⚛️ biophysics

Integrating cell-state and enhancer constraints discriminates models of PU.1 regulation during hematopoietic differentiation

본 연구는 정량적인 세포 상태 측정값과 인핸서 제약 조건을 통합함으로써, 조혈 분화 과정 중 PU.1 조절이 자가 조절 및 세포 주기 피드백만으로는 설명될 수 없으며, RUNX1 확장 조절 구조에 의해 매개되는 추가적인 세포 상태 의존적 입력을 필요로 한다는 것을 입증한다.

원저자: Igoshin, O. A., Zhang, Y.

게시일 2026-10-04

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Igoshin, O. A., Zhang, Y.

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

우리 몸 안에는 혈구 세포의 운명을 결정하는 단 하나의 마스터 스위치가 존재합니다. 이 스위치는 PU.1이라 불리는 단백질로, 줄기세포가 감염과 싸우는 대식세포가 될지 아니면 항체를 생성하는 B세포가 될지를 결정하는 역할을 합니다. 이 단백질의 양은 세포 내에서 볼륨 조절 노브와 같이 작용합니다. 낮은 수준은 세포를 한 경로로 유도하고, 높은 수준은 다른 경로로 밀어붙입니다. 수년 동안 과학자들은 이 볼륨 노브가 어떻게 조절되는지 이해하고 있다고 믿었습니다. 그들은 세포가 단순히 자신의 내부 기제를 조정하여, 더 많은 단백질이 더 많은 단백질을 만드는 자기 강화 루프를 만들어냄으로써 결국 세포를 특정 정체성 안에 고정시킨다고 생각했습니다. 이 아이디어는 어떻게 서로 다른 혈구 세포들이 안정적으로 공존할 수 있는지를 설명해 주는 듯 보였습니다. 그러나 연구자들이 세포가 얼마나 빨리 분열하는지와 실제로 얼마나 많은 단백질을 만드는지에 대한 실제 측정값에 이 이론을 대조해 보았을 때, 기존의 설명은 무너지기 시작했습니다.

라이스 대학교의 연구팀은 세포를 이론적인 개념이 아니라 엄격한 규칙을 가진 물리적 시스템으로 다룸으로써 이 고장 난 모델을 바로잡기 위해 나섰습니다. 그들은 세 가지 구체적인 데이터, 즉 서로 다른 혈구 세포 유형에 들어있는 PU.1 단백질의 양, 세포가 새로운 단백질을 만드는 속도, 그리고 각 세포 유형이 분열하는 데 걸리는 시간의 기존 데이터를 수집했습니다. 그들은 단백질 수준과 세포 분열 속도 사이의 단순한 피드백 루프에 의존했던 기존 이론이 실제 데이터와 일치할 수 없다는 것을 발견했습니다. 그 이론은 단백질이 더 많을수록 항상 더 느리게 분열할 것이라고 예측했지만, 측정 결과는 다른 패턴을 보여주었습니다. 일부 세포 유형에서는 가장 높은 단백질 수준을 가진 세포가 오히려 낮은 수준의 세포보다 더 빠르게 분열하고 있었습니다. 게다가, 기존 모델은 미성숙 세포를 단 한 종류만 설명할 수 있었으나, 데이터는 명확하게 서로 다른 특성을 가진 두 개의 뚜렷한 미성숙 세포 집단이 존재함을 보여주었습니다.

