2차원 화학 매핑으로 비암호화 RNA 구조 규명

초록

본 연구는 체계적인 돌연변이와 고처리량 SHAPE 화학 매핑을 결합한 ‘mutate‑and‑map’ 전략을 제시한다. 6개의 RNA 베치마크와 글리신 리보스위치를 대상으로 2 % 이하의 오류율로 2차 구조를 정확히 예측했으며, 리보스위치의 협동 결합 메커니즘과 3차원 구조 모델링까지 검증하였다.

상세 분석

논문은 비암호화 RNA의 2차 및 3차 구조를 고해상도로 규명하기 위한 새로운 실험‑계산 파이프라인을 제시한다. 핵심은 모든 가능한 단일 염기 변이를 만든 뒤, 각각에 대해 SHAPE(Selective 2′‑Hydroxyl Acylation analyzed by Primer Extension) 화학 반응을 수행해 구조적 민감도를 측정하는 것이다. 변이된 염기가 기존 염기쌍을 파괴하면 해당 위치와 상호작용하는 파트너 염기의 SHAPE 신호가 변하는데, 이를 2차원 매트릭스로 정리하면 각 염기쌍의 존재 가능성을 정량화할 수 있다. 이 데이터를 베이즈 기반 확률 모델에 입력해 전통적인 최소 자유 에너지 예측과 결합하면, 기존 방법보다 현저히 낮은 오류율을 보인다. 특히 6개의 베치마크 RNA(리보솜 RNA 도메인, 리보자임, 리보스위치 등)에서 평균 2 % 이하의 오류를 기록했으며, 이는 기존 화학 매핑 기반 예측이 10 % 이상 오류를 보였던 것과 큰 차이를 만든다. 흥미롭게도, 연구팀은 사전 지식 없이도 이중 글리신 리보스위치의 2차 구조를 정확히 복원했고, 변이‑매핑 데이터를 이용해 ‘interdomain helix‑swap’ 가설을 검증했다. 변이된 염기들이 특정 헬릭스 교환을 억제하면 리간드 결합 친화도가 변하는 것을 관찰해, 협동 결합 메커니즘이 구조적 재배열에 기반함을 입증했다. 3차원 구조 측면에서는, 변이‑매핑이 제공하는 장거리 접촉 정보를 Rosetta/FARFAR 알고리즘에 통합해 아데닌 리보스위치의 전체 모델을 생성했다. 결과 모델은 헬릭스 RMSD 5.7 Å 수준으로, 기존 저해상도 모델보다 크게 향상된 정확도를 보였다. 전반적으로 이 방법은 실험적 비용을 크게 낮추면서도 대규모 RNA 구조 예측에 필요한 정확성을 제공한다는 점에서, RNA 생물학 및 신약 개발 분야에 혁신적인 도구가 될 것으로 기대된다.