리틀의 법칙을 이용한 유전자 발현 버스트와 정상상태 평균 관계 연구

초록

본 논문은 유전자 발현의 내재적 잡음을 설명하기 위해 전사 버스트 모델을 큐잉 이론에 매핑하고, 리틀의 법칙을 적용해 mRNA와 단백질의 도착·분해 시간 분포가 임의일 때도 버스트 평균과 정상상태 평균 사이의 정확한 관계식을 도출한다. 이를 바탕으로 작은 RNA에 의한 전사 억제 효과를 분석하고, 평균 단백질 수준 변화만으로도 전사 버스트 정도를 추정할 수 있음을 보인다.

상세 분석

논문은 먼저 유전자 발현의 확률적 특성을 두 가지 전형적인 모델, 즉 ‘포아송 과정’과 ‘텔레그래프 과정’으로 구분한다. 포아송 모델은 전사 사건이 일정한 평균률로 독립적으로 발생한다고 가정하고, 텔레그래프 모델은 유전자가 활성·비활성 상태를 전이하면서 전사율이 급격히 변하는 버스트 현상을 포착한다. 두 모델 모두 실험적으로 관측되는 단백질 레벨의 높은 변동성을 ‘버스트’라는 개념으로 설명한다는 점에서 공통적이다.

핵심 아이디어는 이러한 생물학적 시스템을 고객이 도착하고 서비스받는 과정을 다루는 큐잉 이론에 대응시키는 것이다. 여기서 mRNA 생성은 고객 도착, 단백질 합성은 서비스 시작, 그리고 mRNA·단백질 분해는 서비스 종료에 해당한다. 이 매핑을 통해 리틀의 법칙(L = λ W, 즉 평균 시스템 내 고객 수 L은 도착률 λ와 평균 체류시간 W의 곱) 을 적용할 수 있다. 기존 연구에서는 리틀의 법칙이 지수분포(마코프 과정) 가정 하에만 적용된다고 생각했지만, 본 논문은 ‘일반적인 대기시간 분포’를 허용하는 확장된 형태를 사용한다. 즉, mRNA와 단백질의 도착·분해가 임의의 확률분포를 가질 때도 L = λ W 관계가 성립한다는 것을 증명한다.

이를 수학적으로 전개하면, 전사 버스트의 평균 크기 B와 전사 사건의 평균 발생 간격 τ가 주어질 때, 평균 단백질 수 ⟨P⟩는 ⟨P⟩ = (B · τ) · (평균 단백질 수명) 로 표현된다. 여기서 ‘평균 단백질 수명’은 단백질 분해 시간 분포의 평균값이며, 이는 전사·번역 과정의 복잡한 비마코프 특성을 그대로 반영한다. 따라서 복잡한 대기시간 분포를 갖는 실제 세포 내 환경에서도 버스트 평균과 정상상태 평균 사이의 직접적인 연결고리를 제공한다.

논문은 이 이론적 결과를 작은 RNA(sRNA) 의 전사 억제 메커니즘에 적용한다. sRNA는 목표 mRNA와 결합해 복합체를 형성하고, 이를 통해 mRNA의 번역 효율을 감소시키거나 분해를 촉진한다. 모델에서는 sRNA 농도를 조절 변수로 두고, sRNA와 mRNA 결합·해리 속도, 복합체 분해 속도를 각각 임의의 분포로 설정한다. 리틀의 법칙을 이용해 도출된 평균 단백질 수준 식은 sRNA 농도에 따라 선형 혹은 포화 형태로 변하는데, 이는 시뮬레이션 결과와 정량적으로 일치한다. 특히, sRNA 농도가 증가함에 따라 전사 버스트 크기 B가 효과적으로 감소함을 평균 단백질 수준의 변화만으로도 추정할 수 있음을 보여준다.

이러한 접근법은 실험적으로 전사 버스트를 직접 측정하기 어려운 상황에서, 평균 단백질 농도 데이터만으로도 전사 버스트 강도를 역산할 수 있는 실용적인 도구를 제공한다. 또한, 임의의 대기시간 분포를 허용함으로써 다양한 세포 유형, 스트레스 조건, 약물 처리 등 복합적인 환경 변화를 모델링하는 데 유연성을 부여한다.