Ensemble kinetic modelling links residual enzyme activity to clinical symptoms in mitochondrial β-oxidation defects

본 연구는 51 개의 검증된 계산 모델 군집을 구축함으로써 미토콘드리아 지방산 산화 (mFAO) 모델링에서 동역학 매개변수 불확실성이라는 과제를 해결하여, 잔류 효소 활성을 임상 증상과 성공적으로 연결하고 장쇄 및 단쇄/중쇄 mFAO 결핍 간의 뚜렷한 병리생리학적 기전을 규명하였습니다.

핵심

당신의 몸속 세포가 전등을 켜두기 위해 지속적인 전력이 필요한 분주한 도시라고 상상해 보세요. 이 도시가 가장 좋아하는 연료(설탕/탄수화물)가 떨어지면, 지방을 태우는 예비 발전기로 전환합니다. 이 과정을 '미토콘드리아 지방산 β-산화'라고 하며, 이는 도시의 비상 발전소 역할을 합니다.

때로는 유전적 오류로 인해 이 발전소의 부품이 고장 나기도 합니다. 이를 '미토콘드리아 지방산 산화 결함 (mFAODs)'이라고 부릅니다. 여기서 혼란스러운 점은 두 사람이 정확히 같은 고장 난 부품(동일한 유전적 돌연변이)을 가지고 있음에도 불구하고, 한 사람은 매우 심하게 아픈 반면 다른 사람은 거의 영향을 받지 않을 수 있다는 것입니다. 과학자들은 왜 이런 일이 발생하는지 이해하는 데 어려움을 겪어 왔습니다.

이 수수께끼를 해결하기 위해 이 논문의 연구자들은 인간 간장 내부의 지방 연소 발전소를 디지털 시뮬레이션으로 구축했습니다. 마치 설정을 조정하여 도시가 어떻게 반응하는지 볼 수 있는 비디오 게임과 같습니다.

큰 도전: 숫자 추측하기
이 시뮬레이션을 구축하는 것은 까다로웠습니다. 과학자들이 발전소 내 기계들의 정확한 '속도 제한'과 '용량 수치'에 대해 이견을 보였기 때문입니다. 어떤 보고서는 한 기계가 속도 1 로 작동한다고 했고, 다른 보고서는 속도 10,000 으로 작동한다고 했습니다. 이는 피스톤이 얼마나 빠르게 움직여야 하는지에 대해 매뉴얼에 극단적으로 다른 숫자가 적혀 있을 때 자동차 엔진을 만드는 것과 같습니다.

해결책: '앙상블' 접근법
단 하나의 숫자 세트를 선택하고 그것이 맞기를 바라는 대신, 연구자들은 51 개의 서로 다른 시뮬레이션으로 구성된 '팀(앙상블)'을 만들었습니다.

• 51 명의 다른 정비공이 있다고 상상해 보세요.
• 그들은 엔진 부품이 어떻게 연결되는지(청사진) 에 대해서는 모두 동의합니다.
• 하지만 각 정비공은 오래된 매뉴얼에서 발견된 숫자 범위에 기반하여 약간 다른 속도 제한 세트를 사용합니다.
• 그들은 51 개의 모든 버전을 실행하고 실제 세계 데이터와 일치하는 것들만 남겼습니다. 이 51 개의 유효한 모델들이 그들의 '전문가 패널'이 되었습니다.

그들이 발견한 것
이 패널을 사용하여 그들은 다양한 유형의 고장 난 발전소를 테스트했습니다:

1. '장쇄(Long-Chain)' 고장:
   긴 지방 사슬을 처리하는 기계가 고장 났을 때, 모델들은 남은 '작동 중인' 기계들이 특정 낮은 수준으로 줄어들 때 도시의 전력 출력이 급격히 떨어지는 것을 보여주었습니다. 이는 환자들에게서 의사가 관찰하는 현상과 일치합니다. 즉, 기계의 효율이 특정 지점까지 떨어질 때 증상이 나타납니다.

2. '단쇄/중쇄(Short/Medium-Chain)' 고장:
   더 짧은 지방 사슬을 위한 기계가 고장 났을 때, 이야기는 조금 더 복잡했습니다. 전력 출력이 예측 가능하게 떨어지지 않았습니다. 대신 모델들은 이중 문제를 보여주었습니다. 전력이 떨어지는 동시에 중요한 보조 화학 물질(코엔자임 A, CoASH) 이 고갈되었습니다. 이는 발전소가 느려지는 것뿐만 아니라 기어를 부드럽게 회전시키는 데 필요한 오일도 고갈된 것과 같습니다.

