프로모터 구조가 유전자 발현 변동성에 미치는 영향

초록

본 연구는 프로모터의 연산자 수, 결합 강도 및 결합 방식(협동, 독립, 동시)이 전사 변동성에 미치는 영향을 정량적 모델링으로 체계적으로 분석한다. 확률론적 전사 모델을 이용해 mRNA 수 분포의 평균·분산을 예측하고, 실험 데이터와 비교함으로써 다양한 조절 메커니즘을 구분할 수 있음을 제시한다.

상세 요약

이 논문은 유전자 발현의 세포 간 변동성(노이즈)을 설명하기 위해 미시적 확률 모델을 구축하였다. 모델의 핵심은 프로모터에 존재하는 연산자(operator)의 수와 결합 친화도(강도), 그리고 전사인자(transcription factor, TF)의 결합 방식이다. 연산자 강도는 TF가 해당 부위에 결합할 확률을 결정하며, 강도가 높을수록 결합이 빈번해져 전사 억제 혹은 활성화가 강화된다. 연산자 다중성은 동일 프로모터에 여러 개의 결합 부위가 존재함을 의미하며, 이는 TF가 동시에 여러 부위에 결합하거나 순차적으로 결합하는 경우를 만들 수 있다. 저자들은 세 가지 결합 모드를 제시한다. 첫째, 협동 결합(cooperative)에서는 첫 번째 TF가 결합하면 두 번째 TF의 결합 친화도가 상승하여 전체 전사율이 급격히 변한다. 둘째, 독립 결합(independent)에서는 각 연산자가 서로 영향을 주지 않아 결합 확률이 곱셈적으로 결합된다. 셋째, 동시 결합(simultaneous)에서는 여러 TF가 동시에 결합해야만 전사가 시작되는 경우로, 이는 높은 전사 개시 장벽을 만든다.

모델은 마르코프 과정으로 구현되어, 각 상태(예: 무결합, 단일 결합, 이중 결합 등) 사이의 전이율을 정의한다. 전이율은 결합 강도와 TF 농도에 의존하며, 전사와 mRNA 분해도 포함한다. 이를 통해 각 상태에서 생성되는 mRNA 수의 확률 분포를 구하고, 전체 평균(m)과 분산(σ²)을 계산한다. 변동성은 일반적으로 Fano factor(σ²/m) 혹은 CV²((σ/m)²)로 표현되며, 연산자 강도가 약하거나 연산자 수가 적을 때 변동성이 크게 증가한다는 결과가 도출된다. 특히, 협동 결합은 변동성을 억제하는 효과가 강력한 반면, 동시 결합은 변동성을 크게 증폭시킨다.

또한 저자들은 실험적 검증을 위해 기존의 단일 세포 mRNA 측정 데이터와 모델 예측을 비교하였다. 모델 파라미터를 최적화하면, 서로 다른 프로모터 설계가 동일한 평균 발현 수준을 유지하면서도 변동성에 큰 차이를 만든다는 것을 확인할 수 있었다. 이러한 차이는 세포 집단 내 표현형 다양성에 직접적인 영향을 미치며, 미생물의 환경 적응이나 세포 분화 과정에서 중요한 역할을 할 것으로 추정된다.

마지막으로 논문은 전사 조절 메커니즘을 구분하기 위한 실험적 전략을 제안한다. 즉, 단일 세포 수준에서 mRNA 수 분포의 고차 모멘트(예: 왜도, 첨도)를 측정하고, 모델이 예측하는 모멘트와 비교함으로써 해당 프로모터가 협동, 독립, 동시 결합 중 어느 메커니즘을 따르는지 판별할 수 있다. 이는 향후 합성 생물학에서 원하는 변동성 특성을 설계하는 데 유용한 지침이 된다.