소화기 질환에서 관찰되는 마이크로바이옴 변화는 특정 미생물의 단독 증감보다는 질환과 연관된 미생물 조합 또는 패턴의 형태로 나타나는 경우가 많다. 이러한 특성은 개별 미생물의 존재 여부를 넘어 공통적으로 유지되는 미생물 구성이나 기능적 특성을 포착하려는 접근의 필요성을 제기하며 이 맥락에서 core microbiome 개념이 진단적 해석의 틀로 논의되고 있다. Core microbiome은 본래 동일한 숙주 종(species)에 속한 개체들에서 공통적으로 발견되는 미생물 군집 또는 그와 연관된 유전자 집합을 의미하는 개념으로 여러 균주 사이에 공통적으로 유지되는 유전자 집합을 지칭하는 core genome 또는 core gene 개념에서 기원하였다[11,12]. 초기에는 개별 미생물 종 수준에서 유전체 다양성과 보존성을 설명하기 위한 개념으로 사용되었으나 이후 미생물 군집 연구로 확장되면서 다수의 숙주에서 반복적으로 관찰되는 미생물 분류군, 유전자, 기능적 경로를 핵심 요소로 정의하는 데 활용되었다[13]. 대규모 장내 미생물 코호트 연구와 메타게놈 분석이 축적되면서 개별 숙주 간 미생물 종 조성은 매우 이질적인 반면 특정 대사 경로 또는 생물학적 기능은 비교적 안정적으로 유지된다는 점이 반복적으로 관찰되었다[13,14]. 이러한 결과는 core microbiome을 단순한 분류학적 공통성의 개념이 아니라 기능적 동질성(functional redundancy)의 관점에서 이해해야 함을 시사한다. 즉 서로 다른 미생물 종이더라도 유사한 기능 유전 자를 공유함으로써 숙주 환경에서 유사한 생물학적 역할을 수행할 수 있다는 것이다. 이후에는 core microbiome 개념이 보다 확장되어 명확한 분석 맥락과 정의 기준을 전제로 할 경우 특정 질환군 내에서 공통적으로 관찰되는 미생물 구성 또는 기능적 특성을 설명하는 데에도 제한적으로 적용될 수 있다는 논의가 제시되었다[13,15]. 이러한 맥락에서 disease-associated core microbiome 또는 functional core microbiome은 질환 상태와 연관되어 반복적으로 보존되는 미생물 유전자 기능, 대사 경로 또는 생태학적 특성의 집합을 지칭하는 개념으로 이해되고 있다. 이러한 개념은 미생물 균주 수 중심의 기존 분석법이 지닌 한계를 보완함으로써 질환 발생과 관련된 생리학적 기전을 해석하는 데 유용한 단서를 제공할 수 있다.

마이크로바이옴 분석은 소화기 질환의 병태생리를 반영하는 유용한 정보를 제공할 수 있으나 현재의 분석 결과를 진단적으로 해석할 때에는 여러 구조적 한계를 함께 고려해야 한다. 대부분의 마이크로바이옴 분석은 절대량이 아닌 상대적 정량 분석에 기반하므로 특정 미생물의 상대적 증가가 실제 증식에 의한 것인지, 혹은 다른 미생물 감소에 따른 비율 변화 인지를 구분하기 어렵다. 또한 미생물의 존재량 변화가 곧바로 생물학적 기능이나 임상적 기여도의 변화로 이어진다고 단정하기는 어렵다. 미생물 분류 수준의 한계 역시 중요한 고려 사항이다. 16S rRNA 기반 분석에서는 상당수의 서열이 species 수준으로 분류되지 못하고 genus 수준에 머무르는 경우가 많으며 이로 인하여 개별 균주의 생물학적 역할이나 질환과의 직접적인 연관성을 정밀하게 해석하는 데 제약이 따른다[16]. Shotgun metagenomics는 이러한 분류상의 한계를 일부 보완할 수 있으나 분석 비용과 해석의 복잡성으로 인하여 임상 현장에서의 적용에는 여전히 현실적인 제약이 존재한다.

기능적 측면에서도 해석의 어려움이 존재한다. 서로 다른 미생물이 동일한 기능 유전자를 공유하는 기능적 중복성(functional redundancy)은 흔히 관찰되며 소수의 미생물만으로도 특정 대사 기능이 유지될 수 있다[17]. 반대로 검출된 유전 정보 중 일부는 실제로 발현되지 않거나 생물학적 기능이 명확하지 않은 비기능성 유전자일 가능성도 있다[18]. 이러한 점은 단순한 미생물 조성 분석만으로 기능적 특성을 충분히 평가하는 데 한계가 있음을 시사한다. 여기에 더해 식이 변화, 항생제나 프로바이오틱스 사용, 장 정결제 투여, 감염 및 입원 여부와 같은 외부 요인은 장내 미생물 조성에 직접적인 영향을 미치며 검체 채취 시점과 보관 조건, 분석 방법의 차이 역시 결과 변동성을 증가시킨다[19]. 따라서 마이크로바이옴 분석 결과는 고정된 생체 지표라기보다는 다양한 요인에 의하여 영향을 받는 동적 정보로 이해되어야 한다.

