Multi-objective Engineering of Trimethylamine Monooxygenase for Improved Thermostability and Cofactor Use

본 연구는 해양 부산물 유래 단백질 가수분해물에서 발생하는 악취 물질인 트리메틸아민을 제거하기 위해, 열안정성과 NADH 호환성이라는 상충되는 두 가지 목표를 동시에 달성하기 위해 trimethylamine monooxygenase (mFMO_20) 를 다목적 공학 전략으로 개량하여 열처리 후 NADPH 활성을 크게 향상시켰으나 NADH 활성의 완전한 회복에는 한계가 있음을 규명했습니다.

핵심

🐟 1. 문제 상황: 비린내 나는 생선과 까다로운 요리사

• 배경: 생선 부산물 (비린내 나는 생선) 을 처리해서 맛있는 식품으로 만들려고 합니다. 하지만 생선 특유의 심한 비린내 (TMA) 가 문제입니다.
• 해결책 (요리사): 이 비린내를 없애주는 **'효소 (mFMO)'**라는 특별한 요리사가 있습니다. 이 요리사는 비린내를 없애주지만, 두 가지 치명적인 단점이 있습니다.
  1. 약한 체력: 뜨거운 주방 (고온) 에서 일하면 금방 지쳐서 일을 멈춥니다. (열에 약함)
  2. 비싼 재료: 일을 하기 위해 NADPH라는 아주 비싸고 변질되기 쉬운 '특수 연료'만 써야 합니다. (NADH 라는 더 싸고 튼튼한 연료는 못 씀)

목표: 이 요리사를 더 튼튼하게 (열에 강하게) 만들고, **더 싼 연료 (NADH)**도 쓸 수 있게 개조하는 것입니다.

---

🔍 2. 첫 번째 시도: 요리사의 몸만 튼튼하게? (PROSS)

연구자들은 먼저 이 요리사를 더 튼튼하게 만드는 방법을 찾았습니다. 컴퓨터로 설계해서 **'mFMO_20'**이라는 튼튼한 변종 요리사를 만들었습니다.

• 결과: 이 요리사는 뜨거운 주방에서도 잘 버텼습니다! (열 안정성 UP)
• 하지만: 비싼 연료 (NADPH) 는 여전히 써야 했고, 아예 싼 연료 (NADH) 는 못 쓰게 되었습니다.
• 왜? 요리사의 몸이 너무 딱딱하게 굳어버려서, 싼 연료가 들어갈 자리가 비틀어졌기 때문입니다. 마치 문이 너무 단단하게 잠겨서 원래 열쇠 (비싼 연료) 는 들어가고, 다른 열쇠 (싼 연료) 는 들어가지 않는 상황입니다.

---

🧩 3. 두 번째 시도: 문 (활성 부위) 만 고쳐보자

연구자들은 "아마도 연료가 들어가는 문 (결합 부위) 을 고치면 싼 연료도 쓸 수 있겠지?"라고 생각했습니다.

• 시도: 컴퓨터 시뮬레이션을 통해 문 주변을 고쳐서 싼 연료 (NADH) 가 잘 들어오게 만들려고 노력했습니다.
• 결과: 싼 연료를 쓸 수는 있게 되었지만, 요리사 전체의 체력이 급격히 떨어졌습니다. 뜨거운 주방에서 금방 쓰러져 버린 것입니다.
• 교훈: 무작정 문만 고치니, 요리사 전체의 균형이 깨졌습니다.

---

🚀 4. 세 번째 시도: AI 와 진화론을 합친 '마법' (다목적 최적화)

연구자들은 이제 세 가지 도구를 섞어서 다시 도전했습니다.

1. 물리학적 계산: 분자 구조가 얼마나 튼튼한지 계산.
2. 진화론적 데이터: 수백만 년 동안 살아남은 자연의 단백질 패턴을 분석.
3. AI 언어 모델: 단백질의 '문법'을 이해하는 최신 AI (ESM) 활용.

이 세 가지를 섞어서 **가장 튼튼하면서도 싼 연료도 쓸 수 있는 '최고의 요리사'**를 찾아냈습니다.

• 성과:
  • BSC029라는 변종 요리사는 뜨거운 주방에서도 기존 튼튼한 요리사보다 더 잘 버텼습니다.
  • BSC025라는 변종은 싼 연료 (NADH) 를 쓰면서도 열을 견딜 수 있는 유일한 성공 사례가 되었습니다. (비록 완벽하지는 않지만, 큰 진전입니다!)

---

🔬 5. 왜 이렇게 어려웠을까? (과학적 발견)

연구자들은 왜 이렇게 힘들었는지 미시적으로 분석했습니다.

