📄 bioengineering

Megascale recombination generates millions of catalytically competent PETases

이 연구는 10개의 박테리아 PETase 서열에 대한 메가스케일 재조합이 수백만 개의 다양하고 촉매 능력을 갖춘 키메라 효소를 생성할 수 있음을 입증하며, 이는 대규모 서열 재조합이 현대의 고처리량 스크리닝과 호환 가능한 단백질 공학을 위한 확장 가능하고 효과적인 전략임을 증명한다.

원저자: Heinzelman, P., Nisonoff, H., Busia, A., Listgarten, J., Romero, P. A.

게시일 2026-09-22

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Heinzelman, P., Nisonoff, H., Busia, A., Listgarten, J., Romero, P. A.

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

단백질은 생명력을 불어넣는 미세한 기계로, 음식을 분해하거나 세포를 구축하는 것과 같은 특정 과업을 수행하기 위해 복잡한 형태로 접힙니다. 수십 년 동안 이러한 기계를 개선하려는 과학자들은 단백질의 코드를 아주 작고 무작위하게 변화시키며 더 나은 버전을 찾기를 기대하는 시행착오 방식에 의존해 왔습니다. 이 접근법은 작은 조정을 하는 데는 효과적이지만, 완전히 새로운 것을 만들거나 가능한 모든 단백질 형태의 광활한 영역을 탐구하는 것이 목표일 때는 어려움을 겪습니다. 더 강력한 전략은 재조합을 포함하는데, 이는 과학자들이 서로 다른 자연 발생 단백질로부터 커다란 DNA 조각들을 잘라내고 붙여서 하이브리드 버전을 만드는 과정입니다. 이 방법은 엄청난 다양성을 생성할 수 있지만, 이러한 '프랑켄슈타인'식 하이브리드들이 여전히 기능을 수행할 수 있는지에 대해서는 여전히 의문이 남아 있었습니다. 만약 서로 다른 출처에서 너무 많은 부품을 섞게 된다면, 기계가 망가져 버릴까요, 아니면 여전히 작동할 수 있을까요?

듀크 대학교와 캘리포니아 대학교 버클리 캠퍼스의 연구진은 이전에 시도된 적 없는 규모의 효소 하이브리드 라이브러리를 구축함으로써 이 질문에 답하고자 했습니다. 그들은 플라스틱을 자연적으로 먹어 치우는 PETase라는 특정 유형의 단백질에 집중했으며, 이 효소의 서로 다른 열 가지 박테리아 버전에 해당하는 유전적 파편들을 결합했습니다. 이 열 가지 부모로부터 온 열 가지의 뚜렷한 DNA 블록을 꿰매어 연결함으로써, 그들은 100억 개의 고유한 조합을 가진 이론적 라이브러리를 만들어냈습니다. 핵심적인 과제는 이 수십억 개의 변이체를 만드는 것뿐만 아니라, 그중에서도 여전히 작동하는 소수를 찾아내는 것이었습니다. 이를 위해 과학자들은 효소를 표면에 표시하는 작은 공장으로서 효모 세포를 사용했습니다. 그런 다음, 작동하는 효소의 활성 중심에만 달라붙는 특수한 화학적 프로브(탐침)를 도입했습니다. 만약 프로브가 부착되었다면, 이는 하이브리드 단백질이 열 개의 서로 다른 조상으로부터 만들어졌음에도 불구하고, 성공적으로 접혀 기능적인 작동 부위를 갖춘 형태가 되었음을 의미했습니다.

결과는 놀라웠습니다. 각 하이브리드 효소가 가장 가까운 자연 친척 모델과 비교했을 때 수십 가지의 변화를 포함하고 있었음에도 불구하고, 라이브러리 내의 수십억 개 변이체 중 약 2%가 여전히 기능하는 징후를 보였습니다. 이 작은 비율은 거대한 라이브러리 안에 숨겨진 약 1억 개의 작동하는 효소로 환산됩니다. 연구진은 분류 기계를 사용하여 작동하는 효모와 작동하지 않는 효모를 분리하여, 단 한 번의 라운드만으로 활성 효소의 밀도를 2%에서 60% 이상으로 높였습니다. 이는 효소들이 기능을 하기 위해 반드시 부모와 거의 동일할 필요는 없으며, 급격히 달라지더라도 여전히 작동 능력을 유지할 수 있음을 입증했습니다.

