Identification and classification of all Cytochrome P450 deposits in the Protein Data Bank

이 논문은 시스토크롬 P450 의 극심한 서열 다양성과 불일치된 주석으로 인해 PDB 내 모든 P450 구조를 식별하고 분류하는 데 어려움이 있었던 문제를 해결하기 위해, 키워드 검색과 은닉 마르코프 모델, 구조 정렬을 결합한 워크플로우를 개발하여 1,513 개의 PDB 등재물 (674 개 고유 서열) 을 식별하고 5 개의 새로운 아과를 발견하며 표준화된 명명법을 적용한 최초의 엄격하게 큐레이션된 P450 레지스트리를 구축했다고 요약할 수 있습니다.

핵심

이 논문은 '세포 속의 작은 공장들'인 사이토크롬 P450 효소들이 단백질 데이터베이스 (PDB) 에 어떻게 저장되어 있는지, 그리고 그 정보를 정리하는 데 어떤 어려움이 있었는지를 다룬 연구입니다.

너무 어렵게 느껴질 수 있는 이 내용을, 거대한 도서관과 낡은 책 목록에 비유해서 쉽게 설명해 드릴게요.

1. 문제: 도서관의 혼란스러운 책장

상상해 보세요. 전 세계의 과학자들이 발견한 '효소'라는 책들이 거대한 도서관 (PDB) 에 쌓여 있습니다. 이 중 'P450'이라는 특별한 종류의 책들이 있는데, 이 책들은 생명공학, 약학, 환경 연구에 아주 중요합니다.

하지만 도서관 사서들이 책을 정리할 때 큰 문제가 있었습니다.

• 표준 이름 대신 별명 사용: 책의 정확한 이름 (예: CYP3A4) 대신 "이건 camphor(캠퍼) 를 분해하는 거야"나 "BM3 라는 거야" 같은 별명으로 적어놓은 경우가 많았습니다.
• 일관성 부족: 같은 책이라도 한 사람은 'P450-CAM'이라고 쓰고, 다른 사람은 'P450(cam)'이라고 썼습니다. 심지어 같은 별명이 서로 다른 책을 가리키기도 했습니다.
• 찾기 어려움: "P450"이라고 검색해도 모든 책을 찾을 수 없었고, 잘못된 정보가 섞여 있어 과학자들이 원하는 책을 찾기 정말 힘들었습니다.

마치 도서관에서 "요리책"을 찾으려는데, 어떤 책은 '요리', 어떤 책은 '요리법', 어떤 책은 '요리사'라고 적혀 있고, 심지어 같은 요리책이 여러 제목으로 여러 곳에 흩어져 있는 상황과 비슷합니다.

2. 해결책: 새로운 검색 로봇과 분류 시스템

연구팀은 이 혼란을 해결하기 위해 3 단계로 이루어진 정교한 검색 시스템을 만들었습니다.

1. 키워드 검색 (첫 번째 수색): "P450"이나 "CYP"라는 단어가 포함된 책들을 먼저 찾아냈습니다.
2. 구조 비교 (두 번째 수색): 하지만 이름만으로는 놓치는 책들이 많았습니다. 그래서 연구팀은 **P450 효소들의 '모양'**을 기준으로 검색했습니다. P450 효소들은 이름은 달라도 모양 (구조) 은 매우 비슷합니다. 마치 서로 다른 옷을 입었지만 얼굴 생김새가 똑같은 쌍둥이를 찾는 것처럼, 모양이 비슷한 책들을 찾아낸 것입니다.
3. 자동 분류기 (P450atlas): 찾은 책들을 자동으로 분류하는 로봇 (서버) 을 이용해 정확한 이름 (CYPid) 을 붙여주었습니다.

3. 주요 발견: 놀라운 사실들

이 작업을 통해 연구팀은 놀라운 결과들을 얻었습니다.

• 총 1,513 개의 책 발견: 기존에는 제대로 정리되지 않아 놓친 책들이 많았는데, 총 1,513 개의 P450 구조를 찾아냈습니다. (이중 674 개는 고유한 종류였습니다.)
• 모양은 비슷하지만 이름은 천차만별: P450 효소들은 DNA(명세서) 가 20% 만 비슷해도, 모양은 80% 이상 비슷하게 유지된다는 것을 확인했습니다. 마치 가족 구성원들이 얼굴은 비슷하지만 옷차림 (이름) 은 완전히 다를 수 있는 것과 같습니다.
• 새로운 가족 발견: 기존에 없던 새로운 P450 '가문' (서브패밀리) 5 가지를 새로 발견하고 이름을 지어주었습니다.
• 잘못된 정보 수정: 도서관에 잘못 분류된 책들 (예: CYP107B1 로 적혀있었는데 실제로는 CYP113D2 였던 경우) 을 찾아내어 올바른 이름으로 고쳤습니다.