왜 이것이 중요한가
가장 중요한 결론은 이 '51 개 모델 팀'이 동일한 유전적 오류를 가진 환자들为何如此不同的外觀을 설명하는 데 도움이 된다는 점입니다. 또한 이는 의사들과 연구자들에게 서로 다른 유형의 지방 연소 결함을 비교할 수 있는 방법을 제공합니다. 만약 그들이 시뮬레이션에서 '장쇄' 버전이 어떻게 작동하는지 이해한다면, 그 공유된 규칙을 사용하여 '단쇄' 버전을 더 잘 이해할 수 있으며, 다양한 시나리오에서 신체가 어떻게 반응할지 예측하는 데 도움을 줄 수 있습니다.

기술 요약

문제 제기
미토콘드리아 지방산 $\beta$-산화 (mFAO) 는 탄수화물 고갈 시 중요한 에너지원 역할을 하며, 선천성 지방산 산화 결핍증 (mFAODs) 의 핵심 기전입니다. 주요 임상적 과제는 동일한 유전적 변이를 가진 환자들 사이에서 관찰되는 표현형 이질성입니다. 이러한 변이성을 유발하는 기전은 아직 잘 이해되지 않고 있습니다. 또한, mFAO 의 대사 모델링은 동역학 파라미터 값에 대해 상당한 불확실성에 직면해 있습니다. 일부 실험적 값은 재현 가능하지만, 문헌에 보고된 다른 값들은 최대 네 자릿수 (four orders of magnitude) 까지 차이가 나 신뢰할 수 있는 예측 모델 구축을 복잡하게 만듭니다.

방법론
이러한 과제를 해결하기 위해 저자들은 실험적으로 결정된 효소 동역학에 기반한 인간 간 mFAO 의 계산 모델을 구축했습니다. 동역학 파라미터의 불확실성을 관리하기 위해 앙상블 모델링 접근법을 사용했습니다. 단일 점 추정치에 의존하는 대신, 저자들은 동일한 반응 화학량론과 속도 방정식을 공유하지만 문헌에서 유래된 값들의 분포에서 샘플링된 서로 다른 동역학 파라미터를 활용하는 동역학 모델 앙상블을 생성했습니다. 또한 저자들은 이러한 값들과 사용된 평가 기준에 대한 포괄적인 보고서를 제공했습니다. 결과적으로 생성된 앙상블은 이용 가능한 플럭스 데이터를 기준으로 검증되어 최종적으로 51 개의 유효 모델로 필터링되었습니다. 이 앙상블은 이후 알려진 mFAODs 에 적용되었는데, 이는 장쇄 (LC-) 와 단쇄/중쇄 (S/MC-) 결핍으로 분류되었습니다.

주요 결과
검증된 앙상블은 중쇄 아실-CoA 탈수소효소 결핍증 (MCAD) 에 관한 최근 연구 결과를 성공적으로 재현했는데, 이는 중쇄 아실-CoA 의 축적과 이에 수반되는 자유 CoA (CoASH) 의 고갈을 포함합니다. 더 넓은 범위의 mFAODs 에 적용되었을 때, 이 연구는 영향을 받은 효소의 사슬 길이에 따라 잔류 효소 활성과 임상 결과 사이에 뚜렷한 상관관계가 있음을 밝혔습니다:

• LC-mFAODs: 임상 증상이 발생하는 것으로 알려진 잔류 활성 수준은 경로 플럭스가 현저히 감소하는 모델 내의 잔류 활성 임계값과 잘 일치했습니다.
• S/MC-mFAODs: 잔류 활성과 경로 플럭스 간의 상관관계는 덜 강력했습니다. 그러나 이러한 결핍증은 플럭스 감소와 CoASH 고갈을 모두 포함하는 복합적 효과를 나타냈습니다.

의의 및 주장
본 논문은 이 앙상블 접근법이 mFAODs 에서 잔류 효소 활성과 임상 증상을 연결하는 견고한 틀을 제공하며, 표현형 이질성 뒤에 숨은 기전을 규명하는 데 도움이 된다고 주장합니다. LC- 결핍과 S/MC- 결핍의 생화학적 행동을 구분함으로써, 이 연구는 공유된 생화학적 특성에 기반하여 한 mFAOD 에서 얻은 통찰력을 다른 mFAOD 에 적용할 수 있는 기초를 연구자와 임상 의사들에게 제공합니다. 또한 이 연구는 동역학 파라미터 값과 그 평가에 사용된 논거를 포괄적으로 보고함으로써 대사 모델링에서 흔히 발생하는 파라미터 불확실성이라는 과제를 해결하여 해당 분야에 기여합니다.