이러한 발견이 효모 디스플레이 시스템의 인위적인 결과가 아님을 확인하기 위해, 연구팀은 가장 유망한 하이브리드들을 가져와 다른 유형의 세포인 박테리아에서 생산하여 표준 실험실 환경에서 정제 및 테스트가 가능한지 확인했습니다. 그들은 50개의 상위 후보군을 대상으로 효소가 플라스틱 유사 물질을 얼마나 잘 분해하는지 측정하는 액체 테스트를 실시했습니다. 여러 하이브리드 효소들이 원래의 자연 효소만큼이나, 혹은 그보다 더 뛰어난 성능을 보였습니다. 연구진은 가장 우수한 성과를 낸 세 가지를 정제하여 그 활성을 정밀하게 측정했습니다. 열 명의 서로 다른 부모를 가진 모자이크 형태인 이 정제된 효소들은 기질을 효과적으로 분해하는 능력을 유지하고 있었습니다. 이 연구는 작동하는 효소들이 단 하나의 완벽한 설계를 복제한 것이 아니라, 다양한 유전적 조합을 나타내며, 이는 자연이 동일한 문제를 해결하기 위한 수많은 서로 다른 방법들을 가지고 있음을 시사합니다.

이 연구는 과학자들이 현대의 고처리량 스크리닝 기술의 역량에 부합할 만큼 큰 규모의 단백질 라이브러리를 생성하고 스크리닝할 수 있음을 보여줍니다. 대규모 재조합이 기능을 파괴하지 않는다는 것을 보여줌으로써, 이 연구는 이전에 조사하기에는 너무 위험했던 광활한 단백질 공간을 탐색할 수 있는 문을 열어주었습니다. 이는 새로운 효소를 발견하거나 기존의 효소를 개선하는 경로가 처음부터 다시 시작하거나 아주 미세한 점진적 변화를 가하는 것에 국한되지 않는다는 것을 암시합니다. 대신, 다양한 출처의 거대한 유전 코드 조각들을 서로 섞고 맞추면서도 여전히 작동하는 해결책을 찾을 수 있습니다. 이 접근법은 컴퓨터 모델을 훈련하는 데 필요한 방대한 양의 데이터를 생성할 수 있는 확장 가능한 방법을 제공하며, 이는 까다로운 환경적 과제를 해결하거나 자연이 아직 발명하지 못한 새로운 화학 반응을 수행할 수 있는 효소의 발견으로 이어질 수 있습니다.

기술 요약: 메가스케일 재조합을 통한 수백만 개의 촉매 기능적 PETase 생성

문제 제기
단백질 공학은 머신러닝과 수백만에서 수십억 개의 변이체를 평가할 수 있는 고처리량 스크리닝(HTS) 기술에 의존하는 데이터 중심 학문으로 전환하고 있습니다. 그러나 대부분의 실험적 라이브러리는 점 돌연변이(point mutagenesis)를 통해 서열 공간의 좁고 국소적인 영역만을 샘플링하며, 이는 현대적 스크리닝 역량의 규모에 미치지 못한다는 결정적인 병목 현상이 존재합니다. 재조합 기반 전략은 구조적 적합성을 유지하면서 훨씬 더 큰 서열 변화를 생성할 수 있는 잠재력을 제공하지만, 라이브러리 규모가 수백만에서 수십억 개 수준에 도달할 때 고도로 재조합된 효소가 촉매 능력을 유지할 수 있는지 여부는 여전히 불분명합니다. 기존의 재조합 라이브러리는 일반적으로 현재의 HTS 기술이 접근 가능한 규모보다 훨씬 낮은 수준에 머물러 있었으며, 이는 메가스케일에서 기능적 다양성이 유지될 수 있는지에 대한 이해의 공백을 남겼습니다.

방법론
이를 해결하기 위해 저자들은 10종의 박테리아 PETase(폴리에틸렌 테레프탈레이트 가수분해 효소)를 모계 서열로 사용하여 "메가스케일" 재조합 라이브러리를 구축했습니다.