이 수수께끼를 풀기 위해 과학자들은 수집한 실제 수치들을 바탕으로 테스트하며 점진적으로 복잡해지는 일련의 컴퓨터 시뮬레이션을 구축했습니다. 먼저, 그들은 세포가 분열할 때 단백질을 희석하는 속도를 실제 측정된 분열 시간을 사용하여 조정함으로써 기존의 아이디어를 살려보려 했습니다. 하지만 이는 작동하지 않았습니다. 정확한 분열 속도를 사용하더라도, 단일 자기 조절 루프만으로는 자연계에서 관찰되는 두 가지 서로 다른 미성별 세포 상태를 만들어낼 수 없었습니다. 연구진은 세포가 세포의 정체성에 따라 PU.1 볼륨 노브를 올리거나 내리는 데 도움을 주는 두 번째 요인, 즉 추가적인 입력값이 반드시 있어야 한다는 것을 깨달았습니다. 그들은 PU.1과 상호작용하는 알려진 파트너 단백질인 C/EBPα를 테스트했습니다. 이 쌍은 적절한 수의 안정적인 상태를 만들어낼 수는 있었지만, 모델은 여전히 미성숙 세포를 성숙한 세포와 비교했을 때 올바른 위치에 배치하는 데 실패했습니다. 시뮬레이션은 계속해서 미성숙 세포가 실제로 측정된 것보다 단백질이 너무 적을 것이라고 예측했습니다.

해결책은 연구팀이 세 번째 플레이어인 RUNX1이라는 단백질을 혼합물에 추가했을 때 나타났습니다. 이 단백질은 PU.1 생산을 조절하는 동일한 유전 영역에 결합합니다. 연구진이 RUNX1을 모델에 포함시켜 다른 요인들과 함께 PU.1 생산에 영향을 미치도록 설정하자, 시뮬레이션은 갑자기 모든 데이터와 완벽하게 일치했습니다. 이제 모델은 모든 서로 다른 세포 유형에 대해 정확한 단백질 수준, 합성률, 분열 시간을 재현할 수 있었으며, 여기에는 두 개의 뚜렷한 미성숙 세포 집단도 포함되었습니다. 연구진은 이 새로운 구조가 C/EBPα 단백질로부터 매우 날카롭고 스위치 같은 반응을 필요로 한다는 것을 발견했으며, 이는 세포가 이러한 결정적인 결정을 내리기 위해 매우 민감한 기제를 사용하고 있음을 시사합니다.

이 연구는 단순히 모델을 수정하는 것을 넘어, 혈구 세포의 정체성 조절이 단순한 자기 루프보다 훨씬 더 복잡하다는 것을 밝혀냅니다. 이는 세포가 올바른 마스터 단백질 수준을 설정하기 위해 자신의 성장률, C/EBPα와의 파트너십, 그리고 RUNX1으로부터의 결정적인 부스트(boost)를 결합하여 의존한다는 것을 보여줍니다. 이 연구는 이전에 관찰된 두 그룹의 미성숙 세포가 이 특정한 조절 구조 때문에 존재하는 실제의 뚜렷한 개체군일 가능성이 높다는 것을 시사합니다. 연구진은 결론에 도달하기 위해 컴퓨터 시뮬레이션을 사용했지만, 이 모델은 실제 실험적 측정값에 의해 엄격하게 제약되어 있어, 그 결과가 향리 생물학적 실험을 위한 강력한 가이드가 될 수 있게 합니다. 다음 단계는 과학자들이 실험실에서 이러한 구체적인 예측들을 테스트하여, RUNX1과 C/EBPα의 날카로운 스위치 같은 행동이 정말로 올바른 세포 운명을 여는 열쇠인지 확인하는 것입니다.

문제점
조혈 분화는 B 세포, 대식세포, 전구 세포와 같은 특정 계통과 연관된 뚜렷하고 안정적인 분자 상태를 확립하는 과정을 포함한다. 전사 인자 PU.1은 이 과정의 핵심 조절자로, 그 풍부도는 이러한 상태에 따라 정량적으로 변화한다. 이전의 영향력 있는 연구는 자가 조절 및 성장 피드백(AR&GF) 모델을 제안하며, PU.1 자가 조절이 세포 분열을 늦추는(단백질 희석을 감소시키는) 피드백 루프와 결합하여 B 세포, 전구 세포, 대식세포에 해당하는 세 가지 안정적인 정상 상태를 생성한다고 주장했다. 그러나 이 모델은 주로 질적인 경향을 설명하기 위해 개발되었으며, 이를 뒷받침하는 PU.1 풍부도, 합성률, 세포 주기 지속 시간의 구체적인 측정값에 대해 정량적으로 평가되지 않았다. 본 논문에서 다루는 핵심 과제는 AR&GF 메커니즘이 보고된 세포 상태 측정값을 정량적으로 재현할 수 있는지 여부를 결정하는 것이며, 만약 그렇지 않다면 독립적인 인핸서-리포터 제약 조건을 충족하면서 이를 가능하게 하는 최소한의 조절 특징이 무엇인지 식별하는 것이다.

