NetSyn: prokaryotic genomic context exploration of protein families

이 논문은 시퀀스 유사성뿐만 아니라 보존된 유전체 문맥 (synteny) 을 기반으로 단백질 군을 그룹화하여 새로운 대사 경로와 효소 기능을 발견하고 주석 오류를 식별할 수 있도록 설계된 생물정보학 도구인 NetSyn 을 소개하고 그 유효성을 입증합니다.

핵심

이 논문은 **'NetSyn(네트신)'**이라는 새로운 과학 도구를 소개합니다. 이 도구는 미생물 (세균 등) 의 유전자들이 어떤 일을 하는지 알아내는 데 도움을 줍니다.

기존의 방법들이 유전자의 '문자열' (서열) 을 비교하는 데 집중했다면, NetSyn 은 유전자들이 **'어떤 이웃들과 함께 살고 있는지'**를 살펴보는 독특한 방식을 사용합니다.

이 내용을 일반인도 쉽게 이해할 수 있도록 비유를 들어 설명해 드리겠습니다.

---

1. 문제 상황: 이름표가 없는 낯선 사람들

우리는 미생물의 유전자 (DNA) 데이터가 엄청나게 많이 쌓여 있습니다. 하지만 그중 23% 는 "이게 무슨 일을 하는지 모르겠다"라고 적혀 있습니다. 마치 거대한 파티에 수천 명의 사람들이 모여 있는데, 대부분이 이름표도 없고 무슨 직업을 가진 사람인지도 모르는 상황과 같습니다.

기존의 과학자들은 주로 유전자의 '문자열' (DNA 서열) 을 비교했습니다.

• 비유: "이 사람의 옷차림과 얼굴이 저 사람과 90% 비슷하니까, 저 사람과 같은 직업을 가졌겠지?"라고 추측하는 것입니다.
• 한계: 옷차림이 비슷해도 직업이 다를 수 있고, 옷이 다 달라도 같은 일을 하는 사람도 있습니다. 그래서 오해가 자주 생깁니다.

2. NetSyn 의 아이디어: "이웃 관계"로 직업을 추측하다

NetSyn 은 **"유전자들은 혼자 살지 않는다"**는 사실에 주목합니다. 세균의 유전자는 '오페론 (Operon)'이라는 작은 마을처럼, 같은 일을 하는 유전자들이 서로 옆에 붙어서 모여 사는 경우가 많습니다.

• 비유: "이 사람이 누구와 함께 살고 있는지를 보자!"
  • 만약 A 라는 유전자가 '빵을 굽는 기계', '밀가루 저장고', '오븐' 옆에 항상 함께 있다면? A 는 분명 빵을 굽는 일을 할 가능성이 높습니다.
  • 비록 A 의 옷차림 (문자열) 이 다른 빵 굽는 유전자들과 조금 다르더라도, 이웃 관계가 같다면 같은 일을 할 것이라고 추측하는 것입니다.

3. NetSyn 이 어떻게 작동하나요? (4 단계 과정)

1. 이웃 조사 (Context Extraction):
   NetSyn 은 특정 유전자를 골라내면, 그 유전자의 앞뒤 5 개씩 총 11 개의 이웃 유전자들을 조사합니다. (마치 집 주소와 그 옆집, 그 옆집의 이웃들을 모두 확인하는 것과 같습니다.)

2. 가족 찾기 (Clustering):
   조사된 이웃 유전자들을 비교합니다. "아, 이 유전자들은 모두 '빵 굽는 가족'이네?", "저 유전자들은 '세탁소 가족'이네?"라고 그룹을 나눕니다.

3. 연결망 만들기 (Network Building):
   "이유전자는 이웃 관계가 비슷하니까 친구야!"라고 선을 그어 연결합니다. 이렇게 하면 유전자들이 거대한 **친구 관계도 (네트워크)**를 형성합니다.

4. 무리 나누기 (Clustering):
   컴퓨터 알고리즘을 이용해 이 친구 관계도에서 뭉쳐 있는 '무리 (클러스터)'를 찾아냅니다. 이 무리 안에 있는 유전자들은 비슷한 일을 하는 팀일 가능성이 매우 높습니다.

4. NetSyn 의 놀라운 성과 (실제 사례)

이 논문은 NetSyn 을 두 가지 경우에 적용해 보았습니다.

• 사례 1: BKACE 라는 유전자 가족

  • 기존에는 이 유전자들을 7 개의 그룹으로 나눴는데, NetSyn 은 더 세밀하게 나눴습니다. 마치 같은 '요리사'라도 '이탈리아 요리팀', '프랑스 요리팀'으로 더 구체적으로 분류한 것과 같습니다.
  • 특히, 기존에 "기능을 모른다"로 분류되었던 유전자들이, NetSyn 을 통해 **새로운 대사 경로 (예: 특정 영양분 분해)**에 관여할 것임을 찾아냈습니다.

