Single-cell-level distributions and relationships can differentiate cell-division and growth models

기술 요약: 단일 세포 수준의 분포와 관계를 통한 세포 분열 및 성장 모델의 구별

문제 제기
박테리아의 세포 성장과 분열을 조절하는 규제 메커니즘을 이해하는 것은 미생물학 및 생명공학의 근본적인 과제이다. 세포 분열이 특정 전략을 따른다는 것은 이미 확립되어 있으며, 이는 역사적으로 타이머(Timer, 연령에 따른 분열), 사이즈(Sizer, 임계 크기에 따른 분열), 또는 애더(Adder, 일정 질량 추가 후 분열) 모델로 분류되어 왔다. 그러나 이러한 모델들 사이를 구별하고 기저에 깔린 단일 세포 성장 패러다임(선형 또는 지수 성장)을 식별하는 것은 여전히 어려운 과제로 남아 있다. 기존의 방법들은 주로 생리적 양(출생 크기, 분열 크기, 분열 시간, 분열 시 추가된 크기) 사이의 상관관계에 의존한다. 그러나 이러한 상관관계는 종종 이상적인 가정(예: 대칭적이고 비확률적인 분할, 결정론적 성장률) 하에서 도출된다. 또한, 실험 데이터는 성장 유형을 직접 결정하기에 정밀도가 불충 sufficient한 경우가 많아 간접적인 차별화 방법이 필요하다. 저자들은 확률적 성장률, 비대칭적 분할, 그리고 계통 상관관계(lineage autocorrelations)를 고려하여 세포 분열 및 성장 모델을 견고하게 구별할 수 있는 종합적인 분석 프레데임의 필요성을 다룬다.

방법론
본 연구는 단일 세포 양에 대한 확률 분포와 통계적 관계를 도출하기 위해 거시적(coarse-grained) 분석 접근법을 사용한다. 모델은 세 가지 자유 매개변수 분포를 기반으로 구축된다:

1. 주요 분포(Principal Distribution): 분열 규칙(분열 시간 $\tau_d$를 따르는 Timer, 분열 크기 $s_d$를 따르는 Sizer, 또는 분열 시 추가된 크기 $\Delta_d$를 따르는 Adder)을 결정한다.
2. 성장률 분포 ($\Lambda(\alpha)$): 계통 전반에 걸친 성장률의 확률성을 반영한다.
3. 분할 분율 분포 ($\kappa(\beta)$): 딸세포로의 크기 상속 과정에서의 확률성과 비대칭성을 반영한다.

확률 변환과 통계적 논거(부록 A 및 B에 상세 기술됨)를 사용하여, 저자들은 선형 및 지수 성장 체제 모두에서 Sizer 및 Adder 모델에 대한 모든 단일 세포 양($s_b, s_d, \tau_d, \Delta_d$)의 분포를 분석적으로 도출한다. Timer 모델은 지수 성장 하에서의 항상성(homeostasis) 분석에서는 제외되었는데, 이는 정밀하게 조정된 매개변수 없이는 크기 안정성을 유지하지 못하기 때문이다.

분석 결과는 Escherichia coli와 Mycobacterium tuberculosis를 대상으로 한 마이크로플루이딕스(Mother Machine 설정) 연구의 발표된 실험 데이터와 검증되었다. 저자들은 자유 매개변수에 대해 실험 데이터에 Johnson family 분포를 적합(fitting)시키고, 그 결과로 도출된 분석적 예측치(단일 세포 분포 및 통계적 관계)를 실험적 관찰 결과와 비교하였다.

