Multi-scale haplotype signatures distinguish among evolutionary processes
이 논문은 다중 척도 하플로타입 시그니처를 활용하여 다양한 진화 과정을 정확하게 구별함으로써 기존 방법들을 능가하고 유럽 인류 게놈에서 알려진 신호와 새로운 적응 신호를 모두 성공적으로 식별해내는 강건한 딥러닝 프레임워크인 SHADES를 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
인간이 지금의 모습이 된 이야기는 우리 세포 안의 DNA에 기록되어 있습니다. 이 유전 암호는 정적인 지침서가 아니라, 자연의 힘에 의해 끊임없이 편집되는 살아있는 역사의 기록입니다. 때때로 DNA의 무작위한 변화는 개인에게 생존 우위를 제공하여, 그들이 더 오래 살고 더 많은 자녀를 낳을 수 있게 합니다. 여러 세대에 걸쳐 이러한 유익한 변화는 인구 집단 전체로 퍼져나가며 유전적 지형에 뚜렷한 흔적을 남깁니다. 과학자들은 이 과정을 자연 선택이라고 부릅니다. 하지만 게놈은 부모가 자녀에게 유전자를 전달할 때 일어나는 무작위적인 유전자 재조합이나, 집단이 이동하고 혼혈이 일어날 때 발생하는 인구 집단의 혼합과 같은 다른 힘들에 의해서도 형성됩니다. 이러한 서로 다른 힘들을 구별하는 것은 특정 개인이 남긴 지문과 무작위적인 손에 의한 얼룩 사이의 차이를 구별하려는 것과 같습니다. 오랫동안, 특히 이 흔적들이 겹치거나 인구 집단의 역사가 복잡할 때 이들을 구분하는 것은 어려운 일이었습니다.
플로리다 애틀랜틱 대학교의 연구진은 이러한 유전적 이야기를 훨씬 더 명확하게 읽어낼 수 있는 새로운 방법을 개발했습니다. 그들은 딥러닝이라 불리는 인공지능의 한 종류를 사용하여 인간 DNA의 패턴을 살펴보는 SHADES라는 컴퓨터 프로그램을 만들었습니다. 이 프로그램은 단순히 유전자가 몇 번 나타나는지를 세는 대신, 마치 탐정이 현장에 있는 사람의 수를 세는 것이 아니라 범죄 현장의 배치를 조사하는 것처럼, 넓은 범위의 DNA 영역에 걸친 유전적 변이의 배열을 살펴봅니다. 연구진은 수백만 개의 시뮬레이션된 유전 역사를 사용하여 이 시스템을 훈련시켰으며, 이를 통해 네 가지 서로 다른 진화 과정을 남기는 고유한 서명을 인식하도록 가르쳤습니다: 우연히 발생하는 중립적 변화, 유익한 유전자가 집단을 장악하는 급격한 스윕(sweeps), 여러 버전의 유전자가 집단 내에 유지되는 균형 선택(balancing selection), 그리고 인간이 다른 고대 인류 집단으로부터 유익한 유전자를 획득할 때 발생하는 적응적 유입(adaptive introgression)입니다.
훈련 결과는 놀라웠습니다. 기존의 다른 방법들과 비교했을 때, 이 새로운 시스템은 어떤 진화적 힘이 작용하고 있는지 식별하는 데 있어 훨씬 더 높은 정확도를 입증했습니다. 이 시스템은 최근 집단을 통해 휩쓸고 지나간 유전자와 외부 집단으로부터 도입된 유전자를 구별해 냈는데, 이는 기존의 많은 도구들을 혼란스럽게 했던 작업이었습니다. 또한 데이터가 불완전하거나 게놈 전반에 걸쳐 유전적 변화율이 변하는 조건에서도 신뢰성을 유지했는데, 이러한 조건들은 종종 기존 방식들을 실패하게 만드는 요인들입니다. 이러한 견고함은 이 프로그램이 단순히 특정 사례를 암기한 것이 아니라 진화의 진정한 기저 패턴을 학습했음을 시사합니다.
