Reconstructability of evolutionary intermediates in generative epistatic landscapes

당신이 탐정이 되어 미스터리를 풀고 있다고 상상해 보세요: 당신에게는 단백질(작은 생물학적 기계)의 "전" 사진과 "후" 사진이 있지만, 그 중간 단계—단백질이 A에서 B로 가기 위해 거친 과정들—의 사진은 사라졌습니다. 질문은 이것입니다: 시작과 끝만 보고도 사라진 중간 단계를 재구성할 수 있을까요?

Roberto Netti와 Martin Weigt의 이 논문은 바로 이 문제를 탐구합니다. 그들은 단순히 추측한 것이 아니라, 서로 다른 컴퓨터 모델들이 진화의 역사를 얼마나 잘 "빈칸을 채울 수 있는지" 테스트하기 위해 가상의 실험실을 구축했습니다.

이 연구의 발견을 알기 쉽게 설명하면 다음과 같습니다.

1. 설정: 가상 타임머신

우리는 현실에서 단백질이 진화하는 모습을 관찰하기 위해 시간을 되돌릴 수 없으므로, 저자들은 시뮬레이션된 우주를 만들었습니다.

• 그들은 실제 단백질 군집(Chorismate Mutases라고 불림)을 가져와 컴퓨터 모델을 사용하여 이 단백질들이 취할 수 있는 모든 가능한 형태를 지도화했습니다. 이 지도를 언덕이 있는 풍경이라고 생각해 보세요.
• 낮은 골짜기는 안정적이고 건강한 단백질(높은 적응도)을 나타냅니다.
• 높은 봉우리는 불안정하고 망가진 단백질을 나타냅니다.
• 그런 다음 그들은 단백질이 한 골짜기에서 시작하여 이곳저곳을 헤매다 다른 골짜기에 도착하는 수백만 번의 "진화적 여정"을 시뮬레이션했습니다. 그리고 모든 여행의 시작, 중간, 끝을 기록했습니다.

이제, 그들은 "중간" 사진을 숨긴 뒤, 오직 시작과 끝 사진만을 단서로 사용하여 컴퓨터 모델들에게 중간 모습이 어떠했을지 추측하도록 요청했습니다.

2. 세 가지 추측 전략

그들은 사라진 중간 단계를 추측하는 세 가지 방법을 테스트했습니다.

• 전략 A: "직선" 추측 (나이브한 기준점/Naive Baseline)

  • 아이디어: 시작이 "빨강"이고 끝이 "파랑"이라면, 중간은 반드시 "보라"일 것이라고 가정합니다. 이는 단백질이 한 번에 한 글자씩 직선으로 변했을 것이라고 가정하는 것입니다.
  • 결과: 아주 짧은 여정에는 어느 정도 작동하지만, 긴 여정에서는 처참하게 실패합니다. 이 방식은 단백질이 복잡하다는 사실을 무시합니다. 즉, 한 부분을 바꾸면 다른 부분도 조정해야 한다는 점을 간과합니다(마치 자동차의 타이어를 교체할 때 서스펜션도 조절해야 하는 것과 같습니다). 이 방법은 실제 환경에서는 깨져버릴 "불가능한" 단백질을 만들어냅니다.

• 전략 B: "만점" 추측 (최대 가능도/Maximum Likelihood)

  • 아이디어: 컴퓨터는 중간 단계에 대해 가장 확률이 높은 단 하나의 서열을 계산합니다. 가장 높은 점수를 얻기 위해 모든 위치에서 "최적의" 아미노산을 선택합니다.
  • 결과: 이 추측은 개별 글자 수준에서는 매우 정확합니다. 하지만 여기에는 함정이 있습니다. 이 방식은 통계적으로 "너무 완벽한" 서열을 만들어냅니다. 마치 교과서를 완벽하게 암기했지만 실제로 살아본 경험은 전혀 없는 학생과 같습니다. 결과물은 자연이 거의 택하지 않는 "비용이 낮은" 경로를 보여줍니다. 즉, 실제 진화가 가진 무작위성과 다양성을 놓칩니다.

• 전략 C: "현실적인 군집" 추측 (생성적 샘플링/Generative Sampling)

  • 아이디어: 단 하나의 "최선의" 답을 고르는 대신, 컴퓨터는 학습한 확률에 따라 주사위를 던집니다. 이를 통해 여러 가능한 중간 서열들을 생성합니다.
  • 결과: 이 방법이 승자입니다. 비록 특정 정답(ground truth)과 비교했을 때 몇몇 개별 글자는 "틀릴" 수 있지만, 전체적인 그림은 훨씬 더 현실적입니다. 이 방식은 가능성의 *앙상블(ensemble)*을 포착합니다. 진화가 직선이 아니라 로또와 같다는 점을 이해하는 것입니다. 만약 당신이 단백질이 어떤 모습이었을지 알고 싶다면, 이 방법이 가장 현실적인 "답들의 가족"을 제공합니다 именно.

