📄 systems biology

Growth costs of protein allocation in models of growing cells

이 논문은 성장하는 세포 내에서 차선책인 단백질 할당의 적응도 비용을 모델링하기 위해 비선형 성장 균형 분석(GBA) 프레임워크를 도입하며, 복잡한 자원 트레이드오프와 효소 역학을 고려하는 것이 실험적 패턴과 일치하는 예측을 산출하고 대사 공학을 위한 실용적인 도구를 제공함을 입증한다.

원저자: Szeliova, D., Liebermeister, W., Lercher, M., Dourado, H.

게시일 2026-08-13

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Szeliova, D., Liebermeister, W., Lercher, M., Dourado, H.

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

모든 살아있는 세포 안에 아주 작은 도시가 있다고 상상해 보십시오. 수백만 명의 노동자들이 끊임없이 생명의 기계를 건설하고, 수리하며, 가동하고 있는 북적이는 대도시입니다. 이 노동자들은 단백질이며, 이들은 궁극의 멀티태스커입니다. 어떤 이들은 음식을 실어 나르는 트럭이고, 어떤 이들은 에너지를 만들어내는 공장이며, 또 어떤 이들은 더 많은 노동자를 만드는 건설팀입니다. 하지만 여기에는 함정이 있습니다. 도시는 엄격한 예산을 가지고 있다는 점입니다. 세포는 무한한 수의 노동자를 고용할 수 없습니다. 공간과 원자재가 한정되어 있기 때문입니다. 만약 도시 관리자(세포의 DNA)가 한 가지 일에 너무 많은 노동자를 고용하면, 다른 일을 할 공간이나 자금이 부족해집니다. 이것이 바로 '단백질 배분'이라는 섬세한 기술입니다. 과학자들은 세포가 보통 최대한 빠르게 성장하기 위해 딱 적절한 수의 노동자를 고용한다는 것을 오래전부터 알고 있었습니다. 하지만 관리자가 실수를 저지르면 어떻게 될까요? 만약 필요하지 않은 일에 너무 많은 노동자를 고용하거나, 중요한 과업에 충분한 인력을 배치하지 못한다면 어떻게 될까요? 도시는 그저 조금 느려지는 데 그칠까요, 아니면 붕괴할까요? 이것이 바로 연구자들이 답을 찾으려는 질문입니다. 왜냐하면 이러한 실수들을 이해하는 것이 의약품, 바이오 연료 등을 만들기 위해 더 나은 세포를 설계하는 법을 알아내거나, 심지어 왜 박테리아가 때때로 생존에 어려움을 겪는지 이해하는 데 도움이 되기 때문입니다.

이 연구에서 저자들은 세포가 잘못된 수의 단백질을 고용했을 때 정확히 어느 정도의 '성장 비용'을 지불하게 되는지 알아내기 위해 미생물 세포의 정교한 디지털 시뮬레이션을 구축했습니다. 그들은 '성장 균형 분석(Growth Balance Analysis, GBA)'이라는 새로운 수학적 도구를 사용했는데, 이는 마치 초능력을 가진 스마트한 도시 계획가와 같습니다. 도시의 경제가 단순한 직선 형태라고 가정했던 기존의 모델들과 달리, 이 새로운 도구는 단 하나의 노동자를 더 추가하는 것이 때로는 도시 전체의 속도를 늦추는 교통 체증을 유발할 수 있는, 생물학의 복잡하고 비선형적인 현실을 반영합니다.

연구진은 고용 실수에 따른 비용이 그 노동자가 '무엇을 하는지'와 도시가 '무엇을 하려 하는지'에 따라 전적으로 달라진다는 것을 발견했습니다. 만약 세포가 현재 환경에서 아무것도 하지 않는 노동자(예를 들어, 한여름 무더위 속에 제설차를 고용하는 것과 같은 경우)를 고용한다면, 그 비용은 단순하고 예측 가능합니다. 성장률은 직선 형태로 떨어집니다. 쓸모없는 노동자는 유용한 노동자에게 쓰일 수 있었던 공간을 차지할 뿐이지만, 나머지 도시는 원활하게 돌아갑니다.