주요 기여

1. 확률성과 비대칭성으로의 확장: 본 연구는 기존의 상관관계 기반 차별화 방법을 확률적 성장률과 비대칭적이고 확률적인 분할을 포함하도록 확장하여, 더욱 생물학적으로 현실적인 프레임워크를 제공한다.
2. 분석적 분포: 저자들은 선형 및 지수 성장 모두에서 Sizer 및 Adder 모델에 대한 출생 크기, 분열 크기, 분열 시간, 분열 시 추가된 크기의 확률 분포에 대한 폐쇄형(closed-form) 분석 표현식을 제공한다.
3. 통계적 관계: 본 논문은 각 양의 평균, 표준 편차, 변동 계수 사이의 구체적인 관계를 도출한다. 결정적으로, 평균 기반 관계는 모델 간에 보편적인 경우가 많지만, 표준 편차와 상관관계를 포함하는 관계는 분열 모델(S가 Sizer vs Adder)과 성장 유형(linear vs exponential)을 고유하게 구별할 수 있음을 확인하였다.
4. 자기상관성에 대한 견고성: 분석은 세포의 성장률이 조상 세포의 성장률과 상관관계가 있는 현상(최근 실험 데이터에서 관찰되는 계통 자기상관성)이 존재하더라도 도출된 결과가 유효함을 입증한다.

결과

• 분포를 통한 차별화: E. coli(25°C, 27°C, 37°C) 및 M. tuberculosis에 대한 실험 데이터와 분석적 예측을 비교함으로써, 저자들은 지수 성장 Adder 모델이 관찰된 단일 세포 양의 분포와 가장 잘 일치한다는 것을 발견했다. Sizer 모델과 선형 성장 모델은 적합도가 낮았다.
• 표준 편차를 통한 차별화: 분열 시 추가된 크기의 표준 편차($\sigma_{\Delta_d}$)와 분열 크기의 표준 편차($\sigma_{s_d}$) 사이의 관계는 Sizer와 Adder 모델을 성공적으로 구분하였다. 실험 데이터 포인트들은 Adder 예측치에 더 가깝게 군집되었다.
• 상관관계를 통한 차별화: 분열 시간($\tau_d$)과 출생 크기($s_b$) 사이의 상관관계는 분열 모델과 성장 유형 모두에 의존함을 보여주었다. E. coli에 대한 실험적 상관관계는 지수 성장 Adder 모델과 가장 잘 일치하였다.
• 성장 유형의 모호성: M. tuberculosis의 경우, 데이터는 Adder 분열 전략을 시사했으나, 선형 성장과 지수 성장 사이의 구별은 두 모델 모두 데이터를 유사하게 잘 설명하여 명확하지 않았다.
• 항상성: 본 연구는 Sizer와 Adder 모델이 자연스럽게 세포 크기 항상성을 유지하는 반면, Timer 모델은 매개변수가 완벽하게 조정되지 않으면 지수 성장 하에서 일반적으로 항상성을 유지하지 못하고 세대를 거듭하며 출생 크기가 발산한다는 것을 확인하였다.

의의
본 논문은 단일 세포 수준의 분포와 그들 사이의 통계적 관계가 세포 분열 전략(Sizer vs Adder)뿐만 아니라 단일 세포 성장 패러다임(linear vs exponential)을 차별화하는 강력한 도구 역할을 한다고 주장한다. 이러한 능력은 연구자들이 구체적인 분자 네트워크를 즉각적으로 규명하지 않고도 다양한 미생물 종의 크기와 분열을 조절하는 기저의 규제 메커니즘을 정확히 짚어낼 수 있게 한다. 본 연구의 결과는 서로 다른 종의 진화적 전략이나 제약을 식별하는 데 도움을 주며, 확률성과 계통 상관관계가 존재하는 상황에서도 단일 세포 실험 데이터를 해석할 수 있는 견고한 분석적 기초를 제공한다. 저자들은 자신들의 거시적 접근 방식이 분자적 세부 사항에 대해 견고하지만, 향-후 연구에서 보다 복잡한 성장 모델(예: 이중 선형 또는 초지수 성장)로 분석을 확장하여 실험 데이터와의 일치도를 더욱 높일 수 있다고 언급하였다.