Isoform inflation and annotation heterogeneity can confound Kunitz-repertoire comparisons in blood-feeding animals: a gene-level reappraisal

기술 요약: Kunitz 레퍼토리 비교에서의 이소폼 팽창(Isoform Inflation) 및 주석 불균질성(Annotation Heterogeneity)

문제 제기
흡혈(hematophagy)의 진화는 서로 다른 계통이 숙주의 지혈 작용에 대응하기 위해 Kunitz/BPTI 도메인과 같은 특정 항응고 단백질 가계(family)를 독립적으로 모집하는 수렴 진화의 전형적인 사례로 자주 인용된다. 한 가지 지배적인 가설은 흡혈이 이러한 유전자 가계의 수렴적 확장을 유도한다는 것이다. 그러나 서로 다른 문(phylum) 간의 레퍼토리를 비교할 때, 많은 연구가 유전자 수(gene counts)가 아닌 단백질 엔트리 수(주석된 이소폼 수, annotated isoforms)에 의존한다. 이러한 접근 방식은 두 가지 주요 기술적 아티팩트에 의해 혼란을 겪는다:

1. 이소폼 팽창(Isoform Inflation): 주석된 이소폼과 유전자의 비율은 게놈 프로젝트의 파이프라인 및 범위 차이에 따라 크게 달라지며, 이는 생물학적 실체를 반영하지 못한 채 가계의 수를 팽창시킬 수 있다.
2. 주석 불균질성(Annotation Heterogeneity): 서로 다른 계통은 종종 서로 다른 파이프라인(예: RefSeq 대 제출자 특정 주석)을 사용하여 주석이 달리기 때문에, 분자(가계 히트 수)와 분모(시크레톰 크기) 모두에 체계적인 편향을 도입한다.

이러한 요인들은 실제 유전자 수준에서는 존재하지 않을 수 있는 가상의 "수렴" 패턴을 만들어낼 수 있다.

방법론
저자들은 8개의 메타조아(metazoan) 계통(5종의 흡혈 생물: 거머리, 진드기, 구아사귀, 모기, 흡혈 박쥐; 3종의 비흡혈 생물: Capitella, C. elegans, Drosophila)에 대해 Kunitz/BPTI 레퍼토리에 대한 엄격하고 감사 가능한 재분석을 수행하였다. 본 연구는 다음과 같은 제약 조건을 가진 유전자 수준의 센서스 프로토콜을 채택하였다:

• 유전자 수준 매핑: 단백질을 GFF3 CDS 속성을 사용하여 유전자에 매핑하였으며, 고정된 우선순위(locus_tag > Dbxref:GeneID > gene symbol)를 적용하였다. 이소폼의 모호성을 피하기 위해 트랜스크립트 Parent 필드는 명시적으로 제외하였다.
• 이소폼 압축(Isoform Collapsing): 유전자당 가장 긴 이소폼 하나만을 대표값으로 유지하였다.
• 도메인 탐지: 계통 간 균일성을 보장하기 위해 gathering threshold(--cut_ga)를 사용한 hmmsearch를 통해 프로파일을 스코어링하였다.
• 주석 감사: 파이프라인별 효과를 격리하기 위해, 발표된 주석과 거머리 게놈(Hirudinaria manillensis)에 대한 균일한 자체 주석을 비교하였다.
• 실행 가능성 평가: 대조군이 일치하는 교차 문(cross-phylum) 테스트가 통계적으로 실행 가능한지 평가하기 위해 사전 등록된 해시 동결(hash-frozen) 프로토콜을 사용하였다. 여기에는 독립적인 흡혈 기원의 열거, 비교 가능한 주석이 달린 비흡혈 제어군의 가용성 감사, 그리고 다양한 종점(endpoint)에 대한 통계적 검정력 시뮬레이션이 포함되었다.

주요 결과

1. 유전자 수준 수치에서의 보편적 상승 부재:
   유전자 수로 제한했을 때, 흡혈 생물은 비흡혈 생물에 비해 Kunitz 레퍼토리 크기가 일관되게 보편적으로 높게 나타나지 않았다.

• 중앙값: 흡혈 생물(중앙값 = 18개) vs. 비흡혈 생물(중앙값 = 39개).
• 분포: 흡혈 생물의 범위(4–114)는 비흡혈 생물의 범위(37–39)와 상당 부분 겹쳤다. 가장 큰 두 레퍼토리(진드기: 114, 구아사귀: 79)는 흡혈 생물이었으나, 가장 작은 두 레퍼토리(거머리: 4, 모기: 5) 역시 흡혈 생물이었다.
• 결론: 흡혈 생물에서 기대되었던 거대한 Kunitz 레퍼토리 패턴은 유전자 수준에서 재현되지 않았다.

2. 유의미한 이소폼 팽창:
   단백질 엔트리 수는 유전자 수준의 수를 실질적으로 과대평가하였으며, 팽창 계수는 1.00배에서 4.60배까지 다양했다(예: 모기의 경우 23개의 단백질 엔트리가 5개의 유전자로 압축됨).

