Generative continuous time model reveals epistatic signatures in protein evolution

기술 요약: 생성적 연속 시간 모델을 통한 단백질 진화의 에피스타시스(Epistatic) 시그니처 규명

문제 제기
단백질 진화는 근본적으로 에피스타시스(epistasis, 상위성)에 의해 형성되며, 이는 돌연변이의 적응도 효과가 서열 맥락(sequence context)에 따라 달라짐을 의미한다. 표준 계통 발생 방법론은 일반적으로 각 부위가 독립적으로 진화한다고 가정하는데, 이는 보편적인 상호작용을 간과하는 단순화이다. Potts 모델과 같은 현대적인 생성 모델은 에피스타시스 효과를 성공적으로 포착하고 기능적 서열을 생성할 수 있지만, 역사적으로 이들은 이산 시간 몬테카를로 샘플링(discrete-time Monte Carlo sampling)에 의존해 왔다. 이러한 이산적 접근 방식은 기대 치환 수(expected substitutions per site)로 측정된 가지 길이(branch length)를 사용하는 표준 진화 생물학 프레임워크와의 통합에 장벽을 만든다. 결과적으로, 전통적인 계통 발생 모델과 직접 비교 가능한 형태로 에피스타시스가 동반된 현실적인 단백질 진화를 시뮬레이션할 수 있는 도구가 부족한 실정이다.

방법론
저자들은 bmDCA 알고리즘을 통해 추출된 필드($h$)와 결합 상수($J$)를 가진 Potts 모델으로 매개변수화된 연속 시간 서열 진화 모델을 도입한다. 핵심 방법론은 다음과 같다:

• 모델 정의: 평형 분포 $P_{eq}(a)$는 bmDCA 알고리즘을 사용하여 다중 서열 정렬로부터 추론된 필드($h$)와 결합($J$)을 가진 Potts 모델에 의해 정의된다. 이 분포는 단일 부위 빈도와 쌍별 상관관계(에피스타시스)를 모두 포착한다.
• 연속 시간 역학: 계통 발생학과의 간극을 메우기 위해, 저자들은 진화를 CTMC(연속 시간 마르코프 연쇄)로 공식화한다. 이들은 궤적을 시뮬레이션하기 위해 겔리피 알고리즘(Gillespie algorithm)을 사용한다. 전이율 행렬 $Q$는 Glauber 역학을 사용하여 $P_{eq}$에 대해 상세 균형(detailed balance)을 만족하도록 구성된다(단, Metropolis나 mutation-selection과 같은 다른 역학도 테스트되었으며 유사한 질적 결과를 보였다).
• 속도 스케일링: 위치당 평균 치환율이 1이 되도록 시간 매개변수 $t$에 스케일링 인자 $\Omega$를 적용한다. 이를 통해 시간 단위가 표준 계통 발생 추론에서 사용되는 가지 길이와 직접 대응되도록 보장한다.
• 비교 프레임워크: 이 모델은 특정 단백질 가족(예: PF00072, 응답 조절 인자)에 적용되며, 두 가지 베이스라인인 프로파일 모델(site-specific frequencies는 유지하지만 독립성을 가정함) 및 표준 치환 모델(예: LG+G4)과 비교된다.

주요 기여 및 결과
본 연구는 에피스타시스가 진화 역학을 어떻게 변화시키는지에 대한 정량적 통찰을 제공한다:

1. 생성 정확도: 연속 시간 Potts 모델 하에서 시뮬레이션된 궤적은 단일 부위 빈도, 쌍별 상관관계, 주성분 투영 측면에서 자연 서열과 통계적으로 구별할 수 없는 서열을 생성한다. 반면, 프로파일 모델과 표준 치환 모델은 장기적인 진화 시간 동안 이러한 고차 통계량을 유지하지 못하며, 종종 높은 통계적 에너지(잠재적 비기능성을 나타냄)를 가진 서열을 생성한다.

2. 에피스타시스는 진화를 늦춘다: 에피스타시스의 존재는 분화 속도를 유의미하게 늦춘다. 위치당 평균 치환율은 Potts 모델과 프로파일 모델 간에 유사하지만, Potts 모델은 조상 서별로부터 특정 해밍 거리(Hamming distance)에 도달하기 위해 더 긴 진화 시간을 필요로 한다. 이는 접근 가능한 돌연변이 집합이 더 제한적이고 역돌연변이(reverse mutation)의 빈도가 높기 때문이다.

3. 맥락 의존적 속도 이질성: 핵심적인 발견은 평균 부위별 진화율 $\langle R_i \rangle$은 에피스타시스 모델과 비에피스타시스 모델 간에 거의 동일하지만, 맥락 의존적 속도 $R_i^C(a_{\setminus i})$는 극적으로 변한다는 것이다.

   • 어떤 위치는 특정 맥락에서 "얼어붙어" (속도가 0에 가까움) 있으나, 다른 맥락에서는 매우 진화하기 쉽다.
   • 다른 위치는 맥락과 무관하게 독립적으로 진화한다.
   • 저자들은 맥락 의전적 속도의 분산을 기반으로 부위를 식별하는 랭킹 방법을 개발했다. 그 결과, 맥락 의존성이 높은 부위들은 구조적으로 클러스터링(예: 결합 인터페이스)되는 경향이 있는 반면, 맥락 독립적인 부위들은 구조적 클러스터링을 보이지 않았다.

4. 진화 거리 추론의 체계적 편향: 에피스타시스 Potts 모델에 의해 생성된 데이터에 대해 표준 부위 독립 모델(예: 프로파일 모델)을 사용하여 진화 거리를 추론할 때, 실제 진화 시간을 과소평가하는 체계적 편향이 발생한다.

   • 이 편향은 균일하지 않다. "느린" 맥락(낮은 에너지, 높은 제약을 받는 서열)에서 시작하는 서열에 대해 편향이 훨씬 더 강력하다.
   • 이 편향은 강하게 맥락 의존적인 부위들에 의해 주로 발생한다. 추론을 맥락 독립적인 부위로 제한하면 이 편향은 대부분 사라진다.
   • 4-택슨 트리 실험에서, 이는 특히 느리게 진화하는 맥락에 뿌리를 둔 트리에서 가지 길이와 트리의 지름을 과소평가하는 결과로 이어진다.

의의
본 논문은 현대적인 단백질 생성 모델과 고전적인 계통 발생학 사이의 간극을 메운다고 주장한다. 에피스타시스 진화를 연속 시간 형식으로 구성함으로써, 저자들은 표준 계통 발생 단위와 호환되는 현실적인 진화 궤적을 시뮬레이션할 수 있는 도구를 제공한다. 이 연구는 에피스타시스를 무시하는 것이 단순히 진화율의 분산에만 영향을 미치는 것이 아니라, 진화 시간 추론에 체계적인 편향을 도입한다는 것을 입증한다. 구체적으로, 표준 방법론은 에피스타시스가 존재할 때 서열이 분화하는 데 필요한 시간을 과소평가하며, 특히 고도로 제약된 서열에서 그러하다. 이는 현재의 계통 발생 재구성이 가지 길이를 체계적으로 압축하고 진화적 방사(evolutionary radiations)의 시기를 왜곡할 수 있음을 시사한다. 저자들은 이 작업을 분자 진화를 위한 더 현실적인 모델로 나아가기 위한 필수적인 단계이자, 계통 발생 추론의 편향을 교정하기 위한 토대로 규정한다.