Towards coevolution-aware ancestral sequence reconstruction

기술 요약: 공진화 인지적 조상 서열 재구성(Coevolution-aware Ancestral Sequence Reconstruction)을 향하여

문제 정의
조상 서열 재구성(ASR)은 분자 진화와 단백질 기능을 연구하기 위한 표준적인 도구이다. 그러나 기존의 ASR 방법들은 아미노산 부위들이 독립적으로 진화한다는 가정에 의존한다. 이러한 단순화는 단백질의 구조, 안정성 및 기능을 유지하는 데 필수적인 잔기 간 상호작용인 에피스타시스(epistatic) 제약 조건을 간과한다. 저자들은 이러한 부위 독립성이 두 가지 주요 문제를 야기한다고 주장한다:

1. 과도한 이상화(Over-idealization): 최대 사후 확률(MAP) 재구성은 종종 단일 서열에 확률을 집중시키는데, 이 서열은 현존하는 단백질에 비해 비정상적으로 높은 안정성이나 다기능성(promiscuity)을 보이는 등 "과도하게 이상화"될 수 있다.
2. 비현실성(Implausibility): 부위 독립적 사후 분포로부터 직접 샘플링하는 것은 통계적으로는 독립 모델 하에서 타당한 서열을 생성할 수 있으나, 잔기-잔기 제약 조건을 위반함으로써 생물학적으로 비현실적이거나 기능을 수행하지 못하는 서열을 생성할 수 있다.
   또한, 기존 ASR 방법들은 현실적인 에피스타시스 제약 조건 하에서 생성된 "그라운드 트루스(Ground Truth, GT)" 데이터에 대해 벤치마킹되는 경우가 드문데, 이는 매우 최근의 시간 척도 외에는 고대 서열의 실험적 복구가 제한적이기 때문이다.

방법론
본 논문은 표준 계통 발생 추론과 직접 결합 분석(Direct Coupling Analysis, DCA)을 통합하는 공진화 인지적 ASR 프레임워크를 제안한다. 이 방법론은 세 가지 주요 구성 요소로 이루어진다:

1. 표준 부위 독립적 재구성:
   프로세스는 양(Yang) 알고리즘을 사용하는 표준 베이지안 ASR을 사용하여 조상 노드의 부위별 아미노산 사후 분포를 추론하는 것으로 시작된다. 이는 후보 조상 서열 집합($S_{anc}$)을 부위 독립적 사후 분포로부터 추출해낸다. 결정적으로, 이 단계는 계통 발생으로부터 추론된 주변 통계량(부위별 빈도)을 보존한다.

2. 공진화적 재배열(핵심 혁신):
   에피스타시스 제약을 강제하기 위해(DCA 사전 확률 하에서 계통 발생을 고려한 정확한 추론은 계산적으로 불가능하므로), 저자들은 재배열 절차를 도입한다:

• 후보 서열들은 특정 부위에서의 무작와 아미노산 스왑(swap)을 통해 반복적으로 최적화된다.
• 스왑은 부위별 필드($h_i$)와 쌍별 결합($J_{ij}$)을 포함하는 DCA 에너지 함수($E_{DCA}$)를 사용하는 메트로폴리스 기준(Metropolis criterion)에 따라 수락된다.
• 이 과정은 초기 부위 독립적 재구성을 통해 얻은 부위별 아미노산 빈도를 엄격히 보존하면서 DCA 에너지를 최소화한다.
• 그 결과물은 계통학적으로 일관되면서도(주변 통계량과 일치함) DCA 모델에 의해 구조적 및 기능적으로 제약된 공진화 인지 후보군($S^{DCA}_{anc}$)이다.

3. 벤치마킹 프레임워크:
   방법을 엄격하게 평가하기 위해, 저자들은 DCA 모델에 기반한 순방향 진화 시뮬레이터를 개발하였다.

