Evaluating codon optimization strategies for mammalian glycoprotein production with an open-source expression vector

이 연구는 포유류 세포에서 당단백질을 생산할 때 코돈 최적화가 항상 발현량을 높이는 것은 아니며, 오히려 천연 코돈 서열이 견고한 발현에 충분하고 특정 경우에만 선택적인 코돈 편향이 유익할 수 있음을 pTipi 벡터를 통해 규명했습니다.

핵심

🍳 핵심 내용: "요리사 (세포) 가 가장 잘하는 레시피를 쓰자"

1. 배경: 왜 이 연구를 했을까요?

우리가 약이나 백신을 만들 때, 동물 세포 (사람 세포와 비슷한 세포) 를 공장처럼 이용해 단백질을 대량 생산합니다. 이때 과학자들은 **"유전자 (레시피) 를 조금만 고쳐주면 더 많은 단백질을 만들 수 있지 않을까?"**라고 생각하며 '코돈 최적화'라는 작업을 해왔습니다.

• 코돈 (Codon): 아미노산 (음식 재료) 을 만드는 3 글자 암호입니다. 같은 아미노산을 만들더라도 암호는 여러 가지가 있을 수 있습니다.
• 코돈 최적화: "가장 흔하게 쓰이는 암호만 쓰면 세포가 더 빨리 읽어서 단백질을 많이 만들겠지?"라고 생각하며 레시피를 수정하는 것입니다.

하지만, **이게 정말 효과가 있을까?**에 대한 확실한 증거는 없었습니다. 그래서 연구팀은 18 가지 다른 단백질 (Wnt 경로 관련) 을 가지고 실험을 시작했습니다.

2. 실험 도구: 'pTipi'라는 새로운 주방 도구

연구팀은 실험을 위해 pTipi라는 새로운 '플라스미드 (유전자 운반체)'를 만들었습니다.

• 비유: 기존에 쓰던 비싼 주방 도구들은 너무 크고 불필요한 부품이 많았어요. 연구팀은 **가장 필요한 부품만 남기고 작고 깔끔하게 만든 '미니 주방 도구 (pTipi)'**를 개발했습니다.
• 이 도구는 누구나 무료로 쓸 수 있게 공개 (Open-source) 했으며, Addgene이라는 곳에 등록해서 전 세계 연구자들이 쉽게 구할 수 있게 했습니다.

3. 실험 과정: 5 가지 레시피 대결 (베이킹 오프)

연구팀은 같은 단백질 (Wnt 관련) 을 만들기 위해 **5 가지 다른 레시피 (코돈 전략)**를 준비하고 대결시켰습니다.

1. Native (원본 레시피): 사람이 원래 가지고 있는 자연스러운 레시피.
2. Skewed (편향된 레시피): 가장 흔한 암호 (재료) 만 쑥쑥 넣은 레시피. (가장 많이 쓰는 재료만 쓴다고 생각하세요.)
3. Harmonized (조화로운 레시피): 원래 레시피의 비율을 유지하되, 드문 재료만 조금 고른 레시피.
4. LinearDesign (안정성 레시피): RNA 가 잘 부서지지 않도록 구조를 튼튼하게 만든 레시피.
5. Commercial (상용 레시피): 유전자 합성 회사들이 제안한 레시피들.

4. 놀라운 결과: "원래 레시피가 최고였다!"

실험 결과는 상상을 깨뜨렸습니다.

• 📉 RNA 안정성 레시피 (LinearDesign) 는 최악: "RNA 가 튼튼해야 잘 만들어지겠지?"라고 생각했는데, 오히려 단백질 생산량이 가장 적었습니다. 마치 너무 튼튼한 그릇에 재료를 넣어서 요리사가 손이 잘 안 닿는 것처럼, 세포가 단백질을 만들기 힘들어졌다고 볼 수 있습니다.
• 📈 편향된 레시피 (Skewed) 는 가끔 최고: 가장 흔한 암호만 쓴 레시피는 원본 레시피와 비슷하거나, 가끔 더 좋은 결과를 냈습니다. 세포가 익숙한 재료만 쓰니까 더 빠르게 요리할 수 있었던 것 같습니다.
• 🏆 원본 레시피 (Native) 가 가장 안정적: 가장 놀라운 점은 아무것도 고치지 않은 '원본 레시피'가 가장 꾸준하게 좋은 결과를 냈다는 것입니다.

5. 결론: "불필요한 수정은 하지 마세요"

이 연구는 우리에게 중요한 교훈을 줍니다.