• 연료의 '자세' 문제: 싼 연료 (NADH) 는 비싼 연료 (NADPH) 와 달리, 요리사의 손에 잡히는 **자세 (방향)**가 매우 중요합니다.
• 틀린 자세: 튼튼하게 만든 요리사 (mFMO_20) 는 싼 연료가 들어오면 거꾸로 잡히는 실수를 자주 했습니다. ( productive vs non-productive binding)
• 해결: AI 와 진화 데이터를 섞으면, 연료가 올바른 자세로 잡히면서도 요리사 전체가 흔들리지 않는 조합을 찾을 수 있었습니다.

---

💡 6. 결론: 무엇을 배웠나?

이 연구는 우리에게 중요한 교훈을 줍니다.

1. 한 가지만 고치면 안 됩니다: 튼튼함만 쫓다가 기능을 잃거나, 기능만 쫓다가 튼튼함을 잃을 수 있습니다. **균형 (Trade-off)**이 핵심입니다.
2. 단순한 해결책은 없다: "문만 고치자"는 생각은 실패했습니다. 전체적인 구조와 움직임, 그리고 진화의 역사를 모두 고려해야 합니다.
3. 미래의 희망: 아직 완벽한 해결책은 아니지만, AI 와 진화 데이터를 섞는 방법을 찾았습니다. 이 방법을 쓰면 앞으로 더 튼튼하고 저렴한 효소들을 개발할 수 있을 것입니다.

한 줄 요약:

"비싼 연료만 쓰는 약한 요리사를, AI 와 진화론을 섞어 더 튼튼하면서도 싼 연료도 쓸 수 있는 **'슈퍼 요리사'**로 변신시키는 데 성공한 (아직 완벽하진 않지만) 대담한 실험!"

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 해양 부산물에서 유래한 단백질 가수분해물은 삼메틸아민 (TMA) 으로 인한 불쾌한 생선 비린내로 인해 산업적 활용이 제한됩니다. 이를 해결하기 위해 박테리아 유래의 플라빈 함유 모노옥시게네이스 (FMO) 를 사용하여 TMA 를 무취의 TMAO 로 전환하는 효소 공학적 접근이 시도되고 있습니다.
• 현재의 한계:
  • 기존에 개발된 열안정성 변이체 (mFMO_20, PROSS 알고리즘 기반) 는 고온에서 작동하지만, 비싸고 불안정한 NADPH에만 의존합니다.
  • 산업적 규모 적용을 위해서는 값싸고 안정적인 NADH를 보조인자로 사용할 수 있어야 합니다.
  • 그러나 mFMO_20 은 NADH 를 거의 사용하지 못하며, NADH 활성을 회복하려는 시도는 종종 열안정성이나 NADPH 활성을 희생시키는 트레이드오프 (Trade-off) 를 초래합니다.
• 핵심 질문: 열안정성을 유지하거나 향상시키면서 동시에 NADH 를 효율적으로 사용할 수 있는 효소 변이체를 설계할 수 있는가?

2. 방법론 (Methodology)

연구팀은 단일 목표가 아닌 다목적 최적화 (Multi-Objective Optimization, MOO) 전략을 사용하여 세 가지 설계 단계를 거쳤습니다.

A. 분자 시뮬레이션 및 결합 모드 분석

• PELE (Protein Energy Landscape Exploration) 몬테카를로 시뮬레이션: wild type (WT) 과 mFMO_20 에 NADH/NADPH 가 결합할 때의 자유 에너지 지형 (Free Energy Landscape) 을 분석했습니다.
• 결론: mFMO_20 에서 NADH 는 비생산적인 'ADE-방향 (flipped)'으로 결합하는 경향이 강해 촉매 반응이 일어나지 않는 반면, WT 는 생산적인 'NTA-방향'으로 결합할 수 있음을 발견했습니다. 이는 NADPH 의 2'-인산기가 결합 방향을 유도하는 데 중요함을 시사합니다.

B. 다목적 최적화 전략 (3 단계 설계)

1. 1 단계 (활성 부위 재설계): 활성 부위 잔기를 표적으로 하여 NADH 의 생산적 결합 (NTA 방향) 을 유도하고 NADPH 활성을 유지하려는 시도 (AsiteDesign 및 MOO 적용).
   • 결과: NADH 활성은 일부 회복되었으나, NADPH 활성이 크게 저하됨.
2. 2 단계 (보존적 안정화): WT 스캐폴드를 기반으로 자연적으로 보존된 아미노산 치환을 제한하여 열안정성을 높이되, 보조인자 결합을 교란하지 않도록 시도.
   • 결과: 활성은 유지되었으나 열안정성 향상은 미미함.
3. 3 단계 (통합 다목적 최적화 - 핵심 전략):
   • 스코어링 함수 통합: 물리 기반 (Rosetta 에너지), 진화 기반 (Potts 모델, 공진화 패턴), 언어 모델 기반 (ESM, Protein Language Model) 점수를 결합.
   • 최적화 목표: 열안정성 (Rosetta 총 에너지, Potts 에너지) 과 NADH 결합 적합성 (생산적 상태 점유율) 을 동시에 최적화.
   • 유전 알고리즘 (Genetic Algorithm): 파레토 프론트 (Pareto Front) 분석을 통해 여러 목표 간 균형을 이루는 변이체 선별.

