Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
이 논문은 TACO 반복 서열 압축기와 SALSA 좌표 매핑 시스템을 변형된 웨이브프런트 정렬 알고리즘과 결합하여 다양한 척추동물 및 초파리 게놈 전반에 걸쳐 LTR-레트로트랜스포존 가문을 정밀하게 식별, 클러스터링 및 분석하는 빠르고 메모리 효율적인 계산 프레임워크인 HiRepEat을 소개한다.
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
게놈은 네 개의 화학적 문자로 쓰인 생명의 설계도입니다. 하지만 이 설계도는 깨끗하고 선형적인 문서가 아닙니다. 그 안에는 텍스트 전체에 걸쳐 스스로를 복사하여 붙여넣는 고대의 반복적인 구절들이 가득 차 있습니다. 이러한 자기 복제 요소의 주요 유형 중 하나는 긴 말단 반복(long terminal repeat) 레트로트랜스포존(retrotransposon)입니다. 이것들은 RNA 중간체를 사용하여 자신의 복사본을 만들고 그 복사본을 게놈에 다시 삽입할 수 있는 유전적 서열입니다. 수백만 년에 걸쳐 이들은 매우 많이 축적되어, 많은 동물에서 전체 DNA의 상당 부분을 차지하게 되었습니다. 이러한 요소들이 어디에 있는지, 그리고 시간이 흐름에 따라 어떻게 변화했는지를 이해하는 것은 진화를 이해하는 데 매우 중요하지만, 이를 찾아내는 것은 매우 어려운 일로 알려져 있습니다. 이들은 서로 너무 유사하고 종종 다른 반복 서열 안에 묻혀 있기 때문에, 표준 컴퓨터 도구들은 이들을 노이즈나 서로 다른 요소들로부터 구분하는 데 어려움을 겪으며, 종종 오래된 가계(families)를 놓치거나 혼란스럽고 부정확한 지도를 만들어내곤 합니다.
연구진은 이 문제를 해결하기 위해 HiRepEat이라는 새로운 방법을 개발하였으며, 이는 이 유전적 여행자들을 더 빠르고 정밀하게 찾을 수 있는 방법을 제공합니다. 이 접근 방식의 핵심 아이디어는 특정 관심 요소를 찾기 전에 게놈에서 방해 요소들을 제거하는 것입니다. 과정은 탠덤 반복(tandem repeats), 즉 길고 동일한 줄로 바로 옆에 붙어 있는 서열들을 식별하고 압축하는 것부터 시작됩니다. 이러한 탠덤 반복은 탐지 소프트웨어를 혼란스럽게 만드는 경우가 많으므로, 연구진은 이 긴 줄들을 하나의 대표적인 복사본으로 축소하는 TACO라는 도구를 사용했습니다. 연구진은 제거된 복사본들이 정확히 어디에 있었는지를 기록하는 SALSA라는 상세한 지도를 유지하여, 정보의 손실 없이 나중에 원래의 위치를 복원할 수 있도록 했습니다. 이렇게 밀집된 반복 블록들을 먼저 제거함으로써 게놈은 훨씬 읽기 쉬워지며, 이를 통해 소프트웨어는 이전에 숨겨져 있던 더 복잡하고 흩어져 있는 레트로트랜스포존들을 포착할 수 있게 됩니다.
게놈이 단순화되면, 소프트웨어는 두 개의 일치하는 끝단이 중앙 영역을 둘러싸고 있는 특유의 구조적 특징을 찾아내며 후보 레트로트랜스포존을 스캔합니다. 잠재적인 후보가 발견되었을 때, 연구진은 단순히 빠른 유사성 검사를 통해 이들을 그룹화하지 않습니다. 그런 방식은 종종 오류를 초래하기 때문입니다. 대신, 그들은 각 그룹에 대한 계통수(family tree)를 구축합니다. 이러한 계통 발생학적 접근 방식은 최종적인 가계 목록이 정확하도록 보장하며, 해당 가계의 원형을 나타내는 "합의(consensus)" 서열이 올바르게 도출되도록 합니다. 만약 후보 서열이 다른 서열 내부에 중첩되어 있는 것으로 판명되면, 시스템은 층을 벗겨내어 내부 삽입물과 외부 삽입물을 각각 별도로 식별할 수 있습니다. 발견된 반복 서열을 효과적으로 "먹어 치우며" 그 아래에 무엇이 있는지를 드러내는 이 반복적인 과정은, 다른 방법들이 놓치는 복잡하고 중첩된 구조들을 찾아낼 수 있게 해줍니다.