연구진은 이 도구가 실제 데이터에 작동하는지 확인하기 위해 1000 게놈 프로젝트(1000 Genomes Project)의 유럽계 혈통 인류 게놈에 적용했습니다. 시스템은 즉각적으로 잘 알려진 인간 적응의 이야기들을 확인했습니다. 성인이 되어서도 우유의 당분을 소화할 수 있는 능력인 락타아제 지속성(lactase persistence)을 담당하는 DNA 영역을 정확히 식별했는데, 이는 유제품 가축의 가축화 이후 집단을 휩쓴 유전자의 전형적인 사례입니다. 또한 면역 체계에 중요한 역할을 하는 주요 조직 적합성 복합체(MHC)에서 균형 선택의 유전적 서명을 찾아냈으며, 이는 다양한 병원균과 싸우기 위해 수천 년 동안 높은 다양성을 유지해 온 유전자 그룹입니다. 나아가, 피부 색소 침착과 관련된 유전자에서 적응적 유입의 신호를 탐지함으로써, 인간이 네안데르탈인과 같은 고대 친척들과의 혼혈을 통해 일부 신체적 특성을 획득했음을 확인했습니다.
이 유명한 사례들 외에도, 프로그램은 이전에 강조되지 않았던 새로운 인간 적응 후보들을 풍부하게 찾아냈습니다. 프로그램은 면역 방어, 염증, 그리고 피부 장벽 유지와 관련된 유전자들을 지목했으며, 이는 병원균과의 지속적인 싸움과 다양한 환경에 적응하려는 우리의 필요가 우리 진화의 끊임없는 동력이었음을 시사합니다. 예를 들어, 시스템은 바이러스 감염에 반응하는 것을 돕는 유전자와 피부가 외부 세계로부터 우리를 보호하는 방식을 조절하는 다른 유전자들을 강조했습니다. 이러한 발견은 자연 선택이 인간의 게놈을 어떻게 형성했는지에 대한 더 명확한 그림을 제공하며, 우리가 다양한 환경에서 생존하고 번영할 수 있도록 도운 힘들의 복잡한 상호작용을 드러냅니다.
이 접근 방식의 성공은 유전 데이터를 여러 척도에서 동시에 살펴보는 능력에 달려 있습니다. 미세한 세부 사항을 포착하기 위해 작은 DNA 창(window)을 조사하고, 더 넓은 그림을 보기 위해 큰 창을 조사함으로써, 프로그램은 노이즈 속에서 사라질 수 있는 미묘한 신호들을 분리해 낼 수 있습니다. 이러한 다중 척도 관점 덕분에 프로그램은 유전자가 적극적으로 선택되고 있는 것인지, 아니면 단순히 무작위적인 우연이나 인구 이동의 역사로 인해 변화하고 있는 것인지를 구별할 수 있습니다. 연구진은 자신들의 방법이 서로 다른 유형의 선택을 구별하는 데 특히 뛰어나다는 것을 발견했는데, 이는 이전의 도구들에게는 매우 어려운 과제였습니다.
이 연구는 우리 DNA에 기록된 진화의 역사를 해독하는 능력에 있어 중요한 진전을 의미합니다. 첨단 컴퓨터 과학과 인간 유전학 연구를 결합함으로써, 연구진은 게놈의 방대한 복잡성을 뚫고 들어가 특정 적응의 이야기를 찾아낼 수 있는 도구를 만들어냈습니다. 이 발견은 인간 진화에 대해 이미 알고 있던 내용을 확인할 뿐만 아니라, 특히 면역 체계 및 환경과의 상호작용과 관련된 우리 역사의 새로운 장을 발견할 수 있는 문을 열어줍니다. 연구진이 소프트웨어를 과학계에 공개함에 따라, 이 도구는 인간뿐만 아니라 잠재적으로 다른 많은 종의 형성에 자연 선택이 어떻게 영향을 미쳤는지에 대한 발견을 가속화할 것으로 기대됩니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.