하지만 '유용한' 노동자의 이야기는 훨씬 더 흥нок해집니다. 만약 세포가 특정 업무, 예를 들어 음식을 들여오는 운반체(transporter)를 위한 노동자를 너무 많이 고용한다면, 그 결과는 혼란스러울 수 있습니다. 시뮬레이션에서 저자들은 이러한 노동자를 과잉 고용하는 것이 단순히 성장을 선형적으로 늦추는 것이 아니라, 세포 내부에 '교통 체증'을 유발할 수 있음을 보여주었습니다. 만약 세포가 설탕을 들여오기 위해 너무 많은 트럭을 고용했다고 상상해 보십시오. 설탕이 창고 안에 쌓이면서 통로를 막고 노동자들을 중독시킬 것입니다. 이 '대사적 부담(metabolic burden)'은 성장률을 단순한 계산이 예측하는 것보다 훨씬 더 빠르게 급락시킵니다. 모델에 따르면 세포의 내부 화학 작용이 완충제 역할을 합니다. 만약 반응이 가역적이라면 시스템이 충격을 흡수할 수 있지만, 비가역적이라면 피해는 심각해집니다.

또한 이 연구는 환경이 게임의 규칙을 어떻게 바꾸는지 탐구했습니다. 연구진은 세포가 특정 먹이원(예: 유당)을 위한 운반체를 가진 시나리오를 시뮬레이션했습니다. 먹이가 부족할 때, 그것을 운반하기 위해 노동자를 고용하는 것은 순수한 돈 낭비이며 세포는 더 느리게 성장합니다. 하지만 먹이가 풍부해지면, 동일한 노동자들이 황금알을 낳는 거위가 되어 세포의 성장을 가속화합니다. '최적'의 노동자 수는 가용 가능한 먹이의 양에 따라 달라집니다. 저자들은 또한 세포를 중독시킬 수 있는 바이오 연료와 같은 독성 부산물에 대해서도 살펴보았습니다. 그들은 세포가 까다로운 균형을 잡아야 한다는 것을 발견했습니다. 즉, 연료를 생산해야 하지만 동시에 '배출 펌프(efflux pumps, 독소를 밖으로 퍼내는 노동자)'도 고용해야 합니다. 펌프가 너무 느리면 독소가 성장을 방해하고, 펌프가 너무 빠르면 세포는 그것을 만드는 데 너무 많은 에너지를 낭비하게 됩니다. 모델은 펌프가 얼마나 효율적인지에 따라 고용할 펌프의 수에 대한 '스윗 스팟(최적점)'이 존재함을 시사합니다.

궁극적으로, 이 논문은 세포 생물학의 모든 미스터리를 해결했다고 주장하는 것이 아니라, 이러한 비용을 예측할 수 있는 강력하고 새로운 방법을 제공합니다. 시뮬레이션을 통해 저자들은 우리가 단백질을 고립된 개체로 보는 것이 아니라, 세포라는 전체 네트워크 속에서 어떻게 어우러지는지를 보아야 한다는 점을 보여줍니다. 어떤 단백질이 부담이 될지 혹은 혜택이 될지는 맥락, 환경, 그리고 세포 내부 경제의 복잡하고 비선형적인 상호작용에 달려 있습니다. 이 접근 방식은 세포를 더 효율적으로 설계하고자 하는 과학자들에게 실질적인 로드맵을 제공하며, 쓸모없는 노동자를 너무 많이 고용하거나 필수적인 노동자를 너무 적게 고용하는 비용이 큰 실수를 피하도록 도와줍니다.