3. 지형의 중요성: 골짜기 vs 평원

가장 흥 Die 발견은 모든 여정이 재구성이 똑같이 쉬운 것은 아니라는 점입니다. 저자들은 "지형" 자체가 정보의 손실 정도를 결정한다는 것을 발견했습니다.

• 깊은 골짜기 (제약이 많은 영역):
  단백질이 깊고 좁은 협곡에 갇혀 있다고 상상해 보세요. 벽에 부딪히지 않고는 움직일 수 없습니다. 너무 제약이 많기 때문에, A 지점에서 B 지점으로 가는 방법이 매우 제한적입니다.

  • 결과: 여정이 이 골짜기 안에서 이루어진다면, 시작과 끝 지점은 중간 단계에 대한 많은 정보를 담고 있습니다. 따라서 경로를 매우 잘 재구성할 수 있습니다.

• 평평한 평원 (허용적인 영역):
  이제 단백질이 협곡을 벗어나 넓고 안개가 자욱한 평원으로 올라갔다고 상상해 보세요. 여기서 단백질은 절벽 아래로 떨어지지 않고도 거의 모든 방향으로 움직일 수 있습니다. A에서 B로 가는 경로는 수천 가지가 존재합니다.

  • 결과: 여정이 이 "안개 낀 평원"을 가로지른다면, 특정 경로에 대한 기억은 지워집니다. 시작과 끝을 알고 있더라도, 어떤 구체적인 경로를 택했는지 알 수 없습니다. 왜냐하면 유효한 옵션이 너무 많았기 때문입니다. 지형은 일종의 "정보의 지평선" 역할을 합니다. 일단 이 선을 넘으면 과거는 흐릿해집니다.

4. 시간의 함정: 거리 vs 시간

마지막으로, 이 논문은 실질적인 문제를 다룹니다. 현실에서 우리는 두 단백질이 얼마나 오랫동안 서로 다르게 진화해 왔는지(그들의 "거리")는 알지만, 정확한 "시간"은 모릅니다.

• 함정: 보통 과학자들은 "더 많이 달라졌다"는 것이 "더 많은 시간이 흘렀다"는 것을 의미한다고 가정합니다.
• 현실: 이는 틀린 생각입니다. "안개 낀 평원"(높은 돌연변이율)에 있는 단백질은 매우 빠르게 외형을 바꿀 수 있습니다. 반면 "깊은 골짜기"(낮은 돌연변이율)에 있는 단백질은 매우 느리게 변합니다. 두 단백질이 겉보기에는 똑같이 달라 보일지라도, 하나는 1,000년이 걸렸을 수 있고 다른 하나는 100,000년이 걸렸을 수도 있습니다.
• 해결책: 저자들은 시간을 정확히 추측하려면 단순히 차이점을 세는 것만으로는 부족하다는 것을 보여주었습니다. 대신 시작과 끝 단백질이 "얼마나 변하기 쉬운지"(Context-Dependent Entropy라는 지표 사용)를 살펴봐야 합니다. "거리"와 함께 양 끝단의 "돌연변이 용이성"을 결합함으로써, 컴퓨터는 숨겨진 "시간"을 정확하게 추측할 수 있으며, 이를 통해 훨씬 더 나은 재구성이 가능해집니다.

핵심 요약

이 논문의 결론은 단 하나의 "진정한" 누락된 서열을 찾으려 해서는 안 된다는 것입니다. 진화는 너무나 무작위적이기 때문입니다. 대신, 데이터 기반 모델을 사용하여 현실적인 가능성의 집합을 생성해야 합니다.

하지만 이는 "지형"이 허락할 때만 가능합니다. 만약 진화 경로가 여러 경로가 가능한 "안개 낀 평원"을 가로질렀다면, 시작과 끝 지점에는 중간 단계를 재구성할 수 있는 충분한 단서가 들어있지 않습니다. 이 논문은 우리가 언제 미스터리를 풀 수 있는 충분한 정보를 가지고 있는지, 그리고 언제 안개가 너무 짙어 앞을 볼 수 없는지를 인식하는 법을 가르쳐 줍니다.