미토콘드리아 DNA 병목 현상 메커니즘의 확률 모델링과 베이지안 추론

미토콘드리아 DNA(mtDNA)의 변이는 인간과 동물에서 유전성 질환 및 노화와 깊은 연관이 있다. 이러한 변이를 세대 간에 감소시키는 메커니즘으로 제안된 것이 ‘mtDNA 병목 현상’이다. 그러나 병목이 실제로 어떻게 작동하는지에 대해서는 복제 수 감소 규모, 이형성(heteroplasmy) 분산 증가 시점, 그리고 세포 분열 시 mtDNA의 분배 방식 등에 대해 상반된 실험 결과가 존재한다. 본 연구는 이러한 논쟁을 해결하기 위해, mtDNA를 개별적인 복제·분해 가능한 입자로 모델링한 ‘bottom‑up’ 확률 모델을 제시한다. 모델은 6개의 발달 단계(복제·분해율 λ_i, ν_i, 세포 주기 길이 τ_i, 복제 가능 비율 α 등)와 세포 분열 시 mtDNA의 분배 방식을 파라미터화한다. 특히, 분배 방식은 (i) 결정적 복제·분해, (ii) 이항 분배, (iii) 크기 c인 클러스터(핵상) 단위의 이항 분배로 구분한다. 이를 통해 기존 문헌에서 제시된 Cree, Cao, Wai(a), Wai(b) 등 네 가지 주요 가설을 하나의 통합 프레임워크 안에 포함시킬 수 있다. 데이터 적합을 위해 저자들은 세 가지 종류의 실험 데이터를 활용했다. 첫째, 마우스 배란기와 난자 발달 단계에서 측정된 mtDNA 복제 수 변화; 둘째, 동일한 마우스 라인(NZB와 BALB/c)에서 이형성 평균과 정규화 분산(V′)의 시간 경과에 따른 측정; 셋째, 세포 분열 속도에 관한 고전적 연구 데이터를 이용해 세포 주기 파라미터를 보정했다. 적합 과정은 Approximate Bayesian Computation(ABC) 기반의 모델 선택 절차를 사용하였다. 사전 분포는 모든 파라미터에 대해 균등하게 설정하고, 네 단계의 허용 오차(ε₁~ε₄)를 점차 감소시켜 모델과 데이터 간의 일치도를 강화했다. 결과는 ε가 작아질수록 ‘Birth‑Death‑Partition(BDP)’ 모델, 즉 복제·분해가 확률적으로 일어나고 세포 분열 시 mtDNA가 이항적으로 분배되는 메커니즘에 대한 사후 확률이 급격히 상승함을 보여준다. 반면, Cao의 클러스터 분배 모델과 Wai(b)의 제한된 복제 모델은 낮은 확률을 보였다. 이론적 예측을 검증하기 위해 저자들은 야생형 mtDNA(뉴질랜드 블랙버드)와 실험실 계통(BALB/c)을 교배한 새로운 마우스 라인을 만들었다. 이 라인에서 측정된 이형성 평균과 V′는 BDP 모델이 예측한 시간‑발달 궤적과 높은 일치도를 보였으며, 복제 수 감소가 10⁵→10² 수준이든 10⁵→10³ 수준이든 모델이 유연하게 적합함을 확인했다. 수학적 해석 측면에서는, 마코프 연쇄와 확률 생성 함수를 이용해 이형성 분산 V′(t)의 정확한 해를 도출하였다. 이를 통해 (1) 특정 변이 비율(예: 60 %)를 초과할 경우 질병 발현 확률을 계산하고, (2) 임상에서 산모·배아 샘플링 시 필요한 샘플 수와 검출 민감도를 정량화했으며, (3) mtDNA 분해율을 인위적으로 증가시키는 ‘병목 강화’ 전략이 이형성 분산을 감소시켜 유전성 질환 전이 위험을 낮출 수 있음을 제시했다. 특히, 분해율을 2배 상승시키면 분산이 약 30 % 감소하고, 변이 임계치를 초과하는 확률이 0.2에서 0.07로 크게 낮아진다. 결론적으로, 이 논문은 물리‑생물학적 기반의 확률 모델과 베이지안 추론을 결합함으로써, 기존 실험 데이터에 대한 일관된 해석을 제공하고, mtDNA 병목 현상의 핵심 메커니즘을 ‘무작위 복제·분해 + 이항 분배’로 규명한다. 또한, 모델이 제공하는 정량적 지표는 향후 유전성 미토콘드리아 질환 예방을 위한 약물·유전공학적 개입 설계에 직접 활용될 수 있다.