Recent advances in modeling and simulation of biological phenomena in crowded and cellular environments

기술 요약: 밀집 및 세포 환경 내 생물학적 현상의 모델링 및 시뮬레이션 최근 진전

문제 제기
생물학적 현상은 일반적으로 세포질 내에서 발생하며, 이는 박테리아에서 농도가 최대 300 g/L 에 달하는 다양한 거대분자 (단백질, 핵산) 가 밀집된 환경입니다. 이러한 "거대분자 혼잡 (macromolecular crowding)"은 부피 배제 및 약하고 일시적인 상호작용 (소프트 또는 5 차 상호작용) 을 통해 생물학적 과정을 크게 변화시킵니다. 그러나 표준 실험 및 계산 연구는 주로 희석된 in vitro 조건에서 수행되어 in vivo 환경의 복잡성을 포착하지 못합니다. 과제는 시스템 크기와 시뮬레이션 길이 사이의 균형을 유지하면서, 기계론적 통찰력을 관찰할 수 있을 만큼 충분한 공간 및 시간 분해능을 갖춘 이질적이고 혼잡한 시스템을 모델링할 수 있는 계산 방법을 개발하는 데 있습니다.

방법론 및 범위
본 검토는 혼잡 및 세포 환경을 연구하는 2024 년 이후에 출판된 계산 방법 및 시스템에 초점을 맞춥니다. 저자들은 모델 시스템의 복잡성과 사용된 시뮬레이션 기법에 따라 접근 방식을 다음과 같이 분류합니다:

1. 동질 모델: 이러한 시스템은 혼잡 효과를 근사화하기 위해 단일 유형의 혼잡제를 사용합니다. 세 가지 주요 혼잡제 유형이 검토됩니다:

   • 단백질 혼잡제: 우유 혈청 알부민 (BSA), 리소자임, 유비퀴틴, GB1 등을 포함합니다.
   • 불활성 혼잡제: 주로 폴리에틸렌 글리콜 (PEG) 및 C60 풀러렌과 같은 고분자입니다.
   • 소분자: 요소 및 자당과 같은 물질입니다.
   • 기법: 올-아톰 분자 역학 (AA-MD), 조립-입자 분자 역학 (CG-MD), 브라운 역학 (BD), 그리고 도킹과 몬테카를로 (D/MC) 의 결합.

2. 이질 세포 모델: 이러한 모델은 여러 단백질 유형, 핵산 및 대사물질을 포함하여 실제 세포질의 구성을 모방하는 것을 목표로 합니다.

   • 모델링된 생물/세포: 대장균 (E. coli), 마이코플라스마 제너탈리움 (Mycoplasma genitalium), 효모, 그리고 인간 세포 (특히 U-2 OS 골육종 세포).
   • 시스템 크기: 10 개에서 12,000 개 이상의 거대분자에 이르는 범위.
   • 기법: AA-MD(종종 Anton 2 와 같은 슈퍼컴퓨터 활용), BD, 그리고 D/MC 프로토콜. 특히, 검토된 문헌에서 이러한 특정 이질 세포 시뮬레이션에는 조립-입자 표현이 사용되지 않았음을 강조합니다.

3. 새로운 방법론적 진전:

   • GRAMMCell 프로토콜: GRAMM 도킹 소프트웨어와 몬테카를로 시뮬레이션을 결합한 워크플로우입니다. 이 접근법은 명시적 용매 없이 단백질을 강체로 취급하여 거대한 시스템 (최대 12,981 개의 단백질) 을 장시간 (최대 200 µs) 동안 시뮬레이션할 수 있게 합니다.
   • GENESIS 소프트웨어: 혼잡 환경의 시뮬레이션 효율성을 향상시키고 대규모 궤적을 분석하기 위해 새로운 도메인 분해 체계와 공간 분해 분석 (SPANA) 도구가 개발되었습니다.
   • 통합 모델링: 세균 핵체 (예: JCVI-Syn3A) 의 원자 모델을 구축하기 위해 cryo-전자 단층촬영 (cryoET), 유전체학, 및 프로테오믹스 데이터를 통합하는 방법들.
   • 시각화: 혼잡한 환경의 시각화를 용이하게 하기 위해 시뮬레이션 데이터를 마인크래프트 (Minecraft) 세계로 변환하는 새로운 워크플로우.

