Phylogenetically estimated neutral rates and fitness effects of mutations to influenza proteins

10 만 개 이상의 인플루엔자 서열로부터 계통수를 구성함으로써 본 연구는 바이러스 프로테오롬 전반에 걸쳐 부위별 중립 돌연변이율과 적합도 영향을 추정하여 돌연변이 유형 간 상당한 변이와 SARS-CoV-2 및 HIV 와의 강력한 교차 바이러스 상관관계를 드러내고 자연에서 돌연변이와 선택이 인플루엔자 진화를 어떻게 형성하는지 이해하기 위한 포괄적이고 상호작용적인 자원을 제공한다.

핵심

인플루엔자 바이러스를 상상해 보세요. 마치 유전 암호라는 책들이 끊임없이 복사되고 다시 쓰이는 거대하고 혼란스러운 도서관처럼요. 때로는 이러한 재작성이 이야기 자체를 전혀 바꾸지 않는 단순한 오타들 (중립적 돌연변이) 일 뿐입니다. 다른 때는 오타가 너무 나빠서 줄거리를 망치거나, 반대로 너무 좋아서 베스트셀러가 되기도 합니다 (적합도에 영향을 미치는 돌연변이).

오랫동안 과학자들은 이 도서관이 어떻게 진화하는지 이해하기 위해 한 번에 수천 권의 책만 살펴볼 수 있었습니다. 이번 새로운 연구는 마치 10 만 권 이상의 이러한 바이러스 책을 한 번에 읽고 정리할 수 있는 초고속 로봇 함대를 고용한 것과 같습니다. 이 방대한 컬렉션에서 거대한 가계도를 구축함으로써 연구자들은 마침내 큰 그림을 볼 수 있게 되었습니다.

다음은 그들이 발견한 바를 간단한 개념으로 정리한 것입니다:

1. "오타" 기계는 무작위가 아닙니다
바이러스가 실수를 할 때, 어떤 글자를 다른 어떤 글자로 바꾸든 확률이 동일할 것이라고 생각할 수 있습니다 (예: 'A'를 'C'로 바꾸는 것과 'A'를 'G'로 바꾸는 것이 똑같이 일어날 것이라고). 하지만 이 연구는 그렇지 않음을 발견했습니다. 바이러스는 실수를 하는 방식에 매우 구체적인 "편향"을 가지고 있습니다. 어떤 유형의 오타는 다른 것들보다 100 배 더 자주 발생합니다. 마치 바이러스의 복사 기계가 특정 오류를 다른 오류보다 선호하도록 고장 난 것처럼요.

2. 다른 바이러스들과의 가족적 유사성
연구자들이 이러한 "오타 패턴"을 SARS-CoV-2 와 HIV 와 같은 다른 유명한 바이러스들과 비교했을 때, 놀라운 가족적 유사성을 발견했습니다. 이러한 바이러스들이 실수를 만드는 기본 규칙은 매우 비슷합니다. 마치 모두 같은 가족 코를 가진 사촌들처럼요. 하지만 더 자세히 살펴보면 (오타 주변의 글자 맥락과 같은 세부 사항), 인플루엔자 바이러스와 SARS-CoV-2 는 매우 다른 동네에서 자란 사촌들처럼 꽤 다르게 보입니다.

3. "적합도" 점수표
연구자들은 궁금해했습니다: 이 오타들 중 실제로 중요한 것은 무엇일까? 이를 파악하기 위해 그들은 "기대치 대 현실" 게임을 펼쳤습니다.

• 기대치: 그들이 발견한 "오타 기계" 편향을 바탕으로, 특정 돌연변이가 전혀 중요하지 않다면 얼마나 자주 발생해야 하는지 계산했습니다.
• 현실: 그들은 해당 돌연변이가 가계도에서 실제로 얼마나 자주 나타났는지 세었습니다.
• 결과: 만약 돌연변이가 기대치보다 훨씬 덜 발생했다면, 바이러스가 그것이 해롭기 때문에 (나쁜 적합도) 그것을 "거부"했다는 뜻입니다. 기대치대로 발생했다면 그것은 아마도 무해했을 것입니다.

그들은 인플루엔자 바이러스의 모든 단백질에 걸쳐 약 33,000 개의 해로울 것 같은 변화와 8,000 개의 무해할 것 같은 변화를 아우르는 거대한 점수표를 만들었습니다.

4. 숨겨진 규칙과 상호작용 지도
이 점수표는 몇 가지 놀라운 사실을 드러냈습니다. 예를 들어, "무해한" 것으로 여겨지던 변화 (동일 의미 돌연변이) 도 때로는 기대치보다 덜 나타나는데, 이는 우리가 알지 못했던 숨겨진 규칙이나 기능이 실제로 있음을 시사합니다.