방법론
저자들은 점진적으로 더 기계적인 동역학 시스템 모델을 사용하는 모델 판별 전략을 채택하였다. 저자들은 보고된 PU.1-GFP 풍부도, PU.1 합성률, 세포 주기 길이 측정값을 정상 상태와 제거율에 대한 정량적 제약 조건으로 취급하였다. 또한, PU.1 생산 함수를 제약하기 위해 인핸서-리포터 섭동 데이터를 사용하였다.

모델링 워크플로우는 다음과 같다:

AR&GF 모델 평가: 저자들은 먼저 원래의 AR&GF 모델을 데이터와 대조하여 테스트하였다. 그 결과, 이 모델은 두 개의 뚜렷한 전구체 그룹(pro-low 및 pro-high)과 PU.1 수준과 세포 주기 길이 사이의 비단조적 관계를 재현하는 데 실패함을 발견하였다.
이산 성장률을 갖는 자가 조절(AR&DGR): 보편적인 성장 피드백 함수를 직접 측정된 세포 주기 길이로부터 유도된 세포 유형별 희석률로 대체하였다. PU.1 자가 조절만으로, 공유된 생산 파라미터를 가지되 서로 다른 제거율을 가질 때 데이터를 맞출 수 있는지 테스트하였다.
세포 유형 특이적 자가 조절: 추가적인 생산 측 입력이 필요한지 테스트하기 위해, PU.1 생산 함수에 세포 상태 의존적 스케일링 인자( $X$ )를 도입하였다.
C/EBP $\alpha$ 와의 양성 피드백: 추상적인 인자 $X$ 를 구체적인 생물학적 후보인 C/EBP $\alpha$ 로 교체하여, 상호 양성 피드백 루프(PU.1 $\leftrightarrow$ C/EBP $\alpha$ )를 생성하였다. 이 모델은 세포 상태 데이터와 인핸서 돌연변이로부터 얻은 PU.1 리포터 활성 데이터에 의해 제약되었다.
RUNX1 확장 아키텍처: 마지막으로, RUNX1 결합 부위가 PU.1 발현에 유의미한 영향을 미친다는 증거에 기반하여, PU.1 인핸서에 대한 추가적인 입력으로서 RUNX1을 통합하였다. 이 "RUNX1 모델"은 RUNX1 섭동 데이터를 포함하여 확장된 데이터셋에 맞춰 피팅되었다.

전 과정에서 모델은 상미분 방정식(ODE)으로 구현되었으며, 모델 예측과 실험 데이터의 결합 범위 사이의 오차를 최소화하기 위해 입자 군집 최적화(particle-swarm optimization)를 사용하여 피팅되었다.

