복잡한 배지에서 미생물 성장을 결정하는 두 원리: 스케일링과 최적 시너지

초록

본 연구는 복잡한 배지에서 미생물 성장을 예측하는 새로운 현상학적 모델을 제안합니다. 기존 대사 네트워크 모델의 ‘블랙박스’ 문제를 해결하며, 영양분 흡수율과 소수의 실험 매개변수만으로 생체량 생산을 정확히 예측합니다. 모델은 개별 영양분의 기여도와 영양분 쌍 간의 시너지 효과를 정량화하고, 성장 최대화 원리가 시너지 최적화에서 비롯됨을 보여줍니다.

상세 분석

이 논문은 복잡한 배지에서 미생물 성장을 설명하는 시스템 수준의 새로운 프레임워크를 제시합니다. 핵심 기여는 다음과 같습니다.

첫째, 통계물리학의 ‘비리얼 전개’ 개념을 차용한 현상학적 모델을 도입했습니다. 생체량 생산률(g)을 개별 영양분의 1차 기여(α_i φ_i)와 영양분 쌍의 2차 시너지 기여(β_ij)의 합으로 근사합니다. 1차 기여에서 각 영양분의 생체량 수율(ˆα_i)은 해당 영양분의 ‘유효 탄소 수’(C_i)에 비례하며, 이 비례 계수(a_c)는 당, 지방산, 아미노산 등 다양한 영양분 클래스에 걸쳐 거의 일정했습니다. 이는 생체량 전환의 기본 단위가 탄소 공급 능력임을 보여주는 통찰입니다.

둘째, 2차 시너지 항 β_ij에서 ‘스케일링 법칙’을 발견했습니다. β_ij는 두 영양분의 절대적 흡수량이 아닌, 흡수율 비율(φ_i/φ_j)과 각 영양분의 유효 탄소 수(C_i, C_j)로 재조정된 변수에 의존하는 보편 함수 형태를 보입니다. 예를 들어 서로 다른 당-지방산 쌍의 시너지 데이터는 (C_i φ_i)/(C_j φ_j)의 함수로 표현 시 단일 곡선으로 붕괴됩니다. 이 함수는 한 영양분이 극도로 부족할 때 선형 증가하다가 과잉 시 포화되는 형태로, tanh 함수를 이용한 간단한 경험적 모델(식 (7))로 잘 설명됩니다.

셋째, 아미노산의 시너지 행동이 복잡하여, 이를 높은 시너지(H)와 낮은 시너지(L) 그룹으로 분류할 수 있음을 보였습니다. 로지스틱 회귀 분석 결과, 특정 아미노산이 참여하는 대사 경로 집합(예: TCA 회로, 글리옥실산 회로 등)을 알면 이 분류를 예측할 수 있어, 시너지가 대사 네트워크 구조와 깊이 연관됨을 시사합니다.

넷째, 3개 이상 영양분이 공존할 때 플럭스 할당 문제를 ‘최적 시너지 모델(OS)‘로 해결했습니다. 시너지 크기 순으로 쌍을 정렬한 후, 각 단계에서 ‘제한 영양분’의 플럭스를 완전 소모하고 ‘과잉 영양분’의 잔여 플럭스를 다음 시너지에 할당하는 알고리즘(식 (9))은 FBA 시뮬레이션 결과와 매우 정확히 일치했습니다. 이는 미생물의 성장 최대화가 단순한 영양분 소비 극대화가 아니라, 서로 다른 영양분 흐름을 조정하여 전체 시너지 효과를 최적화하는 전략임을 강력히 지지합니다. 즉, FBA의 ‘성장 최대화’ 가정을 ‘영양분 시너지 최적화’라는 새로운 관점에서 재해석한 것입니다.

이 모델의 강점은 복잡한 대사 네트워크의 세부사항을 배제한 채, 영양분 흡수 데이터와 소수의 클래스별 매개변수(표 I)만으로 정확한 성장 예측과 동시에 영양분 상호작용에 대한 정성적·정량적 통찰을 제공한다는 점입니다. 이는 실험 설계, 배지 최적화, 및 타 생물체 일반화에 유용한 도구가 될 수 있습니다.