주요 결과 및 관찰
본 검토는 혼잡이 특정 생물학적 현상에 미치는 영향에 관한 최근 연구들의 결과를 종합합니다:

• 확산:

  • 이질적인 환경은 확산 속도를 현저히 감소시킵니다. 효모 세포질 모델에서 tRNA 확산은 8 배 감소했으며, 삼투압 스트레스 (농도 증가) 하에서는 감소 폭이 80 배에 달했습니다.
  • 혼잡제 이질성과 확산 간의 관계는 크기에 의존합니다. 작은 단백질의 경우, 자기 혼잡 (동질) 이 이질적 혼잡보다 확산을 더 크게 감소시킵니다. 반면, 더 큰 단백질은 이질적 환경에서 더 큰 확산 감소를 경험합니다.
  • 혼잡제와 표적 단백질 간의 소프트 상호작용 (예: PEG 와 mCherry 의 상호작용) 은 순수한 불활성 모델에 비해 확산을 더 느리게 만들 수 있습니다.

• 메타볼론 형성과 기질 채널링:

  • 인간 세포질 모델의 AA-MD 시뮬레이션은 해당과정에 관여하는 효소들이 포함된 일시적인 메타볼론 복합체의 형성을 밝혀냈습니다.
  • 소프트 상호작용은 기질 채널링을 최대 8 µs 까지 늦출 수 있지만, 메타볼론 복합체의 형성은 직접적인 전달을 용이하게 함으로써 이를 상쇄할 수 있습니다.
  • 이러한 복합체의 안정성은 힘장 (force-field) 에 의존적입니다.

• 상 분리 및 응집체:

  • 혼잡제는 본질적으로 무질서한 단백질 (IDP) 의 구조를 변화시키고 상 분리를 촉진합니다.
  • 반발성 혼잡제는 배제 부피와 엔트로피적 안정화를 통해 응집을 촉진하는 반면, 인력성 혼잡제는 엔탈피적 상호작용을 통해 이를 수행합니다.
  • 최근 BSA 와 PEG 를 사용한 연구들은 혼잡이 L-젖산 탈수소효소 (LDH) 의 활성 부위 폐쇄 구조를 안정화시켜 응집체 내에서 촉매 효율을 증가시킬 수 있음을 보여주었습니다.
  • 그러나 많은 상 분리 연구는 여전히 단순화되거나 불활성인 혼잡제 모델에 의존하고 있어, 이러한 연구를 위해 현실적인 단백질 혼잡제를 사용하는 데 있어 격차가 있음을 강조합니다.

• 방법론적 트레이드오프:

  • AA-MD 는 원자 수준의 세부 사항과 단백질의 유연성을 제공하지만, 더 작은 시스템과 더 짧은 시간 규모 (대형 세포 모델의 경우 일반적으로 < 35 µs) 로 제한됩니다.
  • CG-MD 와 BD 는 더 큰 시스템과 더 긴 시간 규모를 가능하게 하지만, 원자 수준의 세부 사항과 단백질의 유연성을 희생합니다.
  • D/MC 프로토콜은 가장 긴 시간 규모 (200 µs) 와 가장 큰 시스템 크기를 달성하지만, 강체 근사에 의존하며 시뮬레이션 단계를 실제 시간 단위로 매핑하기 위해 보정이 필요합니다.

의의 및 주장
본 논문은 이전 검토들에 대한 집중적인 업데이트로 자리매김하며, 특히 2024 년 이후의 출판물을 대상으로 방법론의 중요한 진전과 시뮬레이션된 세포 유형의 다양성을 강조합니다. 저자들은 다음과 같이 주장합니다:

1. 분야 성장: 세포 내부의 생물학적 현상을 모델링하는 것은 단백질 접힘, 리간드 결합, 효소 촉매를 포함한 in vivo 메커니즘에 대한 이해를 향상시킬 높은 잠재력을 가진 급성장 분야입니다.
2. 방법론적 상호보완성: 단일 방법으로는 충분하지 않으며, AA-MD, CG-MD, BD, D/MC 는 상호보완적인 도구입니다. 선택은 조사 중인 특정 사건 (예: 유연성 대 시스템 크기) 에 따라 결정됩니다.
3. 현재 한계: 이 분야는 특히 혼잡 조건에서의 단백질 - 단백질 및 단백질 - 리간드 결합에 대한 동역학 속도와 관련된 세포 환경에 대한 실험 데이터의 부족으로 인해 벤치마킹에 어려움을 겪고 있습니다.
4. 미래 필요성: 저자들은 다음과 같은 필요성을 확인합니다:
   • 시뮬레이션 벤치마킹을 위한 더 많은 실험 데이터.
   • 모델 구축을 위한 cryoEM/cryoET 데이터와 딥러닝의 통합.
   • 수억 개의 입자를 처리할 수 있는 소프트웨어 개발.
   • 단순화된 불활성 모델 대신 현실적인 단백질 혼잡제를 사용한 상 분리 연구.

본 검토는 여전히 과제가 남아 있지만, 이러한 계산적 진전이 세포 현상을 조사하기 위한 "계산 현미경"을 제공하며, 약물 설계 및 생명공학에 잠재적인 영향을 미칠 것이라고 결론지었습니다.