배경

박테리오파지 ΦX174는 대장균을 감염시키는 원형 단일가닥 DNA 바이러스로, 게놈은 5,386개 뉴클레오타이드와 11개 단백질로 구성된다. 1970년대 최초로 전체 게놈 서열이 해독됐고, 2000년대에는 화학적으로 합성된 첫 게놈이라는 기록도 세웠다. 최근에는 게놈 언어모델이 ΦX174를 바탕으로 감염 가능한 파지를 설계하면서 합성생물학의 대표적인 시험대로 다시 주목받았다.

그러나 염기서열을 읽거나 새로 생성하는 능력이 곧 변이의 생물학적 결과를 이해한다는 뜻은 아니다. 기존 변이효과예측기(variant effect predictor·VEP)는 진화적 보존도와 단백질 구조, 대규모 서열 자료에서 학습한 통계적 규칙에 의존한다. 바이러스처럼 서열 자료가 제한적이고 단백질 간 상호작용이 촘촘한 체계에서는 성능이 충분히 검증되지 않았다.

핵심 발견

후이진 웨이와 샹화 리, 벤 레너 연구진은 ΦX174 게놈의 각 염기를 가능한 다른 세 염기로 치환하고, 단백질의 각 아미노산도 나머지 19종으로 바꾸는 포괄적 돌연변이 분석을 수행했다. 제작한 변이체는 4만4,000개가 넘는다. 연구진은 이들을 감수성 대장균과 함께 80분간 배양했다. 파지가 두세 차례 감염 주기를 거치는 동안 증식한 변이체와 사라진 변이체를 DNA 시퀀싱으로 구분해 적합도를 산출했다.

전체 단일뉴클레오타이드 변이의 절반, 아미노산 치환의 60% 이상이 파지 적합도를 떨어뜨렸다. 실험실 환경에 이미 최적화됐다고 여겨진 ΦX174의 증식력을 오히려 높이는 변이도 소수 발견됐다. 해로운 아미노산 변이 중 47.6%는 파지 단백질끼리 또는 파지와 숙주 단백질 사이의 상호작용 계면에 자리했다. 단백질 내부 핵심부를 훼손한 변이는 25.4%였다. 나머지 약 4분의 1은 알려진 구조와 상호작용 정보만으로 작동 원인을 설명할 수 없었다.

연구진은 ESM-1v, ESM-2, ESM3, ProGen2, Tranception-L, GEMME, SaProt 등 여러 최신 단백질 언어모델과 구조·진화 기반 예측기를 실험값에 대조했다. 모델의 예측력은 전반적으로 중간 수준에 머물렀다. 단백질 복합체에서 계산한 상대적 용매 접근성이라는 단순한 구조 지표도 중앙값 스피어먼 상관계수 0.41을 기록해, 단량체 구조 지표의 0.26보다 나았다. 복잡한 AI가 상호작용 계면이라는 기본 구조 정보를 일관되게 넘어선 것은 아니었다.

의미와 전망

이번 결과는 생물학적 서열을 그럴듯하게 생성하는 능력과 특정 변이의 표현형을 인과적으로 예측하는 능력 사이에 큰 간극이 있음을 보여준다. 특히 단백질 접힘만 살피면 변이 피해의 주된 원인인 분자 간 상호작용 붕괴를 놓칠 수 있다. 변이 해석 모델에는 단일 단백질 서열뿐 아니라 복합체 구조, 숙주 인자, 감염 단계별 표현형을 함께 학습시키는 전략이 요구된다.

이 데이터는 바이러스 변이 예측과 파지 설계 모델을 평가하는 전장 규모의 기준 자료가 될 수 있다. 다만 대상은 작은 모델 파지 하나이며, 적합도 역시 대장균을 이용한 80분 경쟁 배양에서 측정됐다. 숙주 종류와 배양 환경이 달라지면 변이 효과도 바뀔 가능성이 있다. 연구가 동료평가를 거치지 않은 사전논문이라는 사실도 해석에 반영해야 한다.