주요 기여 및 결과

AR&GF 모델의 정량적 불일치: 본 연구는 원래의 AR&GF 모델이 동기 부여가 된 데이터와 정량적으로 일치하지 않음을 보여준다. 이 모델은 관찰된 두 그룹(pro-low 및 pro-high) 대신 단 하나의 전구체 끌개(attractor)만을 예측하며, PU.1 수준과 세포 주기 길이 사이의 단조적 관계를 강제하는데, 이는 pro-high 세포가 높은 PU.1을 가지면서도 짧은 세포 주기를 갖는다는 데이터와 모순된다.
희석 차이의 불충분함: 보편적인 성장 피드백 가정을 측정된 세포 유형별 희석률(AR&DGR 모델)로 대체하더라도 불일치는 해결되지 않는다. 단일한 공유 PU.1 자가 조절 생산 함수는 B 세포, pro-low, pro-high 세포의 서로 다른 제거 함수와 요구되는 풍부도 및 합성률 범위에서 교차할 수 없다.
세포 상태 의존적 생산의 필요성: 결과는 PU.1 생산이 자가 조절과 희석 이상의 추가적인 세포 상태 관련 입력에 의존해야 함을 나타낸다. 세포 유형 특이적 스케일링 인자를 가진 모델은 데이터를 성공적으로 재현하며, 이는 두 번째 조절 인자가 존재함을 시사한다.
C/EBP $\alpha$ 피드백만으로는 불충전함: C/EBP $\alpha$ 를 인핸서-리포터 데이터에 의해 제약된 폐쇄 루프 피드백 시스템 내의 두 번째 인자로 모델링했을 때, 모델은 pro-low 끌개를 올바르게 배치하는 데 실패하였다. 개방 루프 피팅은 작동하지만, 알려진 결합 부위에 기반한 힐 계수(Hill coefficient) 2의 폐쇄 루프 역학은 너무 완만하다. 협력성(cooperativity)을 높이더라도 두 상태 중 어느 것도 측정된 pro-low 범위를 일치시키지 못하는 쌍안정성(bistability)이 나타난다.
RUNX1 확장 모델의 성공: PU.1 의존적 C/EBP $\alpha$ 활성화를 위한 추가적인 입력으로 RUNX1을 포함함으로써 모델은 모든 제약 조건을 충족할 수 있었다. 높은 유효 협력성(힐 계수 $\approx$ 10)을 가진 RUNX1 확장 모델은 세포 상태 측정값(풍부도 및 합성률)과 인핸서-리포터 섭동 데이터를 공동으로 재현한다. 널라인(nullcline) 분석은 RUNX1이 PU.1 널라인을 위쪽으로 이동시켜, pro-low 끌개를 측정된 범위 내에 올바르게 위치시킴을 보여준다.

의의
본 논문은 단순히 다중 안정성을 생성하는 모델과 생물학적 실체와 정량적으로 일치하는 모델을 구분하기 위해서는 동역학 시스템 제약과 시스 조절(인핸서) 제약을 통합하는 것이 필수적이라고 주장한다. 이 연구는 세포 유형 특이적 희석, PU.1-C/EBP $\alpha$ 피드백, 그리고 RUNX1으로 표현되는 추가적인 인핸서 수준 입력을 결합한 PU.1의 조절 아키텍처를 지지한다.

저자들은 이 프레임워크가 다음과 같은 구체적이고 실험적으로 검증 가능한 가설을 생성한다고 명시한다:

pro-low 시스템은 쌍안정성을 보일 수 있으며, 이는 PU.1 풍부도는 다르지만 성장률은 유사한 두 종류의 전구체 하위 집단이 존재함을 시사한다.
C/EBP $\alpha$ 활성화에 필요한 높은 유효 협력성은 단순한 결합 부위 점유를 넘어선 메커니즘, 예를 들어 C/EBP $\alpha$ 자가 조절 또는 전사 인자의 공동 응축(co-condensation)을 시사한다.
모델은 B 세포의 전체적인 생산율이 더 낮음에도 불구하고, 기저 프로모터에 의한 PU.1 발현이 대식세포보다 높을 것이라고 예측하며, 이는 세포 유형 간의 생산 차이가 기저 프로모터 활동만이 아닌 인핸서 수준의 조절에 의해 형성됨을 의미한다.

저자들은 자신들의 결론이 선택된 데이터셋과 가정 하에서의 통합에 국한된 것이며, C/EBP $\alpha$ 와 RUNX1에 대한 고유한 생물학적 요구를 암시하는 것은 아니라는 점을 겸허히 언급하며, RNA-seq을 단백질 생산의 대리물로 사용한 점이나 별개의 하위 집단을 가릴 수 있는 전구체 데이터의 집계와 같은 한계를 인정하였다.

유사한 논문