"동물 세포에서 단백질을 만들 때, 유전자를 무작정 '최적화'해서 고칠 필요가 없습니다. 원래 자연스러운 상태 (Native) 가 이미 완벽하게 작동합니다."

물론, 특정 단백질은 '편향된 레시피 (Skewed)'가 더 잘 작동하기도 하지만, 대부분의 경우 원래의 유전자를 그대로 쓰는 것이 가장 안전하고 효율적입니다.

💡 요약 및 시사점

• 과거의 생각: "유전자를 고쳐서 더 많이 만들어야지!" (코돈 최적화)
• 이 연구의 결론: "그냥 원래대로 두세요. 고치지 않아도 잘 나옵니다. 오히려 너무 고치면 망할 수도 있어요."
• 실용성: 연구팀은 이 결과를 바탕으로, 누구나 쉽게 유전자를 넣고 뺄 수 있는 **Golden Gate (골든 게이트)**라는 편리한 클로닝 시스템을 pTipi 벡터에 적용했습니다.

한 줄 요약:

"단백질 공장을 가동할 때, 유전자 레시피를 무작정 고칠 필요는 없습니다. 원래의 자연스러운 레시피가 이미 최고의 요리사 (세포) 를 만족시킵니다."

기술 요약

논문 제목: 포유류 당단백질 생산을 위한 코돈 최적화 전략 평가 및 오픈 소스 발현 벡터 개발

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 인간 단백질 (특히 당단백질) 의 효율적인 생산은 치료제 및 도구 개발에 필수적이며, 포유류 세포 (HEK293, CHO 등) 에서의 발현이 표준으로 자리 잡았습니다.
• 문제: 단백질 수율을 높이기 위해 널리 사용되는 '코돈 최적화 (Codon Optimization)'가 동종 (homologous) 포유류 시스템에서 실제로 효과가 있는지에 대한 체계적인 연구는 부재합니다.
  • 기존에는 희귀 코돈 제거, RNA 안정성 향상, GC 함량 조절 등을 통해 발현을 높일 수 있다는 가정이 지배적이었습니다.
  • 특히 Wnt 신호 전달 경로와 같은 세포 신호 전달에 관여하는 단백질들은 과도한 발현에 대한 피드백 조절 기작이 있어, 코돈 최적화가 발현을 저해하거나 도움이 될 수 있다는 가설이 존재했습니다.
• 목표: 다양한 코돈 사용 전략이 포유류 세포 내 당단백질 발현에 미치는 영향을 체계적으로 비교 평가하고, 효율적인 발현을 위한 최적 전략을 규명하는 것.

2. 연구 방법론 (Methodology)

• 새로운 발현 벡터 개발 (pTipi):
  • 포유류 세포의 일시적 (transient) 발현에 필수적인 요소 (CMV 프로모터, 인트론, Kozak 서열, 신호 펩타이드, WPRE, polyA 신호 등) 만 포함하고 불필요한 시스터 (stuffer) 서열을 제거한 최소한의 벡터 pTipi2.1을 설계했습니다.
  • 이 벡터는 Addgene 을 통해 오픈 소스로 공개되었으며, Golden Gate 클로닝이 가능한 pTipi2.2 버전도 개발하여 합성 유전자 삽입을 용이하게 했습니다.
• 실험 대상 단백질:
  • Wnt 신호 전달 경로에 관여하는 9 가지 인간 당단백질과 그 마우스 상동체 (orthologs) 총 18 개 (LRP4, LRP5, LRP6, ROR1, ROR2, SFPR1, SFPR2 등) 를 선정했습니다.
  • 인간과 마우스 서열의 동일성이 93% 이상으로 높아, 코돈 최적화 효과를 비교하기에 이상적인 모델입니다.
• 비교 대상 코돈 전략 (5 가지):
  1. Native (천연): RefSeq 데이터베이스에서 추출한 원래 서열.
  2. Skewed (편향): 각 아미노산에 대해 가장 빈번하게 사용되는 코돈 (가장 풍부한 코돈) 만 사용.
  3. Harmonized (조화): Charming 소프트웨어를 사용하여 천연 서열의 코돈 분포를 유지하면서 희귀 코돈을 재분배 (CAI 지수 유지).
  4. LinearDesign (RNA 안정성): RNA 2 차 구조의 최소 자유 에너지 (MFE) 를 최적화하여 RNA 안정성을 극대화 (LinearDesign 알고리즘 사용).
  5. Commercial (상용): 두 개의 주요 합성 유전자 제공 업체 (Company A, D) 의 독점 알고리즘으로 최적화된 서열.
• 실험 프로세스:
  • 소규모 스크리닝: Expi293F 세포에서 384 웰 플레이트를 이용해 18 개 단백질의 5 가지 전략별 발현량을 ELISA 로 측정.
  • 대규모 생산 및 정제: 소규모 실험 결과를 바탕으로 ROR1, ROR2, LRP6 에 대해 대규모 배양 (100 mL) 후 친화성 크로마토그래피 및 크기 배제 크로마토그래피 (SEC) 를 통해 정제 및 수율 분석.

