는 백혈구들의 신호 전달이나 부착 등에 영향을 줄 수 있을 것이라고 생각한다.

유전적 다형성과 질병과의 상관 관계를 분석하여 특정 질병 발병에 영향을 주는 유전적 다형성에 대한 연구는 국내에서 활발하게 진행되고 있다[23]. 그 중 결핵은 감염성 질환이지만 현재 결핵의 발병에는 숙주세포의 다양한 유전적 차이가 결핵 발병에 영향을 미친다고 예상하고 있는 연구가 많이 진행되고 있다[1, 24-26]. 본 연구팀은 이전연구에서 CD226 유전자가 결핵 발병에 미치는 영향에 대해서 언급한 바 있다. 특이 이 유전자는 NK cell과 T 세포가 항원을 인지하고 제거하는데 있어서 중요한 역할을 한다고 언급한바 있다[12]. 본 연구에서는 이와 관련하여 CD226과 결합하는 인자 중 하나인 ITGB2의 유전적 다형성 역시 결핵 발병과 연관이 있는 것을 확인하였다. 이를 통하여 결핵 발병은 어떤 하나의 원인이 아니라 다양한 숙주의 면역체계의 유전적 다형성이 영향을 미칠 수 있다고 생각한다. 본 연구결과를 활용하여 결핵 발병에 영향을 줄 수 있는 사람의 유전적 인자에 대해 알아보고, 이를 통해 MTB에 대한 각 개인의 감염의 과정 및 결과의 차이를 이해하는데 중요한 기반이 될 수 있을 것으로 기대한다.

요약

결핵은 본질적으로 MTB에 의해 발생하는 감염성 질환이지만 발병의 과정에는 숙주의 면역계와 연관성 있는 하는 유전자가 관여한다. ITGB2 유전자는 인테그린 beta 2 chain인 CD18 단백질을 암호화 하고 있는 유전자로 염색체 21번에 존재하고 있다. 인테그린 beat 2 chain은 백혈구에서 발현하는 인테그린으로 백혈구의 성숙 및 부착에 매우 중요한 역할을 수행하는 단백질이다. ITGB2는 결핵 발병에서 MTB의 탐식과 백혈구의 집합에도 중요한 역할을 수행한다고 알려졌다. 따라서 이번 연구는 한국인의 유전체 데이터를 활용하여 결핵 발생 환자들과 정상 대조군 사이에서 ITGB2의 유전적 다형성의 빈도에 통계적으로 유의한 차이가 존재하는지를 알아보고자 하였다. 그 결과 10개의 SNP에서 유의한 상관관계를 확인할 수 있었다. 가장 유의성 있는 SNP는 rs113421921 였다 (OR=0.69, CI: 0.53∼0.90, P=5.8×10−3). 또한 rs173098의 경우는 전사 보조인자인 p300이 결합할 가능성이 있는 염기서열이 존재하여 유전적 다형성에 따라 ITGB2 유전자 발현에 영향을 미칠 수 있음을 확인할 수 있었다. 이러한 결과는 결핵의 발병 기전이 백혈구 집합이나 부착과 같은 숙주의 면역 기능과 관련된 다양한 유전적 요인에 의해 영향을 받을 수 있음을 시사한다. 이 연구결과는 결핵의 발병에 숙주 면역계의 유전자들이 영향을 줄 수 있다고 볼 수 있다. 이러한 결과들을 통해 MTB 감염에 대해 각 사람들 별로 감염의 진행과정과 결과에 차이를 가져다 주는 유전적 배경에 대한 이해에 기반을 제공할 것으로 기대한다.

Acknowledgements

This research was supported by Basic Science Research Program through the National Research Foundation of Korea (NRF), funded by Ministry of Sciences, ICT & Future Planning (2017R1C1B5016589). Epidemiologic data used in this study were from the Korean Genome and Epidemiology Study (KoGES) of the Korea Centers for Disease Control&Prevention, Republic of Korea.