C. 실험적 검증 및 분자 동역학 (MD)

• 실험: 선별된 변이체 (BSC 시리즈) 를 발현, 정제 후 45°C 에서 열처리하여 NADH 및 NADPH 의존성 활성 측정.
• MD 시뮬레이션: 미초 (μs) 단위의 분자 동역학 시뮬레이션을 통해 NADH 결합 시 '수소 전달 (Hydride-transfer)'에 적합한 기하학적 구조 (H-NADH 와 N5-FAD 거리 < 2.7 Å) 에 머무는 시간 (Occupancy) 을 정량화.

3. 주요 결과 (Key Results)

• 열안정성 및 활성 동시 개선:
  • 3 단계 통합 최적화를 통해 선별된 변이체 중 BSC029는 열처리 후에도 WT 의 NADPH 활성의 64% 를 유지했으며, 이는 기존 열안정성 변이체인 mFMO_20 (20%) 보다 월등히 높았습니다.
  • BSC025는 열처리 전후 모두에서 측정 가능한 NADH 활성을 보였으며, 이는 열안정성 변이체 중 NADH 활성을 유지한 유일한 사례입니다.
• 시뮬레이션과 실험의 상관관계:
  • MD 시뮬레이션에서 계산된 '생산적 결합 기하구조 점유율'이 실험적으로 측정된 NADH 활성과 높은 상관관계를 보였습니다.
  • mFMO_20 은 생산적 기하구조에 거의 도달하지 못해 NADH 활성이 전무한 반면, BSC025 와 BSC028 은 WT 수준에 근접한 점유율을 보였습니다.
• 트레이드오프의 본질:
  • 단순한 결합 에너지 최적화만으로는 열안정성과 NADH 호환성을 동시에 달성하기 어렵습니다.
  • NADH 의 경우 NADPH 의 2'-인산기가 없기 때문에 결합 방향이 불안정해지며, 열안정성을 높이는 구조적 강성 (Rigidity) 이 오히려 NADH 의 유연한 결합을 방해하여 비생산적 상태 (ADE 방향) 로 고정시키는 경향이 있었습니다.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 다중 신호 기반 효소 설계 프레임워크 제시:
   • 기존의 물리 기반 (Rosetta) 설계만으로는 한계가 있음을 입증하고, 진화적 정보 (Potts 모델) 와 대규모 단백질 언어 모델 (ESM) 을 통합한 하이브리드 접근법이 열안정성과 보조인자 특이성이라는 상충되는 목표를 동시에 달성하는 데 필수적임을 보였습니다.
2. 보조인자 특이성의 동역학적 기작 규명:
   • 보조인자 특이성이 단순히 정적인 결합 부위의 구조뿐만 아니라, 결합 방향의 분포 (Binding orientation ensemble) 와 반응 상태 접근성 (Reactive state accessibility) 에 의해 결정됨을 규명했습니다. 특히 NADH 의 경우 '결합 방향 뒤집기 (Flipping)' 현상이 활성 저하의 주요 원인임을 시뮬레이션을 통해 증명했습니다.
3. 산업적 적용 가능성:
   • 값비싼 NADPH 대신 NADH 를 사용할 수 있는 열안정성 효소 개발의 가능성을 열었으며, 이는 해양 부산물 처리 및 식품 산업에서의 비용 절감과 공정 효율성 향상에 기여할 수 있습니다.
4. 설계 전략의 교훈:
   • 단일 잔기 치환이나 단순한 보존성 분석만으로는 복잡한 보조인자 특이성 전환이 어렵고, 전체 스캐폴드의 동역학적 특성과 공진화 패턴을 고려한 다목적 최적화가 필요함을 강조했습니다.

결론

이 연구는 열안정성과 보조인자 호환성이라는 상충되는 목표를 달성하기 위해 물리 기반 모델, 진화적 정보, 그리고 AI 기반 언어 모델을 통합한 다목적 최적화 전략의 성공적인 사례를 보여줍니다. 비록 완벽한 NADH 의존성 열안정성 효소를 얻는 것은 여전히 도전적이지만, BSC025와 같은 변이체는 두 특성을 동시에 개선할 수 있는 가능성을 제시하며, 효소 공학 분야에서 보조인자 특이성 설계의 새로운 방향성을 제시합니다.