배경

게놈 해독 기술의 발전으로 수많은 유전 변이가 발견되었으나, 이들 변이가 실제 세포 내에서 어떤 생화학적 변화를 일으키는지 규명하는 작업은 여전히 까다로운 과제로 꼽힌다. 기존 유전체 연구는 주로 단일 단백질의 발현량 변화나 아미노산 서열 치환에 따른 단백질 구조 붕괴 여부에 초점을 맞추어 왔다. 질환 연관 변이를 해석할 때 단백질 상실(Loss-of-Function) 여부만을 단편적으로 평가하던 방식이 대표적이다.

세포 내 생명 현상은 개별 단백질의 독립적인 작용이 아니라 복잡하게 얽힌 단백질 상호작용(Protein-Protein Interaction, PPI) 네트워크로 유지된다. 대다수 유전 변이는 단백질 기능을 완전히 파괴하기보다 특정 파트너 단백질과의 결합 친화도를 미세하게 조정하는 양상을 띤다. 복합체 계면의 결합력 변화를 정밀하게 측정하지 않고서는 변이의 정확한 생물학적 작용을 규명하기 어렵다는 지적이 이어져 온 배경이다.

주변 환경 요인도 상호작용의 복잡성을 가중시킨다. 생체 시스템은 영양소 고갈, 열 충격, 삼투압 스트레스와 같은 외부 자극에 끊임없이 노출된다. 동일한 아미노산 변이라도 생리적 상태에 따라 전혀 다른 결합 양상을 나타낼 수 있는 셈이다. 다양한 환경 섭동 조건에서 유전 변이가 복합체 결합 세기에 미치는 정량적 영향을 대규모로 추적한 연구는 기술적 한계로 드물었다.

핵심 발견

연구진은 모델 진핵생물인 출아효모(Saccharomyces cerevisiae)를 활용해 유전 변이와 환경 섭동, 단백질 결합 강도 사이의 다차원 연결망을 분석했다. 결합 세기 측정에는 단백질 단편 상보 분석(Protein-fragment Complementation Assay, PCA) 기법이 쓰였다. 두 단백질이 물리적으로 결합할 때 쪼개져 있던 수용체 단편이 재조합되어 신호를 방출하도록 설계한 분자 도구다.

연구진은 상호작용이 이미 규명된 61개 단백질 쌍을 선별하고, 자연 발생 변이와 인공 변이를 망라한 유전형 라이브러리를 구축했다. 이후 배양 온도 상승, 영양원 전환, 화학적 스트레스 인자 처리를 포함한 다채로운 환경 조건에서 각 단백질 쌍의 결합력 변화를 정량 수치로 산출했다.

분석 결과는 유전 변이의 효과가 고정적이지 않음을 명확히 보여준다. 61개 결합 쌍 중 상당수에서 변이에 따른 결합력 증감이 주변 배양 조건에 종속되어 급격히 변동했다. 일반 배지에서는 야생형과 결합력 차이가 5% 미만으로 미미했던 특정 대사 단백질 변이는 고온 스트레스 조건에서 결합 세기가 40% 이상 감소하는 비선형적 반응을 보였다.

단백질 결합 계면 바깥에 위치한 변이가 환경 스트레스와 맞물려 원격으로 결합력을 교란하는 알로스테릭 효과도 확인됐다. 통상적인 구조 예측 프로그램으로는 중립적 변이로 분류되던 돌연변이가 특정 스트레스 환경에서 복합체 형성을 방해하는 인자로 작용한다는 의미다. 연구진은 수집된 결합 데이터셋을 기반으로 환경에 민감하게 반응하는 가변 결합군과 환경 변화에도 안정적인 결합을 유지하는 불변 결합군을 통계적으로 분류하는 데 성공했다.

의미와 전망

정적 게놈 서열 분석에서 벗어나 동적 환경 변수를 결합 친화도에 대입했다는 사실은 시스템생물학 연구의 외연을 넓힌다. 질환 모델에서 변이의 병원성을 예측할 때 세포가 처한 생리적 스트레스 환경을 필수 입력값으로 고려해야 함을 입증했기 때문이다. 컴퓨터 기반 변이 효과 예측 알고리즘의 정확도를 개선하는 핵심 학습 데이터로 쓰일 가능성도 엿보인다.

인간 유전체 분석에서 난제로 꼽히는 임상적 의의 불명 변이(Variants of Uncertain Significance, VUS)의 재분류 작업에도 새로운 분석 틀을 제공한다. 환자 유래 변이가 특정 조직 특이적 대사 환경이나 염증 미세환경에서만 비정상적 결합을 형성할 가능성을 배제할 수 없어서다.

단일세포 수준의 정밀도 확장과 포유류 세포계 적용은 앞으로 해결해야 할 숙제다. 출아효모의 61개 단백질 쌍에서 확보한 원리가 수만 개 단백질이 얽힌 인간 상호작용체(Interactome) 전반에 동일하게 적용될지는 추가 검증을 거쳐야 한다. 고등 생체 조직의 번역 후 변형(PTM) 다양성을 반영할 수 있는 차세대 정량 스크리닝 플랫폼 개발이 뒤따라야 할 과제로 꼽힌다.