A Minimal Model of Functional Redundancy as a Route to Enzyme Specialisation

효소는 세포를 만들고, 음식을 소화하며, DNA를 수리하는 화학 반응을 가속화하여 생명을 유지하게 하는 작은 기계들입니다. 오랫동안 과학자들은 이 기계들이 하나의 특정 작업에 매우 효율적이 되기 위해서는 대개 분리되어야 한다고 믿어왔습니다. 표준적인 이야기는 유전자가 스스로를 복제하여 생명체에게 동일한 도구의 두 가지 버전을 제공한다는 것이었습니다. 한 복사본은 원래의 작업을 계속 수행할 수 있고, 다른 복사본은 새로운 작업에 특화되도록 변화할 자유를 얻는다는 것입니다. 유전자 중복이라고 알려진 이 과정은 자연이 새로운 전문화된 효소를 만들어내는 주요 방법으로 오랫동안 간주되어 왔습니다. 하지만 이는 까다로운 질문을 던집니다. 만약 생명체가 복사본을 만들 여유가 없다면 어떻게 될까요? 만약 생명체가 이미 가지고 있는 단백질로 어떻게든 해내야만 한다면 어떨까요? 단일 단백질이 생명체에게 여전히 필요한 다른 일들을 돕는 능력을 잃지 않으면서도, 어떻게 한 가지 일에 더 집중할 수 있을까요?

연구팀은 단백질들이 업무량을 나누어야 할 때 어떻게 변화하는지를 관찰하기 위해 진화의 디지털 모델을 구축함으로써 이 질문에 답하고자 했습니다. 그들은 실험실에서 실제 박테리아나 효모를 관찰한 것이 아니라, 일련의 단백질들이 120가지의 서로 다른 화학 반응을 공동으로 관리해야 하는 단순화된 컴퓨터 시뮬레이션을 만들었습니다. 그들의 세계에서 생명체의 '적합도' 또는 성공은 전체 단백질 그룹이 이러한 반응들을 함께 얼마나 잘 수행하느냐에 전적으로 달려 있었습니다. 연구진은 각 단백질이 여러 다른 반응을 도울 수 있는 일반론자(generalists), 즉 각 기능에 대해 완벽하지는 않지만 많은 반응에 도움을 줄 수 있는 상태의 단백질들로 시작했습니다. 그런 다음 이 단백질들이 시간이 지남에 따라 진화하도록 하여, 그들의 활동 수준이 돌연변이를 일으키고 변화할 수 있게 하되, 한 가지 엄격한 규칙을 적용했습니다. 즉, 새로운 유전자의 생성은 허용되지 않았습니다. 실험 전체 과정 동안 단백질의 수는 고정되었습니다.

목표는 생명체가 여전히 120가지의 모든 반응이 일어나기를 필요로 함에도 불구하고, 단백질들이 자연스럽게 자신의 에너지를 몇 가지 핵심 과업에 집중하여 전문화될 수 있는지 확인하는 것이었습니다. 연구진은 다양한 조건 하에서 이를 테스트했습니다. 그들은 사용할 수 있는 단백질의 수, 활동을 증가시키거나 감소시킬 확률, 그리고 단백질의 구조가 동시에 일어날 수 있는 활동을 얼마나 제한하는지를 변화시켰습니다. 한 버전의 시뮬레이션에서는 돌연변이가 기능을 개선하는 것보다 감소시키는 쪽으로 더 발생하기 쉬웠는데, 이는 기능을 향상시키는 것보다 망가뜨리는 것이 더 쉽다는 시나리오를 모방한 것이었습니다. 또 다른 버전에서는 증가와 감소가 동일하게 발생했습니다. 그들은 이 과정을 보기 위해 수백 번의 시뮬레이션을 실행했습니다.