라이브러리 설계: Ideonella sakaiensis PETase의 촉매 도메인을 10개의 연속적인 서열 블록으로 분할했습니다. 이 블록들은 분자 내 접촉의 파괴를 최소화하면서 서열 다양성을 극대화하도록 구조 인지 분석(structure-aware analysis)을 통해 설계되었습니다. 10종의 모체 효소는 전형적인 $\alpha/\beta$ -hydrolase 폴드를 유지하면서도 넓은 범위의 서열 다양성(쌍별 동일성 56~78%)을 포괄하도록 선택되었습니다.
조립 전략: 모듈형 Golden Gate 조립 전략이 채택되었습니다. 10개의 블록 위치 각각에 대해 10종의 모체 유래 DNA 단편들이 합성되었습니다. 이들은 두 단계로 조립되었습니다. 먼저 두 개의 "하프 라이브러리"(블록 1–5 및 6–10)가 구축되었으며, 각 하프 라이브러리의 이론적 다양성은 $10^5$ 였습니다. 이후 이 하프들을 결합하여 총 $10^{10}$ 개의 고유한 키메라 서열을 갖는 전체 라이브러리를 생성했습니다.
스크리닝 플랫폼: 라이브러리는 Saccharomyces cerevisiae 표면에 디스플레이되었습니다. 기능적 스크리닝에는 세린 가수분해 효소의 특징인 반응성 활성 부위 세린을 공유 결합으로 표지하는 플루오로포스포네이트(FP) 프로브가 활용되었습니다. 이를 통해 유세포 분석(FACS)을 통해 표면 발현과 촉매 능력을 동시에 측정할 수 있었습니다.
사후 검증: FACS에 의해 농축된 변이체들은 가용성 발현을 위해 E. coli로 전달되었습니다. 활성은 용해물(lysate) 및 정제된 효소 준비물 모두에서 수용성 크로모제닉 대용 기질(p-nitrophenyl butyrate)을 사용하여 평가되었습니다. 정렬 전후의 모집단을 분석하여 재조합 패턴과 서열 다양성을 조사하기 위해 딥 시퀀싱(Oxford Nanopore)이 수행되었습니다.

주요 결과

높은 빈도의 기능적 변이체: 라이브러리가 가장 가까운 모체 대비 수십 개의 아미노산 치환을 포함함에도 불구하고, 샘플링된 효모 디스플레이 변이체의 약 2%가 FP 반응성을 보였습니다. 이론적 다양성을 고려할 때, 이는 라이브러리에 약 $10^8$ 개의 촉매 기능적 효소가 포함되어 있음을 시사합니다.
성공적인 농축: 단 한 번의 FACS 소팅만으로 FP 반응성 변이체 집단의 비율을 약 2%에서 70% 이상으로 농축했습니다.
서열 다양성 및 재조합 패턴: 딥 시퀀싱 결과, 기능적 모집단은 중앙값 쌍별 해밍 거리(Hamming distance)가 51일 정도로 높은 다양성을 유지하고 있음이 밝혀졌습니다. 특정 모체 서열이 농축된 모집단을 지배하지 않았으며, 대신 촉매 능력은 여러 뚜一个의 뚜렷한 모체 단편들의 조합으로부터 나타났습니다. 농축 패턴은 단일 영역에 국한되지 않고 효소 구조 전체에 걸쳐 분포되었습니다.
가용성 활성: E. coli 용해물에서의 50개 농축 변이체에 대한 2차 스크리닝 결과, 다수의 키메라가 p-nitrophenyl butyrate에 대해 상당한 에스테르 활성을 유지함을 확인했습니다. 상위 성능을 보인 3가지 변이체(PETase-R1, R2, R3)를 정제한 결과, 야생형 I. sakaiensis PETase와 비슷하거나 더 높은 효소 정규화 활성을 나타냈습니다.
라이브러리 품질: 시퀀싱 검증을 통해 분석된 구조의 99% 이상이 삽입, 결실 또는 잔류 제한 효소 부위가 없는 완전한 길이의 키메라임을 확인했습니다.

의의 및 주장
본 논문은 대규모 재조합이 현대적 고처리량 스크리닝 워크플로우와 호환되는 수백만 개의 다양한 촉매 기능적 효소를 생성할 수 있음을 입증합니다. 저자들은 이 연구가 재조합 기반의 다양성 생성 방식을 단백질 공학의 확장 가능한 전략으로 확립하며, 라이브러리 설계와 스크리닝 역량 사이의 간극을 메운다고 주장합니다.

저자들이 강조한 주요 시사점은 다음과 같습니다:

확장성: 재조합은 상당한 비율의 기능적 서열을 유지하면서 수백만에서 수십억 개의 변이체 영역으로 효과적으로 확장될 수 있습니다.
데이터 생성: 이 접근법은 서열 공간 전체에 넓게 분포된 대규모 서열-기능 데이터셋을 생성하기 위한 토대를 제공하며, 이는 장거리 에피스타시스(epistatic) 상호작용을 예측하기 위한 머신러닝 모델을 훈련하는 데 매우 중요합니다.
실용성: 이 방법은 비교적 적은 실험 인프라(표준 Golden Gate 조립 및 합성된 유전자 블록)를 요구하며, 다른 효소 패밀리로 확장 가능합니다.

저자들은 FP 프로브가 직접적인 PET 가수분해보다는 촉매 세린의 능력을 측정한다는 점과 p-nitrophenyl butyrate가 대용 기질이라는 점을 언급하며 한계점에 대해 겸허한 태도를 유지했습니다. 그럼에도 불구하고, 다수의 활성 가용성 키메라를 회수했다는 사실은 광범위한 재조합 경관 내에 광범한 기능적 다양성이 존재함을 시사합니다.

유사한 논문