Inferring Protein Variant Impacts Across Contexts

단백질은 생명의 일꾼으로, 아미노산 사슬으로 구성되어 정교한 모양으로 접힘으로써 필수적인 과업을 수행하는 작은 분자 기계입니다. 때때로 유전 암호의 단 한 글자가 바뀌어 단백질 사슬 내의 아미노산 하나가 다른 것으로 교체되기도 합니다. 이러한 작은 변화는 기계를 고장 낼 수도 있고, 완벽하게 작동하게 두거나, 혹은 환경에 따라 그 거동을 변화시킬 수도 있습니다. 과학자들은 오랫동안 이러한 결과를 예측하고자 노력해 왔지만, 커다란 장애물이 남아 있습니다. 그것은 바로 단백질이 진공 상태에서 작동하지 않는다는 점입니다. 단백질의 기능은 그것이 존재하는 세포의 유전적 배경이나 직면한 환경 조건에 따라 극적으로 변할 수 있습니다. 유전적 변화가 건강이나 질병에 어떻게 영향을 미칠 수 있는지에 대한 전체적인 그림을 이해하기 위해서, 연구자들은 변이가 단 하나의 설정에서뿐만 아니라, 가능한 방대한 생물학적 맥락의 변화무쌍한 풍경 속에서 어떻게 행동하는지를 알아야 합니다.

수년 동안 이 데이터를 수집하는 가장 신뢰할 수 있는 방법은 변이 효과의 다중 분석(multiplexed assays of variant effects)이라 불리는 실험이었습니다. 이 강력한 도구들을 통해 과학자들은 수천 개의 단백질 변이를 동시에 테스트하여, 각 변이가 특정 실험실 환경에서 어떻게 기능하는지 측정할 수 있습니다. 이러한 실험은 단백질 서열의 가능한 모든 단일 변화를 다룰 수 있지만, 비용과 시간의 제약을 받습니다. 모든 변이를 모든 가능한 유전적 또는 환경적 맥락에서 테스트하는 것은 조합의 수가 사실상 무한하기 때문에 불가능합니다. 연구자들은 측정할 몇 가지 맥락을 선택해야 하며, 이는 변이가 어떻게 행동하는지에 대한 지도에 거대한 공백을 남깁니다. 따라서 핵심적인 과제는 새로운 실험을 매번 수행하지 않고도 어떻게 그 누락된 조각들을 채울 것인가 하는 점입니다.

최근 한 연구는 이 문제를 통계적 추론, 즉 임퓨테이션(imputation, 결측치 보정)이라는 과정을 통해 해결할 수 있는 퍼즐로 다룹니다. 연구진은 측정된 맥락에서 변이가 어떻게 수행되었는지를 바탕으로, 측정되지 않은 맥락에서 단백질 변이가 어떻게 수행될지를 예측하는 다양한 수학적 접근법을 테스트했습니다. 그들은 단순한 선형 모델부터 랜덤 포레스트(random forests)와 오토인코더(autoencoders)를 포함한 복잡한 인공지능 시스템에 이르는 다양한 방법론을 수집하여, 어떤 것이 누락된 지도의 부분을 가장 잘 재구성할 수 있는지 확인했습니다. 그들의 연구는 작업에 있어 단 하나의 "최선"의 도구는 존재하지 않으며, 대신 이상적인 방법은 이미 가용한 데이터의 양에 전적으로 달려 있다는 사실을 밝혀냈습니다.

데이터가 밀집되어 이미 많은 맥락이 측정된 경우, 가장 유연하고 복잡한 모델들이 탁월한 성능을 보입니다. 이러한 정교한 시스템은 서로 다른 맥락 사이의 미묘하고 비선형적인 관계를 포착하여, 변이가 어떻게 행동하는지에 대한 풍부하고 상세한 그림을 제공할 수 있습니다. 그러나 데이터가 희소하여 측정된 맥락이 몇 안 되는 경우에는 이러한 복잡한 모델들이 무너지는 경향이 있습니다. 이러한 상황에서는 가장 단순한 모델이 가장 신뢰할 수 있습니다. 연구는 측정된 맥락들 사이에 직접적인 관계가 있다고 가정하는 단순한 통계적 접근 방식이 복잡한 모델보다 정보가 부족할 때 더 우수한 성능을 보인다는 것을 발견했습니다. 이는 데이터가 제한적인 변이 효과 매핑의 초기 단계에서는, 잘못된 결론을 내리지 않기 위해 복잡함보다는 단순함에 의존해야 함을 시사합니다.

연구진은 또한 소스-타겟 회귀(source-to-target regression)라고 알려진 일반적인 전략의 중대한 한계를 식별했습니다. 이 접근 방식은 과학자들이 원래의 맥락에서 이미 측정된 변이가 새로운 맥락에서 어떻게 행동할지를 예측하고자 할 때 잘 작동합니다. 그러나 연구는 해당 변이가 소스와 타겟 맥락 모두에서 측정된 적이 없는 경우, 이 방법이 완전히 실패한다는 것을 보여줍니다. 만약 어떤 변이가 알려진 어떤 환경에서도 테스트되지 않았다면, 단순한 회귀 모델은 새로운 환경에서의 행동을 추측할 수 없습니다. 이는 특히 소스와 타겟 지도가 모두 희소하게 측정되었을 때 중요한 제약이 되며, 이로 인해 특정 유형의 예측으로는 접근할 수 없는 생물학적 영역이 크게 남게 됩니다.

궁극적으로, 이 연구는 유전적 변이가 서로 다른 환경에서 어떻게 기능하는지에 대한 대규모 연구의 범위를 확장하기 위한 개념적 틀을 제공합니다. 어떤 조건에서 어떤 방법이 가장 잘 작동하는지를 명확히 함으로써, 이 연구는 향로의 실험을 설계하는 연구자들에게 실질적인 가이드를 제공합니다. 이는 전략적 균형을 맞추는 방향을 제시합니다. 즉, 데이터가 희박할 때는 단순하고 견고한 모델을 사용하여 토대를 구축하고, 실험 예산이 허용되어 더 밀도 있고 포괄적인 측정이 가능해지면 복잡하고 유연한 모델을 아껴두는 것입니다. 이러한 미묘한 접근 방식은 과학자들이 제한된 자원의 가치를 극대화하여, 실험 결과의 조각들을 생명의 분자 기계가 변화에 어떻게 적응하는지에 대한 일관된 이해로 전환할 수 있도록 보장합니다.