기술 요약: 성장하는 세포 모델에서의 단백질 할당에 따른 성장 비용

문제 정의
미생물의 성장은 제한된 프로테옴(proteome)을 경쟁하는 기능들 사이에 어떻게 할당하느냐에 따라 근본적으로 제약을 받는다. 많은 단백질이 성장을 극대화하는 수준 근처에서 발현되지만, 이러한 최적점으로부터의 편차는 흔히 발생하며 적응도(fitness) 비용을 초래한다. 단백질 발현이 성장률에 미치는 영향을 정량적으로 이해하는 것은 여전히 중요한 과제이다. 단백질 발현은 직접적인 생합성 수요, 효소 역학, 분자 혼잡(molecular crowding), 그리고 세포 밀도 제한을 포함한 다수의 상호작용하는 메커니즘을 통해 성장에 영향을 미친다. 기존의 선형 자원 할당 모델(단백질 제약이 있는 Flux Balance Analysis 또는 Resource Balance Analysis 등)은 이러한 상호작용의 본질적인 비선형성, 특히 대사산물 축적과 반응 가역성이 성장 비용에 미치는 영향을 포착하는 데 한계가 있다. 또한, 특정 단백질의 과발현이나 저발현이 성장을 감소시킨다는 실험적 데이터는 존재하지만, 다양한 환경 조건과 단백질 기능에 걸쳐 제1원리(first principles)로부터 이러한 비용을 설명할 수 있는 이론적 프레임워크는 부족한 실정이다.

방법론
저자들은 기초적인 세포 제약으로부터 정상 상태(steady-state) 성장과 바이오매스 조성을 예측하는 비선형 수학적 프레임워크인 **성장 균형 분석(Growth Balance Analysis, GBA)**을 활용한다. 선형 모델과 달리, GBA는 질량 보존, 비선형 반응 속도 법칙, 고정된 세포 밀도로부터 유도된 독립적인 상태 변수 $q$ (플럭스 분율)를 사용하여 성장률 함수 $\mu(q)$ 를 명시적으로 공식화한다.

본 연구는 다음을 포함하는 일반적인 미생물 세포(대장균 Escherichia coli를 위해 파라미터화됨)의 조립된(coarse-grained) "기초 모델"을 사용한다:

영양분 수송 및 덩어리 형태의 대사물 풀( $S$ )로의 전환.
아미노산(AA), 뉴클레오타이드(NT), ATP, ADP의 합성.
리보솜을 통한 RNA, DNA, 그리고 전체 프로테옴( $P$ )의 합성.
반응 플럭스(제품 억제 포함)를 모델링하기 위한 가역 및 비가역적 역학 법칙(convenience kinetics).

단백질 할당의 성장 비용을 분석하기 위해, 저자들은 개별 단백질의 질량 분율( $\phi$ )을 최적값이 아닌 값(저발현 및 과발현 모두)으로 체계적으로 제한하면서 나머지 프로테옴의 할당을 최적화하였다. 이를 통해 고정된 단백질 수준에서 달성 가능한 최대 성장률을 계산함으로써, 이론적 최적점으로부터의 편차로서 "성장 비용"을 정량화한다. 이 프레임워크는 다음과 같은 특정 시나리오를 모델링하도록 확장되었다:

유휴 단백질(Idle proteins): 고유한 기능 없이 발현되는 비기능적 단백질(예: GFP).
환경 의존성: 다양한 기질 농도 하에서 글리세롤 흡수를 두고 경쟁하는 락토스 이용 시스템($LAC$).
독성 및 해독: 독성 대사산물(바이오 연료) 생성과 유출 펌프(efflux pump) 발현 사이의 트레이드오프.
대안 수송체: 서로 다른 역학적 효율을 가진 이차 수송체의 존재.

