Systematic CRISPRi screening reveals genetic modulators of E. coli isoprenoid production

이 논문은 CRISPRi 기반 고처리량 스크리닝을 통해 E. coli 의 라이코펜 생산성을 조절하는 31 개의 유전자를 체계적으로 규명하고, 대사 경로 전반에 걸친 생산성 향상을 위한 새로운 유전적 표적을 제시했습니다.

핵심

🏭 1. 배경: 왜 이 연구가 필요할까요?

상상해 보세요. 대장균은 거대한 공장이고, 우리는 이 공장에서 라이코펜이라는 귀중한 제품을 만들고 싶습니다.
하지만 문제는 이 공장이 제품을 만들 때, 원자재 (탄소) 와 에너지를 너무 많이 써버린다는 점입니다. 공장이 제품을 만드는 데만 몰두하면, 공장 자체를 유지하는 데 필요한 에너지가 부족해져서 공장이 멈추거나 (세포가 죽거나) 생산량이 떨어집니다.

기존에는 "어떤 기계 (유전자) 를 조금만 더 돌리면 좋을까?"라고 생각하며 하나씩 실험했습니다. 하지만 이 방법은 너무 느리고, 공장 전체의 복잡한 연결고리를 놓치기 쉽습니다.

🔍 2. 해결책: CRISPRi 라는 '스마트 리모컨'

연구진은 **CRISPRi (크리스퍼 아이)**라는 기술을 사용했습니다. 이를 **공장의 각 기계에 붙인 '스마트 리모컨'**이라고 생각하세요.

• 이 리모컨은 기계를 완전히 고장 내는 것이 아니라, **작동 속도를 조절 (억제)**할 수 있습니다.
• 심지어 공장을 멈추게 할 수도 있는 필수 기계의 속도만 살짝 줄일 수도 있습니다.

연구진은 이 리모컨을 이용해 대장균 공장 안의 180 개 기계 (유전자) 중 하나씩 속도를 늦추면서, "어떤 기계를 늦추면 라이코펜 생산량이 늘어나는가?"를 한 번에 대량으로 테스트했습니다.

🚦 3. 핵심 발견: '타이밍'이 생명이다

가장 재미있는 발견 중 하나는 리모컨을 언제 눌러야 하느냐는 문제였습니다.

• 너무 일찍 누르면: 공장이 아예 멈춰버려서 아무것도 만들지 못합니다.
• 너무 늦게 누르면: 공장이 이미 제품을 다 만들어버린 뒤라 효과가 없습니다.

연구진은 **공장이 가장 활발하게 움직이는 시점 (성장 초기)**에 리모컨을 눌러야 가장 큰 효과를 본다는 것을 발견했습니다. 마치 교통 체증이 생기기 직전에 신호를 조절해야 전체 교통 흐름이 원활해지는 것과 같습니다.

📊 4. 실험 결과: 어떤 기계를 늦추면 좋을까?

180 개의 기계를 테스트한 결과, 31 개의 기계를 조절하면 라이코펜 생산에 큰 영향을 미치는 것을 발견했습니다.

✅ 생산량을 늘린 경우 (좋았던 것들)

• 지방산 (기름) 만드는 기계: 이 기계들의 속도를 늦추자, 공장 안의 원자재가 라이코펜 쪽으로 더 많이 흘러갔습니다. (기름을 덜 만들고, 붉은 색소를 더 만든 셈입니다.)
• 아미노산 (단백질 재료) 만드는 기계: 공장에는 이미 아미노산이 너무 많았는데, 굳이 새로 만들려고 에너지를 쓰는 대신 라이코펜을 만드는 데 썼습니다.
• 스트레스 대응 기계: 공장이 스트레스를 받으면 방어 기제에 에너지를 쏟는데, 이걸 줄이자 생산에 집중할 수 있었습니다.

비유: 공장에서 불필요한 '부품 (지방산, 아미노산)'을 덜 만들고, 그 에너지를 모두 '주력 상품 (라이코펜)'에 쏟게 한 것입니다.

❌ 생산량을 줄인 경우 (나빴던 것들)

• 라이코펜 만드는 직접적인 기계: 당연히 이걸 늦추면 생산량이 줄어듭니다.
• 에너지 (ATP) 를 만드는 기계: 공장이 돌아가려면 에너지가 필수인데, 이걸 줄이면 공장 전체가 멈춥니다.
• 스트레스 대응 기계: 공장이 스트레스를 받으면 라이코펜이라는 제품이 쉽게 망가집니다. 이 방어 기계를 없애면 제품이 파괴됩니다.

🎯 5. 결론: 무엇을 배웠나요?

