합성 유전자 네트워크의 동기화와 군집 형성 시스조절 모듈의 역할

초록

본 연구는 퀘럼 센싱으로 연결된 두 구성요소 진동자를 대상으로, 시스-조절 모듈(CRM)의 입력 함수가 세포 집단의 동기화와 군집 패턴에 미치는 영향을 체계적으로 분석한다. AND, OR, ANDN, ORN, XOR, EQU 등 6가지 CRIF를 활성제와 억제제에 각각 적용한 두 가지 통신 방식(활성제 조절, 억제제 조절)을 실험적으로 모델링하고, 이론적 안정성 분석과 수치 시뮬레이션을 통해 완전 동기화, 균형 군집, 비균형 군집 등 다양한 동적 상태가 CRM에 의해 결정됨을 보여준다.

상세 분석

이 논문은 합성 생물학에서 흔히 사용되는 두-구성 진동자(twolayer genetic oscillator)를 퀘럼 센싱을 매개로 한 세포 간 상호작용 네트워크에 적용한 뒤, 시스-조절 모듈(CRM)의 구조적 특성이 전체 집단의 동기화와 군집 형성에 어떤 역할을 하는지를 정량적으로 규명한다. 먼저, 진동자는 기본적으로 활성제(A)와 억제제(R) 두 유전자가 상호 억제·촉진 관계를 이루는 피드백 고리로 구성된다. 이 고리에 외부 신호인 자동유도제(AI)가 결합될 때, AI가 활성제의 전사인자를 직접 조절하는 경우와 억제제의 전사인자를 조절하는 경우, 즉 ‘활성제 조절형’과 ‘억제제 조절형’ 두 가지 시나리오를 설정한다. 각각의 경우에 대해 CRM이 구현할 수 있는 6가지 입력 논리 함수(CRIF)를 정의한다. AND와 OR는 전형적인 양성 논리이며, ANDN과 ORN은 하나의 입력이 부정될 때 작동하는 논리, XOR는 배타적 선택, EQU는 동등성 판단을 의미한다. 이러한 CRIF는 전사인자와 AI가 결합했을 때 전사 촉진 혹은 억제 효과를 어떻게 조합하는지를 수학적으로 표현한다.

이론적 분석에서는 동기화 안정성을 평가하기 위해 마스터 안정성 함수(MSF)와 군집 동역학을 기술하는 페이즈 리덕션(phase reduction) 기법을 활용한다. 특히, 각 CRIF에 대해 상호작용 함수 H(φ)와 그 파생인 H′(0)의 부호를 계산함으로써 동기화(양의 H′) 혹은 탈동기화(음의 H′) 경향을 예측한다. AND와 OR는 일반적으로 양의 H′를 제공해 전체 집단이 완전 동기화되는 경향이 강하며, XOR와 EQU은 비선형적인 상호작용을 유도해 다중 군집이 안정화될 가능성을 높인다. 또한, ANDN과 ORN은 부정 입력이 포함되므로, 특정 세포가 다른 세포와 위상 차이를 유지하도록 유도해 비대칭 군집(비균형 군집) 형성을 촉진한다.

수치 시뮬레이션에서는 100~200개의 세포를 초기 무작위 위상으로 시작시켜, 각 CRIF와 통신 방식별로 장시간 동역학을 추적한다. 결과는 크게 세 가지 패턴으로 구분된다. 첫째, 완전 동기화 상태는 AND/OR형 CRM이 활성제 조절형에서 나타나며, 위상 차이가 0으로 수렴한다. 둘째, 균형 군집 상태는 XOR와 EQU형 CRM이 억제제 조절형에서 나타나며, 세포들이 두 개 혹은 그 이상의 군집으로 나뉘어 각 군집 내에서는 동기화되지만 군집 간 위상 차이는 일정하게 유지된다. 셋째, 비균형 군집은 ANDN/ORN형 CRM이 활성제 조절형에서 나타나며, 군집 크기가 불균등하고 위상 차이가 비대칭적으로 분포한다. 이러한 결과는 CRM이 전사인자와 AI 사이의 논리 연산을 어떻게 구현하느냐에 따라 전체 네트워크의 동적 토폴로지를 재구성한다는 중요한 통찰을 제공한다.

또한, 논문은 안정성 분석을 통해 군집 수와 크기가 CRM 파라미터(결합 친화도, 전사 촉진 강도 등)에 민감하게 의존함을 보여준다. 파라미터 스위칭을 통해 동일한 네트워크가 동기화 ↔ 군집 전이, 혹은 군집 수 변화와 같은 다중 전이 현상을 보일 수 있음을 시뮬레이션으로 입증한다. 이는 합성 생물학 설계 시, 원하는 집단 행동을 달성하기 위해 CRM의 논리 구조와 결합 강도를 정밀하게 조절해야 함을 의미한다. 마지막으로, 저자들은 실험적 구현 가능성을 논의하며, CRISPR 기반 전사 조절기와 합성 프로모터를 이용해 제시된 CRIF를 실제 세포에 삽입하는 방법을 제안한다. 전체적으로 이 연구는 시스-조절 모듈이 집단 수준의 동기화와 군집 형성에 미치는 메커니즘을 정량적으로 규명함으로써, 복잡한 생물학적 네트워크를 설계하고 제어하는 새로운 패러다임을 제시한다.