E. coli lac 프로모터의 유전체‑표현형 매핑과 적합도 지형

초록

본 연구는 75 bp 길이의 lac 프로모터 전 영역을 무작위 변이시킨 대규모 시퀀스‑표현형 데이터베이스를 이용해, 각 변이가 유도된 전사 활성도(형광 리포터)와 어떻게 연결되는지를 정량화하였다. 선형 모델을 통해 개별 돌연변이의 비에피스타틱 효과가 전체 변이 가능성의 약 2/3을 설명하고, 쌍방향(2차) 에피스타시스가 전체 변이에서는 7 %, 단백질 결합 부위에서는 15 % 정도의 추가 변이를 설명한다는 것을 밝혀냈다. 3차 이상의 고차 에피스타시스는 검출되지 않았으며, 적합도 지형은 거의 단일 피크를 갖는 ‘단일봉우리’ 형태로, 약한 길항성 에피스타시스가 존재한다. 야생형은 여러 영양 환경에서 최적의 발현을 동시에 만족시키는 다목적 최적점으로 추정되며, CRP·RNA‑폴리머라제 결합 부위와 그 상호작용을 자동으로 재구성한다. 데이터 편향이 적합도 지형 추정에 미치는 영향도 경고한다.

상세 분석

본 논문은 고처리량 변이‑표현형 매핑을 통해 전통적으로 측정이 어려웠던 ‘유전체‑표현형 지도’를 실험적으로 구현한 점이 가장 큰 혁신이다. 75 bp 라는 비교적 짧은 프로모터 구간을 전부 무작위 변이시켜 10⁴ ~ 10⁵개의 변이체를 생성하고, 각각을 GFP 리포터 시스템으로 정량화함으로써 연속적인 표현형 스칼라값을 얻었다. 데이터 전처리 단계에서 시퀀스 품질과 리포터 신호의 정규화를 철저히 수행했으며, 이는 후속 통계 모델링의 신뢰성을 크게 높였다.

분석 방법으로는 L2 정규화(릿지 회귀)를 적용한 선형 모델을 기본으로 삼아, 각 위치·염기의 변이가 표현형에 미치는 ‘주효과’를 추정하였다. 이때 설명 가능한 변이(heritability) 중 약 66 %가 주효과로 설명된다는 결과는, lac 프로모터가 비교적 ‘선형적’인 전사 조절 메커니즘을 갖는다는 기존 생물학적 가설을 정량적으로 뒷받침한다.

그 다음 단계에서는 모든 가능한 쌍(pairwise) 상호작용을 포함한 2차 항을 추가하여 모델을 확장하였다. 교차 검증을 통해 과적합을 방지하면서도, 전체 데이터에서는 7 %의 추가 설명력을, CRP·RNA‑폴리머라제 결합 부위와 같이 기능적으로 중요한 서브시퀀스에서는 15 %까지 상승시켰다. 이는 전사인자 결합 부위가 서로 간에 비선형적인 상호작용을 일으키지만, 그 규모는 제한적이며 주로 ‘길항성(antagonistic)’ 형태임을 시사한다.

특히 3차 이상 고차 에피스타시스가 통계적으로 유의미하게 검출되지 않은 점은 두 가지 의미를 가진다. 첫째, 현재 실험 설계와 샘플 규모에서는 고차 상호작용을 포착하기에 충분한 통계적 파워가 없었을 가능성이 있다. 둘째, lac 프로모터와 같은 단일 유전자 조절 영역은 진화적으로 고차 비선형성을 최소화하도록 최적화되었을 수도 있다.

적합도 지형 분석에서는 추정된 모델을 이용해 ‘표현형‑적합도’ 함수를 정의하고, 이를 전역 최적점 탐색에 적용하였다. 결과는 거의 단일 봉우리 형태의 지형을 보여, 전반적인 ‘단일봉우리’ 가설을 실험적으로 확인한다. 다만, 일부 변이 조합에서 작은 음의 에피스타시스가 관찰되어, ‘길항성’이 존재함을 보여준다.

야생형(WT) 서열에 대한 해석에서는, WT가 여러 영양 조건(예: 포도당, 락토스)에서 각각 최적의 전사 수준을 동시에 만족시키는 ‘다목적 최적점’이라는 결론을 도출한다. 이는 ‘다중 목표 최적화(multi‑objective optimization)’ 개념을 유전체 수준에 적용한 흥미로운 사례다.

마지막으로 저자들은 데이터 수집 과정에서 발생할 수 있는 ‘시퀀스 편향(예: 특정 변이의 과대표현)’이 모델 추정에 미치는 영향을 시뮬레이션으로 검증하고, 실제 연구에서 이러한 편향을 최소화하거나 보정하는 방법을 제시한다. 이는 향후 대규모 변이‑표현형 매핑 연구에 중요한 교훈을 제공한다.