4. 결론: 정리된 도서관과 미래

이 연구의 가장 큰 성과는 P450 효소들의 '정확한 주소록'을 처음 만들어 공개했다는 점입니다.

• 자동 업데이트 시스템: 이제 새로운 P450 구조가 도서관에 들어오면, 이 시스템이 자동으로 찾아서 정확한 이름을 붙여줍니다.
• 과학자들의 편의: 이제 연구자들은 "P450"이라고 검색하면 모든 관련 자료를 쉽게 찾을 수 있게 되었고, 잘못된 정보 때문에 실험을 망치는 일을 줄일 수 있게 되었습니다.

한 줄 요약:

"이 연구는 이름도 제각각이고 정리도 안 되어 있던 'P450 효소'들의 거대한 도서관을, 모양을 보고 찾아내어 정확한 이름표를 붙여 정리한 것입니다. 이제부터는 과학자들이 이 효소들을 훨씬 쉽고 정확하게 찾아다닐 수 있게 되었습니다."

기술 요약

제공된 논문 "Identification and classification of all Cytochrome P450 deposits in the Protein Data Bank"에 대한 상세 기술 요약은 다음과 같습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 세포색소 P450 (CYPs) 의 중요성: CYPs 는 생명공학, 약리학, 환경과학 분야에서 핵심적인 역할을 하는 매우 다양한 효소 슈퍼패밀리입니다.
• 구조 데이터베이스의 한계: PDB(Protein Data Bank) 에는 수많은 P450 구조가 저장되어 있지만, 시퀀스 다양성이 극심하고 주석 달기 (annotation) 관행이 일관되지 않아 관련 엔트리를 식별하고 비교하는 것이 매우 어렵습니다.
• 명명법의 혼란: 많은 데이터베이스 엔트리가 표준화된 명명법 (CYPid, 예: CYP101A1) 을 따르지 않고, 저자가 정의한 일반명 (Common names, 예: P450cam, P450BM-3) 이나 구식 명칭에 의존합니다. 이러한 이름은 포맷이 불일치하고 (대소문자, 하이픈, 괄호 등), 동일한 이름이 서로 다른 효소를 지칭하거나 하나의 효소가 여러 이름으로 불리는 모호성을 내포합니다.
• 검색의 비효율성: 이러한 불일치는 자동화된 검색 (키워드 기반) 을 방해하여 위양성 (false positives) 을 발생시키거나 실제 P450 구조를 놓치게 만듭니다. 또한, 시퀀스 기반 방법 (BLAST 등) 은 P450 슈퍼패밀리 내의 극심한 시퀀스 차이로 인해 충분하지 않습니다.

2. 연구 방법론 (Methodology)

저자들은 구조 기반의 발견 및 검증 워크플로우를 개발하여 PDB 내 모든 P450 deposits 를 식별하고 표준화했습니다.

• 데이터 수집 및 전처리: 2024 년 7 월 28 일 기준 RCSB PDB 의 모든 mmCIF 파일을 수집하여 폴리머 엔티티를 추출하고, 각 deposit 당 가장 긴 (완전한) 사슬 (chain) 을 선택했습니다.
• 2 단계 식별 프로세스:
  1. 키워드 및 HMM 기반 검색: "CYP" 또는 "P450" 키워드와 헴 (heme) 존재 여부를 기반으로 초기 검색을 수행하고, 식별된 시퀀스를 P450atlas 서버에 제출하여 초기 CYPid 를 할당받았습니다. (1,358 개 deposit 식별)
  2. 구조적 유사성 기반 검색: 시퀀스 기반 검색으로 놓친 경우를 보완하기 위해, PDB 내 모든 사슬을 대표 P450 템플릿 (3EL3, 7WEX, 7TLO) 과 구조 정렬 (TM-align) 하여 유사성을 평가했습니다. 길이 (200 aa 이상) 와 헬릭스 수 (5 개 이상) 필터를 적용하여 계산량을 줄였으며, TM-score 가 높은 후보들을 추가로 식별했습니다. (92 개 추가 deposit 식별)
• 자동화 파이프라인: 새로운 PDB 엔트리를 분기별로 스캔하여 P450 구조를 자동으로 업데이트하는 파이프라인을 구축했습니다.
• 수동 검증 및 분류: 자동 할당된 결과를 P450atlas 서버와 수동 검토를 통해 최종 확인하고, 필요시 새로운 아과 (subfamily) 를 정의했습니다.

