🧬 genetics

Population genetics of active transposable elements: overdispersion arises naturally from transposition-deletion-selection balance

이 논문은 활성 전이 인자의 복제수에서 나타나는 과분산이 전이로 유도된 양의 연관 불평형으로부터 자연스럽게 발생한다는 것을 보여주는 이배체 확률 모델을 개발하며, 이는 *Drosophila melanogaster*의 경험적 데이터와 일치하고 고전적인 포아송 기반 예측에 도전하는 메커니즘이다.

원저자: Omole, A. D., Czuppon, P.

게시일 2026-08-31

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Omole, A. D., Czuppon, P.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

가장 작은 효모부터 가장 큰 고래에 이르기까지, 거의 모든 생명체의 세포 내부에는 정적인 지침이라기보다 끊임없이 움직이는 여행자처럼 행동하는 DNA 구간들이 존재합니다. 이것들은 흔히 '점핑 유전자(jumping genes)'라고 불리는 전이 인자(transposable elements)입니다. 이들은 자신을 복제하여 그 새로운 복사본을 게놈 내의 다른 위치로 삽입하는 독특한 능력을 갖추고 있습니다. 이러한 지속적인 이동은 생물학적 줄다리기를 만들어냅니다. 한쪽에서는 유전자가 가능한 한 많이 증식하고 퍼지려고 노력하며 이기적으로 행동합니다. 다른 한쪽에서는 숙주 생물이 이에 맞서 싸우는데, 왜냐하면 너무 많은 삽입은 필수적인 유전자를 방해하고 해를 끼칠 수 있기 때문입니다. 생존을 위해 숙주는 자연 선택을 사용하여 너무 많은 복사본을 가진 개체를 제거하는 반면, 유전자는 계속해서 복제하려고 시도합니다. 수십 년 동안 과학자들은 이 전투가 어떻게 안정적인 균형을 이루는지, 구체적으로는 이 유전자들의 복사본 수가 인구 집단 내에서 어떻게 존재하며 개체마다 어떻게 달라지는지를 이해하기 위해 노력해 왔습니다.

유전학의 오랜 이론은 이 복사본 수가 마치 지붕 위로 떨어지는 빗방울처럼 매우 예측 가능한 패턴을 따를 것이라고 가정했습니다. 즉, 평균적인 빗방울의 수는 곳곳에서 보이는 변동량과 일치할 것이라는 가정이었습니다. 그러나 연구자들이 초파리의 실제 데이터를 조사했을 때, 그들은 다른 결과를 발견했습니다. 변동성이 평균보다 훨씬 높았는데, 이는 어떤 파리들은 복사본이 매우 적은 반면 어떤 파리들은 놀라울 정도로 많은 수를 가지고 있어 '과분산(overdispersed)'된 분포를 형성했음을 의미합니다. 이 오래된 이론과 실제 관찰 사이의 불일치는 우리 이해에 공백을 남겼습니다. 뮌스터 대학교와 엑스 마르세유 대학교의 아데칸미 다니엘 오몰레(Adekanmi Daniel Omole)와 피터 추폰(Peter Czuppon)의 새로운 연구는 이제 그 공백을 채웠으며, 이 거친 변동이 실수가 아니라 혼돈의 징후가 아니라, 이 유전자들이 이동하고 번식하는 방식의 자연스럽고 필연적인 결과임을 보여주었습니다.

연구진은 초파리 집단의 생애 주기를 시뮬레이션하기 위해 상세한 컴퓨터 모델을 구축하여 수천 세대에 걸친 점핑 유전자의 운명을 추적했습니다. 그들은 유전 물질이 부모와 자식 사이에서 철저하게 뒤섞여 이론적으로는 어떤 불규칙성도 매끄럽게 만들 수 있는, 유전자가 자유롭게 재조합되는 특정 시나리오에 집중했습니다. 그들의 모델에는 세 가지 주요 힘인 유전자의 자기 복제(전이), 유전자의 제거(절제), 그리고 유전자에 대항하는 숙주의 면역 체계(선택)가 포함되었습니다. 이 시뮬레이션을 실행함으로써, 그들은 복제 행위 자체가 유전자들 사이에 숨겨진 연결 고리를 만든다는 것을 발견했습니다. 유전자가 점프할 때, 그것은 이미 몇 개의 복사본을 가진 게놈에 착륙하는 경향이 있어 서로 다른 삽입 부위 사이에 양의 상관관계를 만듭니다. 유전자가 번식하는 동안 유전자를 섞는 과정이 이러한 연결을 깨뜨리려 노력하지만, 이를 완전히 지울 수는 없습니다. 이 남아있는 연결 고리가 과분산을 일으키는 엔진 역할을 하며, 복사본의 수를 이전에 생각했던 것보다 더 격렬하게 요동치게 만듭니다.