이 방대한 양의 데이터를 쉽게 탐색할 수 있도록 하기 위해 팀은 상호작용형 히트맵 (색상이 있고 클릭 가능한 지도와 같은) 을 구축했습니다. 바이러스 코드의 어떤 부분을 클릭하든 그 부분의 "적합도 점수"를 볼 수 있어, 바이러스의 어떤 부분이 취약하고 어떤 부분이 유연한지 정확히 이해하는 데 도움이 됩니다.

한 줄 요약
이 연구는 인플루엔자 바이러스 이야기의 몇 페이지만 본 것이 아니라, 도서관 전체를 읽었습니다. 바이러스의 자연스러운 "실수"를 우연히 발생할 것으로 예상되는 것과 비교함으로써, 그들은 돌연변이와 선택이 현실 세계에서 인플루엔자 바이러스를 어떻게 형성하는지에 대한 상세한 지도를 만들었으며, 동시에 SARS-CoV-2 와 HIV 와 같은 더 넓은 바이러스 가족 내에서 어떻게 자리 잡는지도 보여주었습니다.

기술 요약

기술적 요약

문제 제기
인플루엔자 바이러스의 급속한 진화는 중립적 돌연변이와 자연선택 간의 상호작용에 의해 주도됩니다. 계통발생학적 방법은 이러한 진화 과정을 연구하는 데 확립되어 왔으나, 역사적으로 계산 능력과 데이터의 한계로 인해 적용이 제한되어 왔으며, 일반적으로 한 번에 수천 개의 인플루엔자 게놈 서열만을 대상으로 분석이 이루어졌습니다. 이러한 규모 제한은 자연 환경에서 전체 바이러스 게놈에 걸쳐 중립적 돌연변이율과 적합도 효과를 정확하게 추정하는 능력을 저해합니다.

방법론
이전 규모 제한을 극복하기 위해 저자들은 100,000 개 이상의 인플루엔자 서열로 구성된 데이터셋을 활용하여 계통수를 구축했습니다. 이러한 대규모 계통수는 두 가지 주요 분석 접근법의 기초가 되었습니다:

1. 중립률 추정: 저자들은 계통수를 분석하여 바이러스 게놈의 중립적 돌연변이율을 계산했습니다. 이를 통해 12 가지 서로 다른 뉴클레오타이드 돌연변이 유형 (예: A-to-C, A-to-G) 에 따른 비율을 구분할 수 있었습니다.
2. 적합도 효과 추정: 중립 모델 하에서 기대되는 빈도와 비교하여 계통수 가지를 따라 관찰된 돌연변이 빈도를 분석함으로써, 저자들은 돌연변이의 적합도 효과를 추정했습니다. 이 분석은 모든 인플루엔자 단백질을 아우르는 약 33,000 개의 비동일성 돌연변이와 8,000 개의 동위성 돌연변이를 포괄했습니다.

주요 결과

• 중립률의 변동성: 이 연구는 12 가지 서로 다른 뉴클레오타이드 돌연변이 유형 간에 중립적 돌연변이율이 최대 약 100 배까지 크게 변동함을 밝혔습니다.
• 바이러스 간 비교: 추정된 중립률은 인플루엔자, SARS-CoV-2, HIV 간에 높은 상관관계를 보였습니다. 그러나 분석은 인플루엔자와 SARS-CoV-2 사이에 뚜렷한 차이를 보이는 미묘하고 맥락에 의존적인 패턴도 식별했습니다.
• 포괄적 적합도 매핑: 결과적으로 생성된 종합 자료는 전체 인플루엔자 프로테옴에 대한 서열과 적합도 간의 관계를 매핑합니다. 특히, 데이터는 동위성 돌연변이가 기능적 제약 하에 있는 영역을 강조하며, 이전에 광범위한 실험적 측정이 부족했던 단백질에 대한 적합도 추정을 제공합니다.

의의 및 주장
이 논문은 인플루엔자의 돌연변이율을 보다 광범위한 바이러스 간 맥락에 위치시키는 중요한 단계로 이 작업을 위치시킵니다. 일반적인 연구보다 한 자릿수 더 큰 데이터셋을 활용함으로써, 저자들은 돌연변이와 자연선택이 부위 특이적 수준에서 자연 상태의 인플루엔자 진화를 어떻게 형성하는지에 대한 이해를 심화시켰다고 주장합니다. 이러한 발견에 대한 추가 탐구를 촉진하기 위해 저자들은 추정된 적합도 효과의 상호작용 히트맵을 통해 데이터를 접근 가능하게 만들었습니다. 이 연구는 특히 이전 특성이 제한적으로 규명된 단백질의 경우 실험 데이터에만 의존하지 않고 인플루엔자의 진화 역학을 이해하기 위한 기초 자원을 제공합니다.