• 사례 2: 서로 다른 유전자들의 팀워크 (PUL)

  • 세균이 식물의 '셀룰로오스 (나뭇잎 등)'를 분해할 때는 서로 다른 3 가지 효소가 협력해야 합니다. 이 3 가지 효소는 문자열 (서열) 이 전혀 다릅니다.
  • 기존 방법으로는 이 3 가지를 연결하기 어려웠지만, NetSyn 은 **"이 3 가지가 항상 같은 마을 (유전체 위치) 에 함께 살고 있다"**는 사실을 찾아냈습니다.
  • 결과적으로 NetSyn 은 서로 다른 유전자들이 모여 '셀룰로오스 분해 공장'을 이룬 것을 찾아냈고, 이를 통해 162 개의 세균에서 이 공장을 발견했습니다.

5. 왜 이것이 중요한가요?

• 오류 수정: 기존에 잘못 붙여진 이름표 (오류가 있는 주석) 를 찾아내서 고칠 수 있습니다.
• 새로운 발견: 아직 실험으로 증명되지 않은 새로운 효소나 대사 경로를 예측할 수 있습니다.
• 진정한 이해: 단순히 "문자열이 비슷하다"는 것을 넘어, **"이유전자는 어떤 생태계 (생물학적 과정) 에서 어떤 역할을 하는가?"**를 이해하는 데 도움을 줍니다.

요약

NetSyn은 **"유전자의 옷차림 (서열) 만 보고 판단하지 말고, 그 유전자가 누구와 함께 살고 있는지 (주변 유전자) 를 보라"**는 철학을 가진 도구입니다.

마치 수사관이 용의자의 얼굴만 보고 범인을 찾는 게 아니라, **"용의자가 평소 누구와 어울리는지, 어떤 곳에 자주 가는지"**를 분석하여 범인의 정체와 목적을 파악하는 것과 같습니다. 이를 통해 과학자들은 미생물이라는 거대한 우주에서 숨겨진 새로운 기능과 연결고리를 찾아낼 수 있게 되었습니다.

기술 요약

NetSyn: 원핵생물 단백질 가족의 게놈 컨텍스트 탐색

1. 문제 제기 (Problem)

• 기능 주석의 부재: 차세대 염기서열 분석 기술의 발전으로 방대한 양의 원핵생물 게놈 데이터가 생성되었으나, 이에 대한 기능적 주석 (functional annotation) 은 여전히 느리게 진행되고 있습니다. PFAM 데이터베이스의 약 23% 의 단백질 가족은 '알려지지 않은 기능 (unknown function)'으로 표기되어 있습니다.
• 기존 방법의 한계:
  • 서열 유사성 기반: 표준적인 기능 예측 방법은 서열 유사성에 의존하지만, 이는 높은 오검출률 (false-positive rate, 일부 가족의 경우 80% 까지) 을 초래할 수 있습니다.
  • 활성 부위 모델링: 활성 부위의 3D 구조를 기반으로 한 방법 (예: ASMC) 은 유용하지만, 특정 분자 모델링 임계값에 의존하며 비동질적인 (non-homologous) 단백질 간의 기능적 연관성을 파악하는 데는 한계가 있습니다.
  • 비동질적 효소 간 상호작용: 동일한 대사 경로에 관여하지만 진화적으로 다른 기원을 가진 비동질적 효소들 (non-homologous enzymes) 은 서열 유사성만으로는 그룹화하기 어렵습니다.

2. 방법론 (Methodology)

**NetSyn (Network Synteny)**은 서열 유사성이 아닌 **보존된 게놈 컨텍스트 (genomic context)**를 기반으로 단백질 가족을 그룹화하는 도구입니다. 원핵생물에서 동일한 대사 경로의 유전자는 종종 오페론 (operon) 또는 PUL(Polysaccharide-Utilization Loci) 형태로 염색체 상에 인접해 존재한다는 가정에 기반합니다.

NetSyn 워크플로우 (4 단계):

1. 게놈 컨텍스트 추출 (Genomic context extraction):
   • 입력된 타겟 단백질 (UniProt accession) 에 해당하는 게놈 파일에서 타겟 유전자와 그 주변 유전자 (기본값: 상/하류 각각 5 개, 총 11 개) 를 추출합니다.
   • NCBI API 를 통해 유기체의 계통 분류 정보 (taxonomy) 를 획득합니다.
2. 단백질 가족 계산 (Protein family computation):
   • 추출된 모든 단백질 (타겟 및 주변 유전자) 을 MMseqs2 를 사용하여 클러스터링합니다.
   • 기본 파라미터: 80% 커버리지에서 30% 이상의 서열 동일성 (identity) 을 가진 단백질들을 동질성 (homology) 가족으로 정의합니다.
3. 동선성 (Synteny) 계산 및 점수화:
   • 두 타겟 단백질의 게놈 컨텍스트를 그래프 이론적 접근법으로 비교합니다.
   • 동선성 점수 (Synteny Score): 보존된 유전자 쌍의 수와 게놈 컨텍스트 내 전체 유전자 수 (간극 유전자 포함) 를 기반으로 계산합니다.
     • 공식: $Synteny Score = (GS/2) \times (GS/GT)$
     • 여기서 $GS$는 동선성 그룹에 포함된 유전자 수,$GT$는 두 컨텍스트의 총 유전자 수입니다.
   • 점수가 임계값 (기본값 3) 이상인 경우 두 단백질이 연결된 것으로 간주합니다.
4. 동선성 네트워크 계산 및 클러스터링:
   • 타겟 단백질을 노드, 보존된 동선성을 에지로 하는 네트워크를 생성합니다.
   • 커뮤니티 탐지 알고리즘 (MCL, Walktrap, Louvain, Infomap) 을 적용하여 유사한 게놈 컨텍스트를 가진 단백질 그룹 (클러스터) 으로 분할합니다.