가장 놀라운 발견 중 하나는 이 변동의 양이 인구 집단의 스냅샷을 언제 찍느냐에 전적으로 달려 있다는 점입니다. 연구진은 부모가 DNA를 섞은 직후, 즉 새로운 세대가 복제나 삭제를 할 기회를 갖기 전의 시점에 유전자를 센다면 변동이 중간 정도임을 발견했습니다. 그러나 새로운 세대가 복제와 삭제를 모두 마친 후에 기다린다면, 변동은 훨씬 더 강력해집니다. 유전자가 스스로를 복제하는 속도가 빠를수록 이 효과는 더욱 극단적이 됩니다. 이는 종종 생애 주기의 잘못된 순간을 살펴보거나 완벽하게 매끄러운 분포를 가정했던 이전 이론들이 왜 자연의 무질서한 현실과 일치하지 않았는지를 설명해 줍니다. 또한 연구는 인구 집단이 안정적으로 유지되고 이 유전자들에 의해 압도당하지 않으려면, 유전자가 스스로를 복제하는 속도가 임계값 미만으로 유지되어야 함을 밝혔습니다. 구체적으로, 각 복사본은 세대당 살아남는 새로운 복사본을 0.5개 미만으로 생성해야 합니다. 만약 이들이 더 빠르게 복제한다면 시스템은 불안정해지고, 숙주 인구는 유전적 부하의 무게 아래 붕ert될 가능성이 큽니다.

그들의 아이디어를 테스트하기 위해 연구팀은 모델의 예측치를 잠비아의 대규모 초파리 집단에서 얻은 실제 데이터와 비교했습니다. 그들은 유전자가 가장 빈번하게 섞이는 게놈 부위의 유전자들을 조사했습니다. 결과는 강력한 일치를 보였습니다. 대부분의 활성 유전자 가족은 예측된 과분산을 나타냈으며, 일부 가족은 다른 가족보다 훨씬 더 가변적이었습니다. 데이터는 또한 모델이 예측한 특정한 분포의 형태를 보여주었습니다. 즉, 소수의 개체가 매우 많은 수의 복사본을 보유하고 대부분은 적은 수를 보유하는 우측 편향(rightward skew)을 보였으며, 극단적인 예외 사례가 단순한 평균보다 더 흔하다는 것을 나타내는 '두꺼운 꼬리(heavy tail)'를 나타냈습니다. 흥ًا, 몇몇 유전자 가족은 이 패턴을 보이지 않았습니다. 즉, 그들은 과소분산(underdispersed)되었으며, 이는 복사본 수가 예상보다 더 균일함을 의미합니다. 연구진은 이 특정 가족들이 비활성 상태이거나 매우 느리게 움직이고 있기 때문이라고 제안하며, 이로 인해 숙주의 정화 기제들이 혼란스러운 빠른 복제의 영향 없이 그들을 통제할 수 있다고 설명합니다.

이 연구는 유전학자들을 수년간 당혹스럽게 했던 현상에 대해 명확하고 기계적인 설명을 제공합니다. 이는 점핑 유전자의 수치가 요동치는 것이 망가진 시스템의 징후가 아니라, 유전자 자체의 행동에서 비롯된 자연스러운 결과임을 보여줍니다. 이 연구는 이 유전자들이 활성화되어 있고 스스로를 복제하는 한, 단순한 평균을 거부하는 특정한 변동 패턴을 만들어낼 것임을 확인해 줍니다. 이 변동이 발생하는 정확한 타이밍과 이 유전자들이 확산될 수 있는 한계를 이해함으로써, 과학자들은 게놈이 어떻게 진화하고 안정성을 유지하는지 예측할 수 있는 더 정확한 틀을 갖게 되었습니다. 이 발견은 생명의 다양성이 부분적으로 이러한 내부적 전투에 의해 형성되며, 유전자가 생존하려고 노력하는 바로 그 행위가 그 어떤 두 개체도 결코 똑같지 않도록 보장한다는 것을 시사합니다.

