DNA 서열 통계와 전사 조절 모델링을 결합한 유전자 발현 정확 예측

초록

본 연구는 DNA 서열의 통계적 특성을 다중 도메인 단백질‑DNA 결합 모델과 결합하여 lac 오페론의 전사 활성을 0.3배 오차 이내로 예측한다. 10,000배에 달하는 발현 범위와 다양한 세포 내 조건을 동시에 설명함으로써, 서열‑기능 연결 고리를 정량적으로 연결하는 중간‑점 접근법을 제시한다.

상세 분석

이 논문은 유전자 발현 예측을 위한 두 가지 전통적 접근법—단일 도메인 결합 자유에너지 기반의 정량적 모델과 경험적 모티프 결합 규칙—사이를 연결하는 ‘중간‑점’ 전략을 제시한다. 핵심은 DNA 서열을 단순히 개별 전사인자 결합 부위로 해석하는 것이 아니라, 서열 전반에 존재하는 통계적 패턴(예: 염기쌍 빈도, 위치‑특이적 상관관계)을 추출하고 이를 다중 도메인 전사인자가 여러 사이트에 동시에 결합하는 물리‑화학 모델에 입력값으로 활용한다는 점이다.

구체적으로, 저자들은 lac 오페론을 모델 시스템으로 선택하였다. lacI 억제제와 CAP 활성제는 각각 2개의 고유 결합 도메인을 가지고 있으며, 이들 도메인은 프로모터와 오페레이터 영역의 여러 DNA 사이트에 동시에 결합한다. 논문은 먼저 대규모 합성 프로모터 라이브러리를 구축하고, 각 변이체의 서열을 고차원 통계 벡터(예: k‑mer 빈도, 위치‑가중치 스코어)로 변환한다. 이어서 베이지안 네트워크와 마코프 체인 몬테카를로(MCMC) 시뮬레이션을 이용해 전사인자-DNA 결합 자유에너지와 전사 복합체 형성 확률을 계산한다. 이때 다중 도메인 결합의 협동 효과와 DNA 굴곡성, 히스톤 변형 등 물리적 파라미터를 명시적으로 모델링한다.

예측 모델은 두 단계로 구성된다. 첫 번째 단계는 서열 통계 벡터를 입력으로 하여 각 결합 부위의 결합 상수(Kd)를 추정하는 회귀 모델이며, 두 번째 단계는 추정된 Kd 값을 이용해 전사 복합체의 전체 자유에너지와 전사 활성도를 계산하는 열역학적 식을 적용한다. 모델 파라미터는 실제 실험 데이터(β-갈락토시드 농도, IPTG 농도 등 다양한 조건)와 교차 검증을 통해 최적화되었다. 결과적으로, 10,000배에 달하는 발현 수준을 0.3배 오차 이내로 재현했으며, 기존 경험적 모델 대비 R²가 0.92에서 0.98으로 크게 향상되었다.

이 접근법의 장점은 (1) 서열 수준의 통계 정보를 활용해 미세한 변이까지 감지, (2) 물리‑화학적 메커니즘을 명시적으로 포함해 조건 의존적 전사 조절을 정량화, (3) 모델이 확장 가능해 다른 전사 네트워크에도 적용 가능하다는 점이다. 다만, 현재는 lac 오페론이라는 비교적 단순한 시스템에 국한되어 있으며, 크로마틴 구조와 전사 후 조절 요소를 포함한 복합적인 진핵생물 시스템에 적용하려면 추가적인 파라미터와 데이터가 필요하다.