3. 주요 결과 (Key Results)

• 벡터 성능: 개발된 pTipi2.1 벡터는 다양한 표적 항체 (V5, Anti-His 등) 와 표준 재조합 항체 생산에 성공적으로 적용되었으며, 중간값 160.7 mg/L 의 높은 수율을 보였습니다.
• 코돈 최적화 전략별 발현 비교:
  • Native (천연) 서열: 대부분의 표적에서 가장 일관되고 안정적인 발현을 보였습니다. 코돈 최적화가 반드시 필요하지 않음을 시사합니다.
  • LinearDesign (RNA 안정성 최적화): 가장 낮은 발현 수율을 보였습니다. RNA 안정성을 극대화하려는 시도가 오히려 번역 효율을 저해하거나 발현을 감소시킨 것으로 판단됩니다.
  • Skewed (편향) 전략: 가장 풍부한 코돈만 사용했음에도 Native 서열과 유사하거나 일부 경우 (ROR1 등) 더 높은 수율을 보였습니다. 이는 tRNA 재사용 효율이 높거나 tRNA 고갈이 문제가 되지 않음을 의미합니다.
  • Harmonized 및 상용 전략: Native 서열과 유사한 수준의 발현을 보였으나, 일관된 우월성은 확인되지 않았습니다.
• 대규모 정제 결과: SEC 분석 결과, Native, Skewed, Harmonized 전략으로 생산된 단백질은 고순도 및 단분산성 (monodisperse) 을 보였으나, LinearDesign 전략은 LRP6 의 경우 미량만 검출되는 등 수율이 현저히 낮았습니다.

4. 주요 기여 (Key Contributions)

1. 체계적 비교 연구: 포유류 동종 시스템에서 다양한 코돈 최적화 전략 (희귀 코돈, RNA 안정성, 코돈 편향 등) 을 대규모로 비교한 최초의 체계적인 연구 중 하나입니다.
2. 오픈 소스 도구 제공:
   • pTipi 벡터: 상업적 사용이 제한되지 않는 오픈 소스 발현 벡터를 Addgene 을 통해 공개했습니다.
   • Golden Gate 호환성: 합성 유전자를 효율적으로 삽입할 수 있는 Golden Gate 클로닝 시스템 (pTipi2.2) 을 구축하여 연구자들의 유연한 실험을 지원했습니다.
3. 실용적 가이드라인 제시: "Native 코돈이 포유류 당단백질 발현에 충분하며, 오히려 RNA 안정성 최적화는 발현을 저해할 수 있다"는 결론을 도출하여 산업계 및 학계의 코돈 설계 전략에 대한 통찰을 제공했습니다.

5. 의의 및 결론 (Significance)

• 패러다임 전환: 기존의 "코돈 최적화 = 발현 증가"라는 통념을 포유류 동종 시스템에서는 재검토해야 함을 시사합니다. 특히 인간 단백질을 인간 세포에서 발현할 때는 천연 코돈 서열이 가장 안전하고 효율적인 전략일 수 있습니다.
• 비용 및 시간 절감: 불필요한 코돈 최적화 과정과 합성 비용, 그리고 실패 확률을 줄일 수 있는 근거를 마련했습니다.
• 선택적 활용: 모든 경우에 적용되는 만능 해결책은 아니지만, 특정 표적 (예: ROR1) 의 경우 'Skewed' 전략이 유망할 수 있으므로, 표적 단백질에 따라 전략을 유연하게 선택하고 검증하는 접근법이 필요함을 강조했습니다.

이 연구는 고처리량 (High-throughput) 포유류 단백질 생산을 위한 표준 프로토콜을 정립하고, 연구자들이 합성 유전자 설계 시 더 현명한 결정을 내릴 수 있도록 돕는 중요한 자료가 됩니다.