기술 요약: 활성 전이 인자의 인구 유전학: 전이-결실-선택의 균형으로부터 과분산이 자연스럽게 발생함

문제 제항
Charlesworth와 Charlesworth (1983)에 의해 정식화된 전이 인자(TE)에 대한 고전적 인구 유전학 모델은 자유 재조합 조건 하에서 TE 복제수가 포아송 분포를 따른다고 가정한다. 이 가정은 복제수의 분산이 평균과 같음을 의미하는 "등분산성(equidispersion)"을 내포한다. 그러나 경험적 데이터는 활성 TE 가계가 종종 "과분산(overdispersion)"(분산이 평균보다 큰 상태)을 보이며, 이는 흔히 오른쪽으로 치우친 왜도(right-skewness)와 두꺼운 꼬리(과잉 첨도)를 동반한다는 점을 일관되게 보여준다. 이러한 불일치를 설명하려는 이전의 시도들은 연속적인 TE 유입 가정을 활용했으나(이는 수평적 전이의 희귀성과 모순됨), 혹은 포아송 평균에 보정된 분산을 사용하는 식의 근사치들을 혼용함으로써 통일된 확률론적 프레임워크로부터 평균과 분산을 도출하는 데 실패했다. 따라서 자유 재조합 하에서 평균과 분산을 포함한 전체 분포의 형태를 고려할 수 있는 제1원리 기반의 TE 복제수 역학 도출이 필요하다.

방법론
저자들은 자유 재조합을 포함하는 이부적(biparental) 모란 과정(Moran process)에 기반한 이배체 확률 모델을 개발한다. 이 모델은 세 가지 핵심 진화력을 통합한다:

전이(Transposition): 새로운 복제본이 비율 $u$ 로 삽입된다.
절제/결실(Excision/Deletion): 복제본이 비율 $v$ 로 제거된다.
정화 선택(Purifying Selection): 총 TE 복제수 $n$ 에 따라 개체에 작용하며, 여기서는 가우시안 함수 $w(n) = \exp(-sn^2)$ 로 모델링된 적합도 함수 $w(n)$ 을 통해 구현된다.

본 연구는 생애 주기의 두 가지 뚜렷한 단계에서 TE 복제수의 평균( $\mu$ )과 분산( $\sigma^2$ )의 역학을 분석한다:

전이/절제 전(Pre-transposition/excision): 재조합 직후, 현재 세대의 새로운 삽입이나 결실이 일어나기 전 단계.
전이/절제 후(Post-transposition/excision): 삽입이나 결실을 포함한 완전한 출생 사건 이후의 단계.

고차 모멘트(왜도 $\gamma$ 및 과잉 첨도 $\kappa$ )에 의존하는 결과적인 모멘트 방정식 시스템을 해결하기 위해, 저자들은 두 가지 폐쇄 근사(closure approximations)를 사용한다:

근사 모멘트 폐쇄(Approximate Moment Closure): 왜도와 과잉 첨도를 무시하여 분포가 근사적으로 정규 분포를 따른다고 가정한다.
매개변수적 모멘트 폐쇄(Parametric Moment Closure): 분포가 음이항 분포(Negative Binomial distribution)를 따른다고 가정하여, 왜도와 첨도를 평균과 분산의 함수로 표현할 수 있게 한다. 이 접근법은 분포의 형태에 대한 정보를 유지한다.

이론적 예측은 확률론적 시뮬레이션과 DPGP3 잠비아 Drosophila melanogaster 데이터셋(고재조합 유전체 영역 중심)을 통해 검증되었으며, 질적으로 비교되었다.