마이크로바이옴 데이터는 수천 개 이상의 미생물 분류군과 유전자 정보를 포함하는 고차원 자료로 구성되어 있으며 변수 간 상호작용이 복잡하다. 이러한 특성으로 인하여 전통적인 통계 분석이나 단순한 머신러닝 기법만으로는 질환과 연관된 복합적 패턴을 충분히 포착하는 데 한계가 있다는 지적이 제기되어 왔다. 이러한 배경에서 최근에는 딥러닝을 포함한 머신러닝 기반 접근이 마이크로바이옴 분석에 도입되고 있다[19]. 실제 연구에서는 분변 메타게놈 데이터를 활용한 딥러닝 기반 분류 모델이 대장암 환자와 정상 대조군을 비교적 높은 정확도로 구분할 수 있음이 보고되었다[6,7]. 또한 다국가 코호트를 통합한 연구에서도 머신러닝 기반 모델을 통해 대장암과 연관된 미생물 구성뿐 아니라 공통적으로 관찰되는 기능적 특성이나 대사 경로 수준의 패턴이 일정 수준 재현된다는 것이 확인되었다[7]. 이러한 결과는 딥러닝 기반 마이크로바이옴 분석이 비침습적 대장암 선별 검사를 보완하는 도구로 활용될 가능성을 시사한다.

IBD에서도 다중오믹스 데이터를 통합한 머신러닝 모델이 질환 활성도 또는 재발 위험을 예측하는 데 활용될 수 있음이 보고되었다[20]. 특히 질환 경과 중 서로 다른 시점에서 반복 측정된 장내 미생물 조성 변화와 기능적 경로 정보를 함께 고려한 모델에서 예측 성능의 향상이 보고되었다는 점은 주목할 만하다. 이는 딥러닝 기반 접근이 정적인 단일 시점 분석을 넘어 질환 경과를 반영하는 분석에 활용될 수 있음을 시사한다. 그러나 현재까지 보고된 대부분의 연구는 후향적 자료에 기반하고 있으며 실제 임상 환경에서의 전향적 검증은 제한적인 수준에 머물러 있다. 또한 딥러닝 모델은 예측 결과의 생물학적 근거를 직관적으로 설명하기 어려운 경우가 많아 임상의가 이를 진단이나 의사결정에 직접 활용하는 데에는 여전히 제약이 있다[19,21]. 그러나 직접적인 진단법으로서의 활용에는 한계가 있더라도 질환의 발생 기전과 관련된 분류나 예후를 예측하는 도구로 활용될 수 있을 것으로 기대된다. 현재 장관 내에서 검출된 핵산 정보를 이용한 대장암 진단법은 실제로 임상에서 사용되고 있으나 이는 어디까지나 대장 내시경 검사에 대한 보조 요법으로 사용되고 있다. 마이그로바이옴 정보에 기반한 임상적 적용 역시도 보조적인 목적으로 사용이 가능하나 질환의 병태생리적 특성을 반영한 분류 및 예후 예측에도 활용될 수 있을 것으로 기대된다.

현재까지 마이크로바이옴 분석은 특정 소화기 질환을 단독으로 확진하는 검사로 활용되기보다는 질환의 선별(screening), 질환 상태 평가, 위험도 분류(risk stratification) 등을 보조하는 도구로 제한적으로 적용되고 있다. 위장관 질환 영역에서는 IBD와 대장암을 중심으로 분변 마이크로바이옴 분석을 이용하여 환자군과 정상 대조군을 구분하려는 모델들이 반복적으로 보고되었다. 일부 상용화된 검사 서비스는 장내 미생물 조성과 함께 염증 관련 지표를 제시함으로써 임상적 참고 자료로 활용되고 있다. 그러나 이러한 분석 결과는 내시경 검사, 조직 검사, 혈액 검사 등 기존의 표준 진단 방법을 대체하기보다는 임상적 판단을 보완하는 정보로 해석되는 것이 일반적이다.

대변 내 미생물 이외의 유래 핵산 정보를 기반으로 한 스크리닝 키트와 비교할 때 분변 마이크로바이옴 분석은 특정 미생물의 증식과 억제 양상을 통해 장관 내에서 발생하는 생리적 변화를 보다 직접적으로 반영할 가능성이 있다. 특히 소화기계에서는 간과 췌담도계에서 분비되는 담즙산과 췌장 효소가 장내 미생물의 생존과 구성에 중요한 조절 인자로 작용하며 이들의 분비 양상이나 기능 변화는 장내 미생물 환경의 구조적, 기능적 변화를 유발할 수 있다. 이러한 상호작용은 이미 여러 실험 및 관찰 연구를 통해 보고된 바 있으며 소화기 질환에서 장내 마이크로바이옴이 숙주의 생리적 변화를 반영하는 지표로 활용될 수 있음을 시사한다[8-10]. 향후에는 간 및 췌담도계 질환을 포함한 다양한 소화기 질환 환자의 대변과 같은 인체 유래물을 대상으로 한 연구를 통해 진단적으로 의미 있는 정보를 체계적으로 도출하는 방향으로 연구가 확장되는 것이 바람직할 것으로 판단된다.