혼돈 속에서도 살아남는 유전자 조절망

초록

돌연변이와 잡음에 대한 강인성은 최적 표현형을 위한 안정화 선택을 통해 모델 유전자 조절망에서 진화함이 밝혀졌다. 강인한 돌연변이를 진화시킬 수 있는 능력은 네트워크 구조에 의존한다. 고강인성 네트워크와 저강인성 네트워크의 동역학적 특성 및 상태공간 구조는 어떻게 다른가? 선택은 네트워크의 전역 동역학 행동에 작용하는가? 선택에 의해 선호되는 상태공간 구조는 어떤 형태인가? 우리는 손상 전파 분석과 광범위한 통계적 상태공간 분석을 통해 최적 표현형에 대한 안정화 선택이 네트워크의 동역학적 특성을 크게 변화시키지 않음을 보여준다. 특히, 돌연변이와 잡음 모두에 가장 강인한 네트워크는 고도로 혼돈적인 특성을 가진다. 혼돈 네트워크가 큰 어트랙터 베이스를 형성할 수 있는 등 특정 속성은 안정된 유전자 발현 패턴을 유지하는 데 유용할 수 있다. 우리의 결과는 손상 전파율과 같은 전통적인 안정성 지표가 모델 유전자 조절망에서 돌연변이·잡음 강인성에 대한 정보를 충분히 제공하지 못한다는 점을 시사한다.

상세 요약

이 연구는 유전자 조절망(GRN)의 강인성을 이해하기 위해 두 가지 핵심 질문을 제기한다. 첫째, 돌연변이와 환경적 잡음에 강한 네트워크와 그렇지 않은 네트워크가 동역학적으로 어떻게 다르게 행동하는가? 둘째, 진화적 선택이 네트워크의 전역적인 동역학 특성, 즉 상태공간 구조와 혼돈 정도에 어떤 영향을 미치는가? 이를 검증하기 위해 저자들은 ‘안정화 선택(stabilizing selection)’이라는 가정을 두고, 최적 표현형을 유지하도록 압력을 가한다. 그런 다음 손상 전파(damage propagation) 분석을 수행해 작은 초기 교란이 네트워크 전반에 얼마나 퍼지는지를 측정하고, 광범위한 통계적 방법으로 각 네트워크의 상태공간—즉, 가능한 모든 유전자 발현 조합과 그에 대응하는 전이 궤적—을 조사한다.

놀라운 점은, 안정화 선택이 네트워크의 전반적인 동역학을 크게 바꾸지 않았다는 것이다. 선택에 의해 최적화된 네트워크는 여전히 ‘혼돈(chaotic)’ 영역에 머물렀으며, 오히려 가장 높은 강인성을 보이는 네트워크가 가장 높은 혼돈 지표를 기록했다. 전통적으로 혼돈은 시스템이 외부 교란에 취약하고 예측 불가능하다고 여겨졌지만, 여기서는 혼돈이 큰 어트랙터 베이스(Attractor Basin)를 형성함으로써 오히려 ‘폭넓은 안정 영역’을 제공한다는 역설적인 역할을 한다. 큰 어트랙터 베이스는 다양한 초기 상태가 동일한 안정된 발현 패턴으로 수렴하게 하여, 작은 돌연변이나 잡음이 발생해도 전체적인 표현형이 크게 변하지 않게 만든다.

또한, 손상 전파율 자체가 강인성의 직접적인 지표가 아니라는 결론은 기존 연구 패러다임에 중요한 도전을 제시한다. 손상 전파율은 국소적인 교란이 얼마나 빠르게 퍼지는지를 측정하지만, 네트워크가 전체적으로 어떤 어트랙터 구조를 가지고 있는지, 그 어트랙터가 얼마나 넓은지를 반영하지 못한다. 따라서 향후 GRN 강인성을 평가할 때는 어트랙터 베이스 크기, 전이 그래프의 연결성, 그리고 전체 상태공간의 토폴로지를 종합적으로 고려해야 할 필요가 있다.

이 논문의 의의는 두 가지로 요약될 수 있다. 첫째, ‘혼돈’이라는 전통적 개념이 반드시 부정적인 특성만을 의미하지 않으며, 특정 상황에서는 강인성을 촉진하는 구조적 메커니즘이 될 수 있음을 실증적으로 보여준다. 둘째, 진화적 선택이 네트워크의 미세한 파라미터 조정보다는 전역적인 상태공간 형태—특히 큰 어트랙터 베이스를 갖는 혼돈적 토폴로지—를 선호한다는 점을 밝혀, 향후 인공 합성 생물학이나 질병 모델링에서 네트워크 설계 원칙을 제시한다. 이러한 통찰은 복잡계 이론과 진화생물학을 연결하는 중요한 다리 역할을 하며, 향후 연구에서는 실제 생물학적 GRN에 적용 가능한 실험적 검증이 뒤따라야 할 것이다.