주요 결과

과분산의 자연적 출현: 본 연구는 자유 재조합 하에서도 전이-결실-선택의 균형으로부터 과분산이 자연스럽게 발생함을 입증한다. 전이 과정은 삽입 부위 간의 양의 연관 불평형(linkage disequilibrium, LD)을 생성한다. 자유 재조합이 이 LD를 약화시키기는 하지만 완전히 제거하지는 못하며, 이로 인해 분산이 평균을 초과하게 된다.
생애 주기 단계 의존성: 과분산의 정도는 생애 주기 단계에 따라 달라진다.
- 전이/절제 후: 활성 TE는 과분산될 것으로 예측된다 ( $\rho > 1$ ). 활성 TE의 경우, 이 단계에서 저분산(underdispersion) 또는 포아송 유사 분포가 지속되는 것은 어렵다. 이는 전이와 선택 사이의 매우 섬세하고 불안정한 균형을 필요로 하며, 이는 대개 TE의 소실로 이어지기 때문이다.
- 전이/절제 전: 적합도 함수의 곡률에 따라 과분산, 등분산, 저분산이 모두 이론적으로 가능하다.
정량적 예측:
- 분산 비율( $\rho = \sigma^2/\mu$ )은 전이율 $u$ 가 증가함에 따라 증가한다.
- 가우시안 적합도를 가진 전이/절제 후 단계의 경우, 분산 비율은 대략 $\hat{\rho} \approx 1 + 3u$ 이다 (작은 $u, v, s$ 에 대하여).
- 전이/절제 전 단계의 경우, 비율은 대략 $\hat{\rho} \approx 1 + u$ 이며, 이는 올바른 생애 주기에 적용했을 때 Roze (2023)의 예측과 일치한다.
안정성 제약: 양의 평형 복제수를 유지하고 과분산을 지속하기 위해서는 순 전이율( $u-v$ )이 복제당 세대당 약 0.5 삽입 미만이어야 한다. 이 임계값을 초과하는 비율은 무한한 분산과 시스템의 불안정성을 초래한다.
고차 모멘트: 모델은 TE 복제수 분포가 오른쪽으로 치우쳐 있으며 양의 과잉 첨도를 가질 것이라고 예측한다. 이러한 고차 모멘트의 크기는 전이율에는 반비례하고 선택 강도에는 비례한다. 즉, 강한 선택은 게놈을 낮은 복제수로 집중시키는 동시에 드문 고복제수 이상치(outliers)를 허용하여 왜도와 첨도를 높인다.
경험적 검증: D. melanogaster 데이터셋 분석 결과, 고재조합 유전체 영역에서 대부분의 활성 TE 가계가 과분산되어 있음이 확인되었다. 높은 전이 활성을 보이는 가계(예: ROO)가 가장 높은 분산 비율을 보였다. 반대로, 비활성 또는 약한 활성을 보이는 것으로 알려진 가계(예: BS, S)는 저분산을 보였으며, 이는 저분산이 활성 TE의 역학이 아닌 비활성 TE의 특징이라는 모델의 예측을 뒷받침한다.

의의
본 논문은 고전적 TE 인구 유전학 이론과 경험적 관찰 사이의 근본적인 불일치를 다룬다. 포아송 가정에 의존하지 않고 통합된 확률 모델로부터 평균과 분산 역학을 도출함으로써, 저자들은 관찰된 과분산, 우측 왜도, 두꺼운 꼬리 분포에 대한 기계적 설명을 제공한다.

본 연구는 과분산이 집단 구조나 수평적 전이의 산물이 아니라, 전이 과정 중에 발생하는 양의 연관 불평형에 의해 구동되는 활성 TE 역학의 내재적 속성임을 명확히 한다. 또한, 분산 비율이 생애 주기에 따라 달라진다는 점을 보여줌으로써 기존의 이론적 틀(예: Roze, 2023)을 정교화한다. 이러한 결과는 고재조합 유전체 영역에서 TE 복제수 변이를 해석하기 위한 견고한 이론적 프레임워크를 제공하며, 게놈 안정성을 유지하기 위해서는 전이율이 특정 임계값 미만으로 유지되어야 함을 확립한다.

유사한 논문