주요 기능:

• 노드 병합 (Merging nodes): 계통학적 편향 (같은 속/genus 내의 유사한 유전체) 을 줄이기 위해 특정 계통 분류 수준 (예: 속) 을 기준으로 노드를 병합하는 옵션을 제공합니다.
• 출력: GraphML 파일 (Cytoscape, Gephi 호환) 및 상호작용 가능한 HTML 리포트 제공.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 동질적 단백질 가족의 세분화 (BKACE 가족 사례)

• 데이터: $\beta$-케토산 분해 효소 (BKACE, 이전 DUF849) 가족 725 개 시퀀스.
• 결과: 기존 활성 부위 모델링 (ASMC) 으로 정의된 7 개 그룹과 높은 일치도 (Rand index 0.87) 를 보였습니다.
• 새로운 통찰:
  • ASMC 로는 구분되지 않았던 하위 그룹들을 게놈 컨텍스트를 통해 추가로 발견했습니다.
  • 예: ASMC 의 G7 그룹 (비 BKACE 효소로 분류됨) 은 NetSyn 을 통해 4 개의 다른 클러스터로 나뉘었으며, 각각 다른 대사 경로 (퀴논 산화환원효소, 타우린 디옥시게네이스 등) 와 연관되어 있음을 발견했습니다.
  • 이는 NetSyn 이 활성 부위 모델링에 의존하지 않고도 기능적 하위 그룹을 식별할 수 있음을 보여줍니다.

B. 비동질적 단백질 간의 기능적 상호작용 발견 (XyGUL 사례)

• 데이터: 셀비브리오 (Cellvibrio japonicus) 의 자이로글루칸 (xyloglucan) 분해에 관여하는 3 가지 비동질적 글리코시드 가수분해효소 (GH31, GH35, GH95) 와 관련 유전자.
• 결과: 162 개의 서로 다른 게놈 (Proteobacteria 문 내 다양한 강) 에서 3 가지 GH 가 함께 존재하는 166 개의 자이로글루칸 활용 로커스 (XyGUL) 를 식별했습니다.
• 새로운 통찰:
  • 기존에 Gammaproteobacteria 에서만 보고되었던 XyGUL 이 Alphaproteobacteria 와 Betaproteobacteria 에도 존재함을 발견했습니다.
  • 일부 XyGUL 에서 GH95 가 GH29 로 대체되거나, GH74 (자이로글루칸 분해 핵심 효소) 가 포함된 새로운 변이형 로커스를 발견했습니다.
  • 서열 유사성이 없는 3 가지 효소가 동일한 게놈 컨텍스트에 보존되어 있음을 증명하여, NetSyn 이 비동질적 효소 간의 기능적 연결을 파악하는 데 효과적임을 입증했습니다.

4. 의의 및 중요성 (Significance)

1. 기능 예측의 새로운 패러다임: 서열 유사성이나 활성 부위 모델링에 국한되지 않고, 보존된 게놈 컨텍스트를 기반으로 단백질의 기능을 예측함으로써, 특히 기능이 알려지지 않은 단백질 (Orphan enzymes) 의 주석을 개선할 수 있습니다.
2. 비동질적 효소 그룹화: 동일한 대사 경로를 공유하지만 진화적 기원이 다른 효소들을 하나의 네트워크로 묶어, 복잡한 대사 경로 (예: PUL, 오페론) 의 구조를 재구성할 수 있게 합니다.
3. 주석 오류 식별: 데이터베이스에 전파된 잘못된 주석을 식별하고, 기능 예측이 부재한 단백질에 대한 새로운 주석을 제안하는 데 활용 가능합니다.
4. 확장성: 대량의 원핵생물 게놈 데이터를 처리할 수 있으며, 계통학적 편향을 줄이는 기능을 통해 다양한 종 간의 기능적 보존성을 분석할 수 있습니다.

결론적으로, NetSyn 은 원핵생물 단백질 가족의 기능적 다양성을 탐색하고, 새로운 대사 경로를 예측하며, 실험적으로 검증되지 않은 유전체 구조를 규명하는 데 강력한 도구로 자리매김했습니다. 이 도구는 GitHub 에서 무료로 이용 가능합니다.