연구진은 쌀, 제브라핀치, 고릴라를 포함한 다양한 종을 대상으로 이 새로운 시스템을 테스트하였으며, 기존의 정교하게 큐레이션된 데이터 세트들과 결과를 비교하였습니다. 새로운 방법은 알려진 레트로트랜스포존 가계의 대다수를 정확하게 식별하는 동시에 이전의 도구들보다 훨씬 적은 오경보를 생성하며 높은 정확도를 입증했습니다. 속도 측면에서 차이는 극적이었습니다. 기존 방식들이 단 하나의 거대한 게놈을 처리하는 데 몇 시간 또는 며칠이 걸리거나 때로는 완료하는 데 실패했던 반면, HiRepEat은 고릴라 게놈 분석을 약 26분 만에 완료했습니다. 이 시스템은 이후 척추동물 게놈 프로젝트(Vertebrate Genomes Project)의 577개 서로 다른 척추동물 게놈에 적용되었습니다. 이는 기존 소프트웨어로는 불가능했을 거대한 작업이었습니다. 대부분의 경우, 분석은 표준 컴퓨터 자원을 사용하여 한 시간 이내에 완료되었으며, 이는 이 방법이 생성되는 고품질 게놈 서열들을 처리할 수 있도록 효율적으로 확장 가능하다는 것을 보여줍니다.
단순히 이 요소들을 목록화하는 것을 넘어, 연구진은 새로운 데이터를 사용하여 여러 종 사이의 공유 패턴을 조사했습니다. 여러 종에 걸쳐 이 레트로트랜스포존 서열을 비교함으로써, 연구진은 매우 멀리 떨어진 종들 사이에서 동일한 가계의 요소가 나타나는 사례들을 확인했습니다. 예를 들어, 공통 조상으로부터 분리된 지 1억 년 이상 된 서로 다른 어류 종들 사이에서 거의 동일한 레트로트랜스포론 서열을 발견했습니다. 이 요소들이 단순히 공통 조상으로부터 상속된 것이라면 오랜 시간 동안 많은 돌연변이가 축적되었어야 하므로, 이들의 거의 동일한 상태는 이들이 최근에 종 사이를 이동했음을 시사합니다. 이는 유전 물질이 부모로부터 자손에게 전달되는 것이 아니라 종 사이를 건너뛰는 과정인 수평적 전이(horizontal transfer)를 가리킵니다. 유사한 패턴이 알을 낳는 환경에 사는 생물들을 포함한 초파리와 양서류에서도 관찰되었으며, 이는 수중 환경에서의 수정이 이러한 유전적 교환을 촉진할 수 있다는 생각을 뒷받침합니다.
이 연구는 게놈의 반복적인 경관을 바라보는 강력한 새로운 렌즈를 제공합니다. 노이즈를 체계적으로 제거하고 정확한 계통수를 구축함으로써, 연구진은 생명의 나무를 가로지르는 이 유전적 요소들의 역사와 이동을 연구할 수 있는 신뢰할 수 있는 방법을 만들어냈습니다. 수백 개의 게놈을 빠르게 처리할 수 있는 능력 덕분에, 과학자들은 이제 분석하기 너무 어려웠던 종들의 분포를 탐구할 수 있게 되었습니다. 이번 연구 결과는 유전 물질의 종 간 이동이 생각보다 더 흔하며, 특히 수중 환경에서 그러하며, 이러한 이동성 요소들이 진화의 시간 동안 게놈을 형성하는 데 역동적인 역할을 한다는 점을 시사합니다. 이 연구에서 개발된 도구들은 다른 과학자들이 사용할 수 있도록 공개되었으며, 이는 이 고대의 유전적 여행자들이 살아있는 것들의 생물학에 어떻게 계속해서 영향을 미치는지에 대한 더 상세한 이해로 가는 문을 열어주고 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.