주요 기여 및 결과

비선형 성장 비용 곡선: 본 연구는 단백질의 최적 발현과 성장률 사이의 관계가 본질적으로 비선형적임을 입증한다. 단백질의 프로테옴 분율이 최적점에서 벗어남에 따라 성장은 감소한다. 이러한 곡선의 형태는 반응의 역학적 특성에 따라 달라진다:
- 가역적 역학(Reversible Kinetics): 최적점 근처에서 성장률은 대략 선형적으로 감소한다. 생성물 축적은 역반응에 의해 완충되어 대사물 축적을 제한한다.
- 비가역적 역학(Irreversible Kinetics): 과발현은 상당한 대사물 축적(예: 덩어리 형태의 풀 $S$ 또는 아미노산)을 초래하며, 이는 대사적 부담과 자원 오할당으로 인해 성장률의 급격하고 비선형적인 감소를 일으킨다.
유휴 단백질 비용: 비기능적(유휴) 단백질의 발현은 성장률의 대략적인 선형 감소를 초래한다. 이는 유휴 단백질이 나머지 기능적 기구의 할당이나 효율성을 방해하지 않으면서 단순히 프로테옴의 일부를 점유하기 때문이다. 이 결과는 효소 제약 FBA와 같은 선형 모델이 이종 단백질 발현의 비용을 예측하는 데 유효함을 뒷받침한다.
환경 의존성: 특정 단백질의 발현 비용은 맥락 의존적이다. 락토스 이용 모델에서 $LAC$ 시스템의 발현은 낮은 락토스 농도에서는 순수한 부담이지만, 탄소 흡수를 가능하게 하는 높은 락토스 농도에서는 이득이 된다. 최적 할당은 환경 기질 수준에 따라 동적으로 변화하며, 이는 lac 오페론 연구에서 관찰되는 실험적 경향을 재현한다.
독성과 해독의 트레이드오프: 모델은 독성 대사산물 생성과 유출 펌프 발현 비용 사이의 트레이드오프를 포착한다. 펌프의 최적 프로테옴 분율은 그 촉매 효율( $k_{cat}$ )에 달려 있다. 만약 펌프가 비효율적이라면, 발현 비용이 해독의 이득을 상회하게 되며, 모델은 제로(0)의 발현을 예측한다.
대안 수송체: 높은 촉매 효율을 가진 대안 수송체의 존재는 일차 수송체의 저발현을 완전히 보완하여 성장 비용을 무효화할 수 있다. 그러나 대안이 덜 효율적이라면, 일차 수송체를 저발현함에 따른 성장 비용은 비선적으로 증가한다.

의의 및 주장
본 논문은 GBA가 경험적 비용 함수에 의존하지 않고도 단백질 할당의 최적화되지 않은 상태에서 발생하는 성장 비용을 모델링할 수 있는 실용적이고 다루기 쉬운 접근법을 제공한다고 주장한다. 제1원리(질량 보존, 역학, 밀도 제약)로부터 이러한 비용을 도출함으로써, 이 프레임워크는 다음을 수행한다:

창발적 현상 설명: 알려진 박테리아 성장 법칙(예: 리보솜 분율과 성장률 사이의 선형 관계)과 최적화되지 않은 발현의 비용에 대한 실험적 패턴을 자연스럽게 재현한다.
시스템 수준의 상호작용 포착: 단백질 할당이 대사물 농도 및 반응 플럭스와 어떻게 결합되어 있는지 밝혀내며, 단백질의 비용이 네트워크 맥락이나 환경 조건과 분리될 수 없음을 보여준다.
대사 공학 가이드: 결과는 이종 경로의 발현을 최적화하고, 독성 부산물을 관리하며, 설계된 균주의 자원 할당 한계를 이해하는 데 있어 대사 공학 및 합성 생물학의 예측 모델링을 위한 기초를 제안한다.

저자들은 현재 구현이 조립된(coarse-grained) 모델을 사용하고 있지만, 프레임워크가 확장 가능하다는 점을 언급한다. 구체적인 실제 응용 분야에 대한 정량적 예측을 위해서는 더 상세한 역학 파라미터와 실험 데이터(예: 단순히 유도제 농도가 아닌 구체적인 특정 프로테옴 분율)가 모델을 파라미터화하는 데 필요함을 인정한다. 이 연구는 GBA가 단백질 발현을 전세포 생리학(whole-cell physiology)과 연결하는 통합된 이론적 기초를 제공하며, 선형 근사를 넘어 세포 자원 관리의 복잡하고 비선형적인 현실을 포착한다는 점을 강조한다.

유사한 논문