Conflict of interest

None

References
  1. Moller M, and Hoal EG. Current findings, challenges and novel approaches in human genetic susceptibility to tuberculosis. Tuberculosis (Edinb) 2010;90:71-83. https://doi.org/10.1016/ j.tube.2010.02.002
  2. Comstock GW. Tuberculosis in twins:a re-analysis of the Prophit survey. Am Rev Respir Dis 1978;117:621-624.
    Pubmed
  3. van der Eijk EA, van de Vosse E, Vandenbroucke JP, and van Dissel JT. Heredity versus environment in tuberculosis in twins:the 1950s United Kingdom Prophit Survey Simonds and Comstock revisited. Am J Respir Crit Care Med 2007;176:1281-1288. https://doi.org/10.1164/rccm.200703-435OC
    CrossRef
  4. Miller EN, Jamieson SE, Joberty C, Fakiola M, Hudson D, and Peacock CS et al. Genome-wide scans for leprosy and tuberculosis susceptibility genes in Brazilians. Genes Immun 2004;5:63-67. https://doi.org/10.1038/sj.gene.6364031
    CrossRef
  5. Mahasirimongkol S, Yanai H, Nishida N, Ridruechai C, Matsushita I, and Ohashi J et al. Genome-wide SNP-based linkage analysis of tuberculosis in Thais. Genes Immun 2009;10:77-83. https://doi.org/10.1038/gene.2008.81
    CrossRef
  6. Mahasirimongkol S, Yanai H, Mushiroda T, Promphittayarat W, Wattanapokayakit S, and Phromjai J et al. Genome-wide association studies of tuberculosis in Asians identify distinct at-risk locus for young tuberculosis. J Hum Genet 2012;57:363-367. https://doi.org/10.1038/jhg.2012.35
    CrossRef
  7. Arnaout MA. Structure and function of the leukocyte adhesion molecules CD11/CD18. Blood 1990;75:1037-1050.
    Pubmed
  8. Schittenhelm L, Hilkens CM, and Morrison VL. beta2 integrins as regulators of dendritic cell, monocyte, and macrophage function. Front Immunol 2017;8:1866. https://doi.org/10.3389/ fimmu.2017.01866
  9. Schlesinger LS, Azad AK, Torrelles JB, Esteban R, Isabelle V, and Vojo D. Determinants of phagocytosis, phagosome biogenesis and autophagy forMycobacterium tuberculosis. Handbook of tuberculosis, Kaufmann HE, Rubin E, Britton WJ, and van Helden P. Hoboken: Wiley-Blackwell; 2017 p. 1-22.
  10. Roberts LL, and Robinson CM. Mycobacterium tuberculosisinfection of human dendritic cells decreases integrin expression, adhesion and migration to chemokines. Immunology 2014;141:39-51. https://doi.org/10.1111/imm.12164
    CrossRef
  11. Cho YS, Go MJ, Kim YJ, Heo JY, Oh JH, and Ban HJ et al. A large-scale genome-wide association study of Asian populations uncovers genetic factors influencing eight quantitative traits. Nat Genet 2009;41:527-534. https://doi.org/10.1038/ ng.357
  12. Jin HS, and Park S. Association of theCD226genetic polymorphisms with risk of tuberculosis. Biomed Sci Letters 2017;23:89-95. https://doi.org/10.15616/BSL.2017.23.2.89
    CrossRef
  13. Mould AP, and Humphries MJ. Regulation of integrin function through conformational complexity:not simply a knee-jerk reaction?. Curr Opin Cell Biol 2004;16:544-551. https://doi.org/10.1016/j.ceb.2004.07.003
    CrossRef