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

• 데이터셋 규모: 총 1,513 개의 P450 구조 deposit 을 식별하였으며, 이는 674 개의 고유 시퀀스에 해당합니다. (2026 년 1 월 1 일 기준)
• 표준화 및 재주석: 모든 deposit 에 대해 정확한 CYPid (가족 및 아과) 를 할당하고, 기존에 일반명이나 부정확한 명칭으로만 표기되었던 데이터를 표준화했습니다.
• 새로운 아과 발견: 분석 과정에서 5 개의 새로운 CYP 아과 (CYP165F, CYP152AX, CYP255D, CYP1251G, CYP107PW) 를 발견하고 정의했습니다.
• 구조적 보존성 확인: P450 슈퍼패밀리 내 시퀀스 동일성 (pairwise identity) 은 20% 미만으로 매우 낮을 수 있지만, 구조적 유사성 (TM-score) 은 0.7 이상으로 매우 높게 유지됨을 확인했습니다. 이는 시퀀스가 크게 변형되어도 3 차 구조가 강력하게 보존됨을 의미합니다.
• 주석 오류 분석:
  • deposit 작성자가 제공한 가족/아과 정보 중 약 60% (905/1513) 는 정확했으나, 287 개는 아과 정보가 누락되었고, 284 개는 가족 정보조차 누락된 채 일반명만 존재했습니다.
  • 일부 deposit 은 잘못된 가족 분류를 하거나 (예: 5XW2, 4E2P 를 CYP113D2 로 수정), 아예 P450 임을 명시하지 않은 경우도 있었습니다.
• 일반명 분석: P450 BM3 (CYP102A1), P450 CAM (CYP101A1), P450-PCN1 (CYP3A4) 등이 가장 빈번하게 사용되는 일반명이었으며, 이들만으로도 전체 deposit 의 상당 부분을 차지했습니다.
• 대체 헴 변이체 식별: 표준 헴 B (HEM) 외에도 HEC, MI9 (옥소몰리브덴 메소포르피린), PP9 등 다양한 코팩터를 가진 변이체들이 발견되었으며, 이들의 화학적 특성과 PDB 내 코딩 오류 (예: 헴 B 가 HEC 로 잘못 표기된 경우) 를 정리했습니다.

4. 의의 및 결론 (Significance)

• 최초의 엄격한 큐레이션 레지스트리: 이 연구는 구조적으로 검증된 P450 효소의 첫 번째 엄격하게 큐레이션된 레지스트리를 제공하며, 이는 공개적으로 접근 가능한 리소스 (P450atlas.org) 로 통합되었습니다.
• 연구의 신뢰성 향상: 표준화된 CYPid 명명법을 적용함으로써 P450 구조의 정확한 검색, 교차 참조 및 대규모 분석을 가능하게 하여, 향후 약물 개발, 효소 공학, 대사 경로 연구 등의 신뢰성을 높였습니다.
• 자동화 및 지속 가능성: 정기적으로 업데이트되는 자동화 파이프라인을 통해 새로운 PDB 엔트리가 등록될 때마다 실시간으로 분류 및 검증이 이루어지도록 하여, 데이터베이스의 최신 상태를 유지합니다.
• P450atlas 서버 고도화: PDB 에 저장된 모든 P450 시퀀스를 P450atlas 데이터베이스에 통합함으로써, 향후 시퀀스 분류의 정확성을 더욱 향상시켰습니다.

요약하자면, 이 논문은 PDB 내 P450 구조 데이터의 혼란을 해결하기 위해 구조 기반 검색과 자동 분류 도구를 결합한 체계적인 워크플로우를 제시하고, 이를 통해 방대한 양의 데이터를 표준화하여 생명과학 연구자들에게 필수적인 인프라를 제공했다는 점에서 큰 의의가 있습니다.