코딩 없이 GWAS CSV 또는 Excel 데이터로 맨해튼 플롯을 시각화해 보세요. 염색체, 유전체 위치, p-value를 매핑하고, 유전자 좌(loci) 주석 추가, 유의성 임계값 검증 및 SciVis 편집 기능을 활용할 수 있습니다.
맨해튼 플롯(Manhattan plot)은 수백만 개의 연관성 분석(association test) 결과를 한눈에 요약해 주지만, 설계 자체가 잘못된 전장유전체 연관성 분석(GWAS) 연구까지 보정해 주지는 못합니다. 집단 구조화(population structure), 표현형 정의, 임퓨테이션(imputation) 품질, 친척 관계(relatedness), 대립유전자 빈도(allele frequency) 필터링, 다중 검정 보정 등은 시각화 단계가 아닌 분석 단계에서 이미 완결되어야 하는 도메인입니다. 반드시 철저한 검토를 거친 결과 테이블을 바탕으로 시각화를 진행하십시오.
SciDraw의 Manhattan Plot Generator는 염색체 위치를 x축에, -log10(p) 값을 y축에 매핑한 후, 세부 편집을 위해 SciVis로 차트를 연동해 줍니다. 제공되는 예제 레이아웃들을 통해 기본형, 전장유전체 수준, 주석 추가형, 특정 영역 강조형, 제안 임계값(suggestive threshold) 표시형, 마이애미(Miami) 스타일 등 다양한 시각화 방식을 적용해 볼 수 있습니다.
사용하시는 유전체 분석 워크플로우에서 품질 관리(QC)와 연관성 모델링을 완벽히 마쳐야 합니다. 플로팅용 테이블에는 최종적으로 시각화할 변이들만 포함되어야 하며, 유전체 조립 버전(genome build), 염색체 표기법, 염기쌍 좌표계가 일관되게 통일되어 있어야 합니다. 사용한 유전체 조립 버전은 논문 그림 설명(caption)이나 방법론(methods) 섹션에 명시하십시오.
Manhattan Plot Generator를 실행한 후, 준비된 예제를 선택하거나 본인의 CSV, TSV, TXT, XLSX, XLS 파일을 업로드합니다. Excel 파일의 경우 첫 번째 워크시트를 자동으로 불러옵니다. 염색체 번호와 염기쌍 위치가 각 유전체 좌표를 올바르게 가리키고 있는지, 모든 p-value가 0 < p ≤ 1 범위를 만족하는지 확인합니다.
y축은 유의성이 높을수록(p-value가 작을수록) 더 높은 곳에 위치하도록 -log10(p) 값으로 변환되어 표현됩니다. 예를 들어 p = 10⁻⁸인 변이는 y축에서 8에 위치하게 됩니다. 몇몇 데이터 포인트를 수동으로 계산해 검증해 보고, 염색체가 유전체 좌표 순서대로 정렬되었는지, 인접한 염색체들이 서로 다른 색상으로 번갈아 잘 구분되어 표시되는지 확인하십시오.
흔히 사용되는 전장유전체 유의성 기준선인 5 × 10⁻⁸은 -log10(p) 축에서 약 7.30에 해당합니다. 실제 연구에서는 수행한 총 검정 횟수와 독립성, 연구 프로토콜, 혹은 해당 학계의 관례에 따라 적절한 임계값을 설정해야 합니다.
가장 대표적인 변이(sentinel variant)나 독립적으로 정의된 유전자 좌에만 주석을 달고, 주석 선택 기준을 논문에 명시하십시오. 연관 불평형(linkage disequilibrium)으로 인해 밀접하게 연관된 변이들은 하나의 피크(peak)를 형성하게 되며, 이들을 각각 독립적인 발견으로 해석해서는 안 됩니다.
탐색적 분석 목적으로 제안 임계값(suggestive threshold)을 함께 시각화할 때는, 일차 유의성 임계값(primary significance threshold)과 시각적으로 명확히 구분되도록 스타일을 다르게 지정하고 범례나 그림 설명에 각각의 의미를 기술하십시오.
이후 SciVis로 이동하여 임계값 기준선, 염색체 라벨, 주석 지시선, 색상 및 레이아웃을 정교하게 다듬을 수 있습니다. 단, 시각적 편의를 위해 데이터 포인트의 위치를 임의로 옮기거나 값을 수정해서는 안 됩니다.
플롯 상의 각 점은 단일 변이의 연관성 분석 결과를 나타냅니다. 가로축(x축)은 유전체 상의 물리적 위치를, 세로축(y축)은 통계적 유의성의 강도를 -log10(p) 값으로 나타낸 것입니다. 특정 영역에 점들이 수직으로 높게 군집해 있다면, 해당 영역에 형질과 연관된(그리고 서로 연관 불평형 관계에 있을 가능성이 높은) 변이들이 존재함을 시각적으로 보여줍니다.
특정 유전자 좌가 유의미하다고 결론 내리기 전에, 사전에 정의한 임계값 적절성, 효과 크기(effect size)와 신뢰구간, 대립유전자 빈도, 임퓨테이션 및 유전형 분석 품질, 유전체 팽창 계수(genomic inflation factor), 주변부 연관성 패턴, 재현성(replication) 검증 여부, 그리고 전체 분석 프로토콜을 종합적으로 재검토해야 합니다. 맨해튼 플롯 자체는 이러한 분석적 안전장치까지 대변해 주지 않습니다.
유전자 매핑 기준을 명확히 밝힌다면 인근 유전자나 후보 유전자 이름을 주석으로 달 수 있습니다. 다만, 단순히 물리적으로 가깝다는 사실이 인과 관계를 증명하는 것은 아닙니다. 대표 변이(sentinel variant) 정보나 유전자 좌의 구체적인 정의는 그림 설명이나 부록(supplement)에 반드시 기재해 두십시오.
Davie Chen is a researcher at the Faculty of Animation and Intermedia, University of Arts in Poznan, studying generative AI for scientific figure creation, patent illustration, and manuscript drafting. SciDraw AI is one of the research-to-product tools built from this work.