결과는 유전자 중복 없이도 전문화가 일어났음을 보여주었습니다. 거의 모든 시나리오에서 단백질들은 더 집중되었습니다. 그들은 많은 반응에 노력을 얇게 분산시키는 것을 멈추고, 대신 더 적은 수의 과업에 자신들의 활동을 집중했습니다. 연구진은 '유효 폭(effective breadth)'이라는 통계적 척도를 사용하여 이를 측정했습니다. 이는 단백질의 활동이 얼마나 넓게 분포되어 있는지를 나타냅니다. 시작 단계에서 평균적인 단백질의 유효 폭은 약 13.5였습니다. 시뮬레이션이 진행된 후, 이 수치는 크게 감소했습니다. 기능 손실 편향 돌연변이 시나리오에서는 폭의 평균 감소량이 약 1.6에서 4.0 단위 사이였고, 대칭 돌연변이 시나리오에서는 6.3에서 8.2 단위 사이였습니다. 동시에, 단백질의 총 노력 중 단일 최강 과업에 할당되는 비율은 커졌습니다. 이는 단백질들이 단순히 무작위로 기능을 잃은 것이 아니라, 자신들의 주요 과업에 더 잘 집중하기 위해 능동적으로 재편성되었음을 의미합니다.

결정적으로, 이러한 전문화는 생명체의 생존을 희생시키지 않았습니다. 단백질들이 더 집중됨에 따라 시스템 내의 가장 취약한 반응들조차 붕괴되지 않았습니다. 많은 단백질이 함께 일하고 있었기 때문에, 만약 한 단백질이 특정 반응을 돕는 능력을 잃더라도 다른 단백질들이 그 빈자리를 채울 수 있었기 때문입니다. 시스템은 이러한 중복성에 의해 완충되었습니다. 연구진은 가장 어려운 반응들의 성능이 비교적 안정적으로 유지되었으며, 일부 경우에는 오히려 개선되기까지 했다는 것을 발견했습니다. 이는 전문화에 대한 압력이 생명체가 기본적인 요구를 처리하는 능력을 희생하도록 강요하지 않았음을 시사합니다. 단백질들은 더 효율적인 전문가가 될 수 있었고, 동시에 집단 전체는 생명체에게 필요한 모든 것을 계속해서 공급할 수 있었습니다.

가장 놀라운 발견 중 중 하나는 이러한 전문화로의 전환이 기능을 상실하는 방향으로의 편향을 필요로 하지 않았다는 점입니다. 많은 과학자는 단백질이 전문화되기 위해서는 추가적인 능력을 파괴하는 방향으로의 돌연변이 압력이 필요할 것이라고 가정했습니다. 그러나 연구진은 돌연변이가 활동을 증가시키거나 감소시키는 것이 동일하게 발생할 때도 전문화가 일어난다는 것을 발견했습니다. 사실, 증가와 감소가 균형을 이룬 시뮬레이션이 기능을 잃는 것이 더 흔한 경우보다 훨씬 더 강력한 전문화 경향을 보였습니다. 이는 전문화에 대한 동력이 특정 유형의 돌연변이로부터 오는 것이 아니라, 시스템이 조직되는 방식과 성공이 측정되는 방식으로부터 온다는 것을 나타냅니다. 단백질들은 집단의 성공을 위한 가장 효과적인 전략이 무엇인지에 따라 자연스럽게 노력을 집중하는 방법을 찾아냈습니다.

또한 이 연구는 단백질의 물리적 구조가 복잡한 역할을 한다는 것을 밝혀냈습니다. 연구진은 단백질의 한 부분이 동시에 두 가지 다른 일을 너무 잘할 수 없도록 하는 규칙을 모델에 포함하여, 현실 세계의 물리적 한계를 시뮬레이션했습니다. 그들은 이 한계가 더 엄격해질수록 단백질이 더 많이 전문화되도록 밀어붙이는 것이 아니라는 것을 발견했습니다. 대신, 그 효과는 비선형적이었습니다. 만약 한계가 너무 엄격하면 특정 진화 경로를 차단하여 전문화를 더 어렵게 만들었습니다. 반대로 한계가 너무 느슨하면 단백질들이 변화할 압력을 느끼지 못했습니다. 물리적 제약이 전문화를 촉진하는 데 가장 잘 작동하는 중간 지점이 존재했습니다. 이는 효소의 물리적 구조가 단순히 장벽 역할을 하는 것이 아니라, 전문화가 이루어지는 방식을 미세하게 조정하는 요소임을 시사합니다.