• 알려진 "그라운드 트루스" 루트 서열($s_{GT}$, 현존 데이터에서 선택됨)로부터 시작하여, DCA 에너지 제약을 준수하는 이산 시간 마르코프 체인을 사용하여 계통수를 따라 서열을 진화시킨다.
• 이 시뮬레이터는 계통 발생적 상관관계와 현실적인 에피스타시스 제약을 모두 유지하는 합성 잎(leaf) 데이터를 생성하며, 이를 통해 재구성된 조상과 알려진 $s_{GT}$ 사이의 직접적인 비교를 가능하게 한다.
• 연구는 가지 길이($\mu_{gen}$)를 조절하고 맥락 의존적 엔트로피(CDE)로 정량화된 가변성을 가진 루트 서열을 선택함으로써 다양한 진화 레짐(regime)을 테스트한다.

주요 결과
이 프레임워크는 $\beta$-락타메이즈( $\beta$-lactamase) 및 DNA 결합 도메인 가문에 적용되었다. 주요 결과는 다음과 같다:

• 루트 가변성의 영향: 재구성 정확도는 조상 서열의 가변성에 크게 의존한다. "약하게 가변적인" 루트(에피스타시스에 의해 고도로 제약됨)의 경우, 공진화 인지 방법이 부위 독립적 방법보다 성능이 월등히 높았다. "고도로 가변적인" 루트의 경우, 이점은 덜 뚜렷하지만 방법론은 여전히 생물학적으로 타당한 후보를 생성한다.
• 해밍 거리(Hamming Distance) 대 DCA 에너지:
  • 표준 MAP 재구성은 단순 컨센서스 서열보다 GT와의 해밍 거리가 낮은 서열을 생성할 수 있지만, 인위적으로 낮은 DCA 에너지를 보이는데, 이는 안정성을 위해 과도하게 최적화되어 실제 조상 상태를 반영하지 못할 수 있음을 시사한다.
  • 부위 독립적 샘플링은 높은 DCA 에너지를 가진 서서열을 생성하며, 이는 종종 기능적 영역을 벗어난다.
  • 공진화 인지 후보($S^{DCA}_{anc}$)는 균형을 달성한다: 이들은 MAP 추정치와 유사한 해밍 거리를 유지하면서도 자연적인 현존 가문의 에너지와 일치하는 DCA 에너지를 나타낸다.
• 구조적 타당성: 공진화 인지 세트의 후보들은 부위 독립적 샘플들에 비해 우수한 구조적 특성을 보인다. 이들은 GT의 고정밀 AlphaFold 구조와 비교했을 때 더 높은 예측 국소 거리 차이 테스트(pLDDT) 점수와 더 낮은 평균 제곱근 편차(RMSD)를 나타낸다.
• 진화 레짐 식별: 저자들은 계통 발생 추론이 단순 컨센서스 이상의 비자명한 정보를 제공하고, 공진화 도입의 이점이 가장 잘 감지되는 중간 진화 시간대($\mu_{gen} \in [1, 100]$)를 식별하였다.

의의 및 주장
본 논문은 단백질 진화의 결합된 본질을 더 잘 반영하는 조상 재구성을 위한 실질적인 경로를 제공한다고 주장한다. 그 의의는 다음과 같다:

• 간극 해소: 단일 서열 MAP 재구성(에피스타시스를 무시함)과 제약 없는 사후 분포 샘플링(구조적 제약을 무시함) 사이의 간극을 메우는 계산적으로 실행 가능한 솔루션을 제공한다.
• 생물학적 실재성: DCA 제약을 강제함으로써, 저자들은 계통학적으로 일치할 뿐만 아니라 자연 단백질 가문 및 구조적으로 생존 가능한 통계적 호환성을 갖춘 조상 앙상블을 생성한다.
• 불확실성 정량화: 이 접근 방식은 단일 점 추정치에 의존하기보다 타당한 조상의 앙상블을 샘플링할 것을 권장하며, 이는 조상의 불확실성과 다양성을 더 현실적으로 표현한다.
• 검증: 본 연구는 데이터(또는 시뮬레이션)가 실제 에피스타시스 제약을 반영할 때만 공진화 인지 재구성의 이점이 감지된다는 것을 입증하였으며, 이는 심층 시간(deep-time) 진화 연구를 위한 모델링의 필요성을 강조한다.

저자들은 자신의 방법이 현재 개별 노드에 독립적으로 적용되지만, 진화적으로 일관되면서도 생물학적으로 진정성 있는 조상을 재구성하기 위한 원칙적인 단계이며, 기존의 부위 독립적 접근 방식이 가진 체계적인 편향을 피할 수 있다고 결론짓는다.