이 연구는 단순히 "라이코펜 만드는 법"을 찾은 것이 아니라, 공장의 전체적인 흐름을 어떻게 균형 있게 조절할지에 대한 지도를 그렸습니다.

• 기존의 생각: "라이코펜 만드는 기계만 더 많이 돌리면 되겠지?"
• 이 연구의 통찰: "아니, 라이코펜과 경쟁하는 다른 기계들 (지방산, 아미노산 등) 의 속도를 조절하고, 스트레스 관리를 잘해야 전체 효율이 올라간다."

마치 레스토랑에서 메인 요리 (라이코펜) 를 더 맛있게 만들려면, 메인 요리만 더 많이 만드는 게 아니라 안주 (부산물) 를 덜 만들고, 주방의 불 (에너지) 을 적절히 배분하며, 식중독 (스트레스) 을 막는 것이 중요하다는 것과 같은 이치입니다.

이 연구는 앞으로 약, 화장품, 바이오 연료 등 다양한 물질을 대장균으로 만들 때, 어떻게 유전자를 조절해야 가장 효율적으로 생산할 수 있는지에 대한 새로운 길잡이가 될 것입니다.

기술 요약

이 논문은 E. coli(대장균) 에서 이소프레노이드 (isoprenoid) 생산, 구체적으로 라이코펜 (lycopene) 생산을 최적화하기 위한 유전적 조절 인자를 체계적으로 규명하기 위해 수행된 연구입니다. 저자들은 CRISPR 간섭 (CRISPRi) 기술을 활용한 대규모 스크리닝을 통해 대사 경로 전반에 걸쳐 생산성을 향상시키는 새로운 유전자 표적들을 발견했습니다.

다음은 논문의 주요 내용을 기술적으로 요약한 것입니다.

1. 연구 배경 및 문제점 (Problem)

• 이소프레노이드 생산의 한계: 이소프레노이드는 의약품, 화장품, 바이오연료 등으로 가치가 높지만, 미생물 공학적 생산 시 세포의 탄소 및 보조 인자 대사에 큰 부담 (metabolic burden) 을 줍니다.
• 생산 효율의 병목 현상: 라이코펜과 같은 이소프레노이드는 MEP 경로를 통해 전구체 (IPP/DMAPP) 를 생성하는데, 이 과정은 글리세르알데하이드 -3-인산 (G3P) 과 피루브산 등 중심 탄소 대사와 경쟁합니다.
• 기존 접근법의 한계: 기존 연구들은 MEP 경로나 crt 유전자 군 (crtEBI) 에 국한된 표적 유전자 조절에 의존했습니다. 그러나 생산성 향상을 위해서는 중심 대사, 스트레스 반응, 아미노산 합성 등 전체 대사 네트워크의 균형 (rebalancing) 을 이해해야 하지만, 이를 체계적으로 매핑하는 도구가 부족했습니다.

2. 연구 방법론 (Methodology)

저자들은 고처리량 (high-throughput) CRISPRi 스크리닝 파이프라인을 구축하여 180 개의 유전자를 대상으로 라이코펜 생산에 미치는 영향을 분석했습니다.

• 고수율 chassis 균주 개발 (Strain Engineering):
  • MG1655 K-12 균주를 기반으로 dCas9 가 통합된 균주를 사용했습니다.
  • ORBIT (Oligonucleotide Recombineering followed by Bxb-1 Integrase Targeting) 기술을 활용하여 MEP 경로 핵심 유전자인 dxs 와 dxr 의 리보솜 결합 부위 (RBS) 를 최적화하여 번역 효율을 극대화했습니다.
  • 이를 통해 라이코펜 생산량이 기존 실험실 진화 균주 (HW2e/f) 와 유사한 수준인 고수율 균주 (DD2) 를 확립했습니다.
• CRISPRi 스크리닝 프로토콜 최적화:
  • 유도 타이밍 최적화: CRISPRi 유도 시점 (0, 4, 8, 24 시간) 을 조절하여 dxs 유전자 억제 효과를 테스트한 결과, **배양 4 시간 후 (지수 성장기)**에 유도하는 것이 라이코펜 생산 감소 효과를 가장 명확하게 관찰하면서도 세포 성장을 유지하는 최적 조건임을 확인했습니다.
  • 불일치 (Mismatch) CRISPRi: 표적 서열에 0~14 개의 불일치를 도입하여 억제 강도를 조절할 수 있는 라이브러리를 설계했습니다.
• 고처리량 스크리닝 및 NGS:
  • 96 웰 플레이트 기반 배양 후, 라이코펜 생산량 (OD600 대비 mg/L) 과 생체량 (OD600) 을 측정했습니다.
  • **NGS(차세대 염기서열 분석)**를 통해 각 웰에 존재하는 sgRNA 를 식별하여, 수백 개의 변이체를 한 번의 실험으로 생산성과 연결했습니다.
  • 총 180 개의 유전자 (중심 탄소 대사, 지질 대사, 아미노산 합성, 스트레스 반응 등) 를 대상으로 359 개의 sgRNA 라이브러리를 구성하여 스크리닝을 수행했습니다.