  14. von Andrian UH, Chambers JD, McEvoy LM, Bargatze RF, Arfors KE, and Butcher EC. Two-step model of leukocyte-endothelial cell interaction in inflammation:distinct roles for LECAM-1 and the leukocyte beta 2 integrins in vivo. Proc Natl Acad Sci U.S.A 1991;88:7538-7542.
    Pubmed CrossRef
  15. Monks CR, Freiberg BA, Kupfer H, Sciaky N, and Kupfer A. Three-dimensional segregation of supramolecular activation clusters in T cells. Nature 1998;395:82-86. https://doi.org/ 10.1038/25764
    Pubmed CrossRef
  16. Chung KJ, Mitroulis I, Wiessner JR, Zheng YY, Siegert G, and Sperandio M et al. A novel pathway of rapid TLR-triggered activation of integrin-dependent leukocyte adhesion that requires Rap1 GTPase. Mol Biol Cell 2014;25:2948-2955. https://doi.org/10.1091/mbc.E14-04-0867
    CrossRef
  17. Roberts LL, and Robinson CM. Mycobacterium tuberculosisinfection of human dendritic cells decreases integrin expression, adhesion and migration to chemokines. Immunology 2014;141:39-51. https://doi.org/10.1111/imm.12164
    CrossRef
  18. Johnson CM, Cooper AM, Frank AA, and Orme IM. Adequate expression of protective immunity in the absence of granuloma formation inMycobacterium tuberculosis-infected mice with a disruption in the intracellular adhesion molecule 1 gene. Infect Immun 1998;66:1666-1670.
    Pubmed KoreaMed
  19. Ghosh S, and Saxena RK. Early effect ofMycobacterium tuberculosisinfection on Mac-1 and ICAM-1 expression on mouse peritoneal macrophages. Exp Mol Med 2004;36:387-395. https://doi.org/10.1038/emm.2004.51
    CrossRef
  20. Velasco-Velazquez MA, Barrera D, Gonzalez-Arenas A, Rosales C, and Agramonte-Hevia J. Macrophage--Mycobacterium tuberculosisinteractions:role of complement receptor 3. Microb Pathog 2003;35:125-131.
    CrossRef
  21. Zaffran Y, Zhang L, and Ellner JJ. Role of CR4 in Mycobacterium tuberculosis-human macrophages binding and signal transduction in the absence of serum. Infect Immun 1998;66:4541-4544.
    Pubmed KoreaMed
  22. Suhair H, and Amos E. Leukocyte adhesion deficiencies. Ann N Y Acad Sci 2012;1250:50-55. https://doi.org/10.1111/j.1749-6632.2011.06389.x
  23. Kim GT, Sull JW, and Jee SH. Effects of TLR4 variants on fasting glucose levels in a Korean population. Korean J Clin Lab Sci 2017;49:345-349. https://doi.org/10.15324/kjcls.2017.49.4.345
    CrossRef
  24. Sobota RS, Stein CM, Kodaman N, Scheinfeldt LB, Maro I, and Wieland-Alter W et al. A Locus at 5q33.3 confers resistance to tuberculosis in highly susceptible individuals. Am J Hum Genet 2016;98:514-524. https://doi.org/10.1016/j.ajhg.2016.01.015
    CrossRef
  25. Omae Y, Toyo-Oka L, Yanai H, Nedsuwan S, Wattanapokayakit S, and Satproedprai N et al. Pathogen lineage-based genome-wide association study identified CD53 as susceptible locus in tuberculosis. J Hum Genet 2017;62:1015-1022. https://doi.org/10.1038/jhg.2017.82
    CrossRef
  26. Esterhuyse MM, Weiner J, Caron E, Loxton AG, Iannaccone M, and Wagman C et al. Epigenetics and proteomics join transcriptomics in the quest for tuberculosis biomarkers. MBio 2015;6:e01187-15. https://doi.org/10.1128/mBio.01187-15
    CrossRef

June 2018, 50 (2)
Full Text(PDF) Free

Cited By Articles
  • CrossRef (0)

Funding Information