엔트로피 기반 코돈 사용 편향 측정

초록

본 논문은 실제 코돈 빈도와 세 가지 가상의 평형 분포 사이의 상호 엔트로피를 이용해 코돈 사용 편향을 정량화한다. 평형 분포는 (1) 동의미 코돈의 빈도를 동일하게 가정한 평균, (2) 전체 트리플렛 빈도, (3) 디뉴클레오타이드 빈도로부터 기대되는 코돈 빈도로 정의한다. 125개의 박테리아 유전체에 적용하여 편향 정도를 비교·분석하고, GC 함량·유전체 크기·계통학적 특성과의 연관성을 논의한다.

상세 분석

이 연구는 코돈 사용 편향(codon usage bias, CUB)을 정보이론적 관점에서 재해석한다. 기존에는 RSCU(Relative Synonymous Codon Usage)나 CAI(Codon Adaptation Index)와 같은 통계적 지표가 주로 사용되었지만, 저자는 코돈 빈도 분포와 가상의 ‘평형’ 분포 사이의 상호 엔트로피(mutual entropy)를 새로운 측정값으로 제안한다. 상호 엔트로피는 두 확률분포 P와 Q 사이의 정보 차이를 정량화하는데, 여기서는 실제 관측된 코돈 빈도 P와 가정된 평형 분포 Q 사이의 차이를 의미한다.

평형 분포 Q는 세 가지 방식으로 정의된다. 첫 번째는 동의미 코돈군 내에서 모든 코돈이 동일한 빈도를 가진다고 가정하는 방법으로, 각 동의미 코돈군의 산술 평균을 Q로 설정한다. 이는 전통적인 ‘동일 사용’ 가설을 수학적으로 구현한 것이다. 두 번째는 전체 유전체에서 관측된 모든 트리플렛(연속 3염기) 빈도를 그대로 평형 분포로 채택한다. 이는 코돈 사용이 주변 염기 서열의 통계적 특성에 의해 제한된다는 가정을 반영한다. 세 번째는 디뉴클레오타이드(2염기) 빈도로부터 코돈 빈도를 예측하는 모델이다. 디뉴클레오타이드 빈도는 인접 염기쌍의 상관관계를 포착하므로, 이를 이용해 기대 코돈 빈도를 계산하면 보다 구조적인 제약을 반영할 수 있다.

연구자는 125개의 박테리아 유전체(다양한 계통, GC 함량, 생활양식 포함)를 대상으로 각 유전체마다 세 가지 평형 모델에 대한 상호 엔트로피 값을 계산하였다. 결과는 다음과 같다. 첫 번째 모델(동의미 코돈 평균)에서는 GC 함량이 높은 유전체에서 높은 편향값이 관찰되었으며, 이는 GC‑rich 코돈이 선호되는 경향과 일치한다. 두 번째 모델(트리플렛 빈도)에서는 유전체 전반의 염기 서열 복잡도와 연관된 편향이 나타났으며, 특히 고도 복제 속도를 보이는 세균에서 낮은 엔트로피 값이 도출되었다. 세 번째 모델(디뉴클레오타이드 기반)에서는 인접 염기쌍의 비대칭성이 큰 유전체에서 높은 편향이 측정되었으며, 이는 전사·번역 효율성에 영향을 미치는 구조적 제약을 시사한다.

또한, 세 모델 간 상관관계를 분석한 결과, 첫 번째와 두 번째 모델은 중간 정도의 양의 상관을 보였지만, 세 번째 모델과는 상대적으로 낮은 상관을 나타냈다. 이는 디뉴클레오타이드 기반 평형이 전통적인 동의미 코돈 평균 가정과는 다른 독립적인 정보를 제공함을 의미한다.

통계적 검증을 위해 Pearson 및 Spearman 상관분석, 그리고 다변량 회귀분석을 수행했으며, GC 함량, 유전체 크기, 그리고 생활양식(병원성 vs 비병원성) 변수가 CUB에 미치는 영향을 정량화했다. 특히, GC 함량은 모든 모델에서 가장 강력한 설명 변수였으며, 유전체 크기는 두 번째 모델에서만 유의한 영향을 미쳤다.

이 논문의 주요 기여는 코돈 사용 편향을 정보이론적 프레임워크로 재정의하고, 세 가지 서로 다른 평형 가정을 통해 편향의 다차원적 특성을 탐색한 점이다. 또한, 대규모 박테리아 데이터셋에 적용함으로써 편향이 진화적·생태학적 요인과 어떻게 연결되는지를 실증적으로 보여준다. 향후 연구에서는 이 방법을 바이러스, 진핵생물, 그리고 인공 합성 유전체에 확장함으로써 코돈 최적화와 유전자 설계에 실용적인 가이드라인을 제공할 수 있을 것으로 기대된다.