3. 주요 결과 (Key Results)

스크리닝을 통해 라이코펜 생산에 유의미한 영향을 미치는 31 개의 유전자를 발견했습니다.

• 생산량 감소 (Deleterious) 유전자 (13 개):
  • 이소프레노이드 생합성 경로: dxs, dxr, ispA 등 전구체 합성 유전자의 억제는 당연히 생산량을 감소시켰습니다.
  • TCA 회로: sdhB, sdhC, sucB, acnB 등의 억제는 생산량을 감소시켰습니다. 이는 TCA 회로가 ATP 와 NADPH 공급을 통해 라이코펜 합성을 지원함을 시사합니다.
  • 스트레스 반응: rpoS (정기적 반응), dksA, uvrD 등의 억제는 활성산소 (ROS) 증가로 인해 산화 민감성인 라이코펜 분해가 촉진되어 생산량이 감소했습니다.
• 생산량 증가 (Beneficial) 유전자 (18 개):
  • 지방산 생합성: accA, accD 등의 억제는 라이코펜 생산량을 크게 증가시켰으나, 세포 생체량 (OD600) 은 감소했습니다. (단, 절대 생산량 기준으로는 효과가 미미할 수 있음).
  • 아미노산 생합성 (새로운 발견): ilvD, leuC (분지형 아미노산), aroK, aroF (코리즘산 경로) 의 억제가 생산량을 증가시켰습니다. LB 배지 내 아미노산 과잉 상태에서 이들의 합성 경로를 억제하면 대사 자원이 라이코펜 합성으로 재분배될 수 있음을 시사합니다. 이 네 가지 유전자는 라이코펜 생산과 관련하여 이전에 보고된 바가 없습니다.
  • 인산지질 생합성: dgkA, pgsA 억제가 생산량을 증가시켰습니다.
  • 스트레스 반응: SOS 반응 유전자 (umuC, uvrB, uvrD) 와 clpP 억제가 생산량을 증가시켰습니다.
  • 중심 탄소 대사: pflB (발효), aceE, aceF, acnA, sdhD (TCA 회로 일부) 등의 억제가 생산량을 증가시켰습니다. 이는 피루브산 흐름을 라이코펜 경로로 전환하는 효과가 있음을 보여줍니다.

4. 연구의 의의 및 기여 (Significance)

• 체계적인 대사 재균형 (Metabolic Rebalancing) 전략 제시: 이 연구는 특정 경로뿐만 아니라 **전체 대사 네트워크 (지방산, 아미노산, 스트레스 반응 등)**가 이소프레노이드 생산에 어떻게 영향을 미치는지를 체계적으로 매핑했습니다.
• 새로운 유전 표적 발굴: 아미노산 생합성 (ilvD, leuC, aroK, aroF) 및 인산지질 대사 관련 유전자 등 이전에는 라이코펜 생산과 연관되지 않았던 새로운 유전자들을 발견하여, 차세대 대사 공학 전략의 타겟을 제시했습니다.
• 범용성 있는 플랫폼 구축: 필수 유전자와 비필수 유전자를 모두 대상으로 할 수 있는 CRISPRi 기반의 고처리량 스크리닝 워크플로우를 정립했습니다. 이 방법은 생산성뿐만 아니라 생체량과의 트레이드오프 관계를 정량적으로 분석할 수 있게 합니다.
• 미래 전망: 이 스크리닝 데이터는 기계 학습 (Machine Learning) 과 결합하여 다중 유전자 조합 (combinatorial perturbations) 의 효과를 예측하고, 고차원의 표현형 - 생산성 지도 (expression-yield landscape) 를 구축하는 데 기초 자료로 활용될 수 있습니다.

결론

이 논문은 CRISPRi 와 NGS 를 결합한 고처리량 스크리닝을 통해 E. coli 의 이소프레노이드 생산성을 높이는 새로운 유전적 조절 인자들을 발견했습니다. 특히, 중심 탄소 대사뿐만 아니라 아미노산 합성 및 스트레스 반응 경로까지 포괄적인 분석을 통해, 대사 부하를 줄이고 전구체 흐름을 최적화하는 새로운 전략을 제시했다는 점에서 의의가 큽니다.