시뮬레이션 전반에 걸쳐 시스템의 총 화학적 활동량은 실제로 증가했습니다. 단백질들은 전반적으로 더 강력해졌지만, 이는 모델이 자원을 절약하는 방식으로 효율성을 강요했기 때문이 아니었습니다. 모델은 생명체가 더 활발한 효소를 만드는 것에 대해 벌칙을 주지 않았습니다. 대신, 총 활동량의 증가는 단백질들이 협력하는 더 나은 방법을 찾은 데 따른 부수적인 결과였습니다. 핵심적인 결론은 자원 사용 측면에서의 효율성이 아니라, 작업의 분포가 변했다는 것입니다. 단백질들은 모든 일을 조금씩 하는 일반론자에서 벗어나, 몇 가지 일에 집중하여 많은 것을 해내는 전문가가 되었으며, 동시에 집단 전체는 필요한 모든 과업을 처리할 수 있는 능력을 유지했습니다.

이 연구는 유전자 중복이 효소가 전문화되는 유일한 방법이라는 생각에 도전합니다. 유전자 중복은 자연계에서 잘 알려져 있고 중요한 과정이지만, 본 연구는 전문화가 일어나기 위해 유전자 중복이 논리적인 필수 요건은 아님을 보여줍니다. 단백질의 수가 고정되어 있더라도 기존의 도구들이 스스로를 재편성할 수 있습니다. 단백질들은 자신의 초점을 옮겨 특정 작업에 더 헌신할 수 있으며, 동시에 집단의 공동 노력이 중요한 기능이 누락되지 않도록 보장합니다. 연구진은 전문화의 경로가 이전에 생각했던 것보다 더 넓다는 결론을 내렸습니다. 그것은 반응 네트워크 전체의 성능을 균형 있게 조절하려는 필요성에 의해 추진되며, 기존의 기여를 재편성함으로써 일어날 수 있습니다.

이 발견의 함의는 생명의 역사를 이해하는 데 있어 매우 중요합니다. 이는 유전자가 매우 적고 중복 능력이 없는 초기 생명체들도 고도로 전문화된 효소를 진화시킬 수 있었음을 시사합니다. 그들은 가진 몇 안 되는 단백질의 활동을 미세하게 조정함으로써, 유전 코드를 복사할 필요 없이 더욱 효율적인 효소를 만들 수 있었을 것입니다. 이 연구는 자연이 어떻게 다수의 복제가 아닌 협력과 재분배를 통해 전문화 문제를 해결할 수 있는지를 보여주는 명확한 시뮬레이션 사례를 제공합니다. 이는 생명의 복잡성 진화가 항상 새로운 부품을 요구하는 것이 아니라, 때로는 기존의 부품들이 더 나은 방식으로 협력하는 법을 찾는 과정임을 보여줍니다.

결국, 연구진은 전문화가 많은 개체가 업무량을 공유하고 성공이 집단의 공동 성과에 달려 있는 시스템에서 나타나는 자연스러운 결과임을 입증했습니다. 모델 속의 단백질들은 마스터 플랜이나 특정 유형의 돌연변이를 필요로 하지 않았습니다. 그들은 단지 자신이 가장 잘하는 일에 집중하면서, 나머지 부분은 이웃들에게 맡기는 방향으로 진화했습니다. 이 과정은 다양한 조건에서 일관되게 나타났으며, 전문화 능력이 유전자 중복이 없는 상황에서도 생물학적 시스템의 견고한 특징임을 증명했습니다. 이 연구는 단순한 일반론적 시작으로부터 오늘날 우리가 보는 복잡하고 전문화된 기계로 생명이 어떻게 진화했을지에 대한 새로운 관점을 제시합니다.