• 식이 독립성: 이러한 팽창은 섭식 범주와 상관관계가 없었다. 예를 들어, 비흡혈 생물인 Drosophila는 흡혈 생물인 모기(1.94)보다 높은 이소폼 밀도(2.20)를 보였다.
• 시사점: 단백질 엔트리 비교는 생물학적 신호와 주석 아티팩트를 혼동하기 때문에 레퍼토리 주장에 있어 신뢰할 수 없는 근거가 된다.

3. 주석 파이프라인 효과:
   동일한 게놈 어셈블리를 균일한 파이프라인으로 재주석 처리한 결과, 가계별 불일치가 드러났다.

• 불균질성: Antistasin 가계의 경우, 재주석 처리는 단일 파이프라인으로 주석 처리된 서로 다른 종들 사이에서 나타난 변동을 훨씬 초과하는 297.5%의 밀도 변화를 일으켰다.
• 히루딘(Hirudin) 사례: 자동화된 재주석은 수동으로 큐레이션된 기존 주석에 존재하던 핵심 거머리 항응고제인 hirudin 유전자를 복구하는 데 실패하였다. 이는 증거 기반의 ab initio 예측이 짧고 계통 특이적인 분비 펩타이드를 찾는 데 어려움이 있음을 보여준다.

4. 현재 데이터로는 확인적 테스트가 불가능함:
   사전 등록된 실행 가능성 평가 결과, 현재의 공공 게놈 데이터로는 적절한 검정력을 가진 확인적 교차 문 테스트가 불가능한 것으로 판단되었다.

• 데이터 희소성: 비교 가능한 주석이 달린 게놈을 가진 후보 매칭 쌍은 단 하나(침노린재 vs 미리드)뿐이었다. 대부분의 기원은 적절한 비흡혈 제어군이 결여되어 있었다.
• 통계적 검정력: 높은 빈도를 가정하더라도, 독립적인 기원의 수(최대 약 12–15개)는 "보편적 농축" 종점을 위한 검정력을 갖추기에 불충분하다. "교사적 이질성(cross-origin heterogeneity)" 종점은 이론적으로 가능했으나, 이는 탐색적 데이터가 지원하지 않는 수준의 이질성을 필요로 한다.
• 결론: 현재의 후보 세트는 지금 당장 확인적 테스트를 수행할 수 없다. 저자들은 추가적인 적합한 게놈이 존재하거나 이용 가능할 수 있음(예: 균일한 재주석을 통해)을 언급하며, 이는 생물학적 질문 자체가 답변 불가능한 것이 아니라 현재의 데이터 환경이 결정적인 테스트를 가로막고 있음을 의미한다.

의의 및 주장
본 논문은 흡혈 생물에서의 항응고제 배치라는 생물학적 실체를 반박하거나 수렴 진화를 일반적으로 부정하려는 것이 아니다. 대신, 다음 세 가지 구체적인 기여를 목표로 한다:

1. 유전자 수준의 재평가: 엄격하고 감사 가능한 유전자 수준의 기준을 적용했을 때, 흡혈 생물에서 Kunitz 도메인의 "수렴적 확장"이 널리 인용되는 것만큼 지지되지 않음을 입증한다.
2. 방법론적 경고: 이소폼 팽창과 주석 불균질성이 비교 유전체학의 주요 혼란 요인임을 확립한다. 단백질 엔트리 수는 유전자 수준에서 분석할 때 사라지는 가상의 계통 차이를 만들어낼 수 있다. 저자들은 문(phylum) 간의 레퍼토리 크기에 대한 정량적 주장은 유전자 수준의, 주석을 고려한 수치에 기반해야 하며, 이상적으로는 균일한 재주석을 거쳐야 한다고 주장한다.
3. 수렴성 테스트를 위한 규율: 수렴 형질을 테스트하기 위한 엄격한 워크플로우를 제안한다: (1) 독립적 기원 열거, (2) 비교 가능한 주석을 가진 매칭 제어군의 가용성 감사, (3) 확정적 설계를 확정하기 전 통계적 검정력 시뮬레이션. 거머리와 같은 흡혈 현상과 항응고제 유전자의 경우, 현재의 데이터 환경은 이러한 전제 조건을 충족하지 못하므로 결정적인 확인적 테스트가 불가능하다.

저자들은 자신의 결과가 기술적(descriptive)이며 주의를 환기하는 성격임을 강조하며, 이는 수렴적 모집의 부재를 확정적으로 증명하는 것이 아니라 현재의 데이터가 무엇을 뒷받할 수 없는지를 보여주는 것이라고 밝힌다. 또한, 기능적 수렴은 레퍼토리의 전체 게놈 수치만으로는 제공할 수 없는 배치(발현) 증거에 의존한다는 점을 명시한다.