Statistical learning of bacterial growth in combinatorially constructed environments
7종의 박테리아를 대상으로 탄소원의 상호작용을 매핑하기 위해 전요인 설계를 채택한 본 연구는, 개별 영양소가 전역적 에피스타시스(global epistasis)로 인해 맥락 의존적인 부정적 효과를 나타낼 수 있음에도 불구하고, 복잡한 환경에서의 박테리아 성장은 주로 가산적 및 쌍방향 효과에 의해 주도되어 단순한 통계 모델을 통한 성장 조건의 정확한 예측과 합리적 최적화를 가능하게 한다는 것을 입증한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
완벽한 케이크를 굽기 위해 노력하는 요리사가 되었다고 상상해 보세요. 당신의 찬고에는 밀가루, 설탕, 달걀, 초콜릿, 그리고 향신료 같은 다양한 재료들이 가득합니다. 만약 설탕을 아주 조금만 넣는다면 케이크는 더 달콤해질 것입니다. 밀가루를 조금 더 넣는다면 케이크는 더 폭신폭식해지겠죠. 이것은 쉬운 부분입니다. 재료들은 보통 제 역할을 스스로 해내니까요. 하지만 이 모든 것들을 한데 섞으면 어떻게 될까요? 때로는 소금 한 꼬집을 넣는 것이 초콜릿 맛을 더 좋게 만들기도 합니다. 또 어떤 경우에는, 똑같은 소금 한 꼬집을 바닐라 반죽에 넣었을 때 맛을 엉망으로 만들 수도 있습니다. 박테리아라고 불리는 아주 작은 생명체의 세계에서, 바로 이런 일이 일어납니다. 박테리아는 다양한 영양소로 가득 찬 수프 같은 환경에서 살아가는데, 이 영양소들은 단순히 합쳐지는 것에 그치지 않고 서로 상호작용합니다. 영양소들은 서로 힘을 합쳐 박테리아의 성장을 돕기도 하고, 서로 싸우며 성장을 늦추기도 합니다. 과학자들은 영양소가 상호작용한다는 사실을 오래전부터 알고 있었지만, 이 상호작용이 단순한 수준인지(예를 들어 두 재료가 서로 싸우는 정도), 아니면 믿을 수 없을 정도로 복잡한 수준인지(예를 들어 모든 재료가 서로의 행동에 영향을 주는 주방의 대란과 같은 상황)는 알지 못했습니다. 박테리아가 어떻게 자라는지를 예측할 수 있다면 더 나은 의약품, 더 깨끗한 연료, 더 건강한 식품을 만들 수 있기 때문에, 이를 이해하는 것은 매우 중요한 일입니다.
여기서 한 연구팀은 거대한 "믹스 앤 매치(mix and match)" 게임을 하기로 결심했습니다. 그들은 이러한 미세한 상호작용이 작동하는 모든 가능한 방식을 지도처럼 그려낼 수 있는지 알아보고 싶었습니다. 그들은 여덟 가지의 탄소원(박테리아에게는 '밀가루와 설탕' 같은 역할)과 일곱 종류의 박테리아를 선택했습니다. 단지 몇 가지 조합만을 테스트하는 대신, 그들은 끝까지 밀어붙였습니다. 그들은 이 여덟 가지 재료의 모든 가능한 조합을 만들었습니다. 재료를 넣거나 넣지 않을 수 있으므로, 이는 255개의 독특한 환경(그리고 아무것도 들어있지 않은 빈 그릇 하나)을 의미합니다. 그들은 이 255개의 그릇 각각에서 일곱 가지의 서로 다른 박테리아 균주를 배양하고, 24시간 후 얼마나 잘 자랐는지 관찰했습니다.
결과는 놀랍기도 하고 약간 혼란스럽기도 했습니다. 그들은 보통 '영웅'(박테리아의 성장을 돕는 존재)이었던 영양소가 그릇 안에 무엇이 들어있느냐에 따라 갑자기 '악당'(성장을 방해하는 존재)이 될 수 있다는 것을 발견했습니다. 예를 들어, 어떤 종류의 설탕은 혼자 있을 때는 박테리아의 성장을 돕지만, 이미 다른 영양소가 많이 들어있는 혼합물에 추가되면 오히려 박테리아에게 해를 끼칠 수도 있습니다. 이는 마치 시끄러운 노래가 파티에서는 즐거울 수 있지만, 조용한 도서관에 더해지면 분위기를 망치는 것과 같습니다. 연구원들은 이를 "맥락 의존성(context-dependency)"이라고 불렀습니다. 영양소의 역할은 고정되어 있지 않으며, 주변 이웃에 따라 변합니다.
하지만 정말 멋진 부분은 바로 이것입니다. 비록 상호작용이 혼란스러워 보였지만, 과학자들은 그 혼란이 아주 복잡하지는 않다는 것을 발견했습니다. 그들은 세 개나 네 개의 재료가 동시에 싸우는 것과 같은 고차원적인 상호작용을 모두 이해할 필요 없이도 박테리아가 어떻게 자랄지 예측할 수 있다는 것을 알아냈습니다. 대신, 성장은 주로 두 가지 요소, 즉 각 재료가 단독으로 얼마나 좋은지와 두 재료가 서로 어떻게 상호작용하는지에 의해 결정됩니다. 즉, 재료 A가 단독으로 어떻게 작용하는지, 그리고 재료 A가 재료 B와 어떻게 어울리는지를 안다면, 전체 파티의 결과를 놀라운 정확도로 예측할 수 있다는 것입니다.
연구팀은 수학을 사용하여 이러한 단순한 규칙들(가산적 효과와 쌍의 상호작용)이 박테리아 성장 차이의 90% 이상을 설명한다는 것을 보여주었습니다. 그들은 심지어 한 번도 본 적 없는 새로운 재료의 혼합물을 보고, 쌍의 규칙만을 알면 박테리아가 얼마나 잘 자랄지 추측할 수 있는 컴퓨터 모델을 구축했습니다. 이 모델은 테스트한 모든 일곱 종류의 박테리아에 대해 효과적이었는데, 이 박테리아들은 서로 다른 두 가문의 출신임에도 불구하고 그러했습니다.
그렇다면 이것이 의미하는 바는 무엇일까요? 이는 박테리아의 성장이 놀라움으로 가득 차 있더라도, 그것이 희망 없는 엉망진창인 상태는 아니라는 것을 시사합니다. 우리는 최적의 환경을 찾기 위해 모든 가능한 영양소의 조합을 일일이 테스트할 필요가 없습니다. 우리는 이러한 "쌍의 규칙"을 사용하여 더 적은 수의 실험으로부터 학습하고, 이를 통해 새로운 환경에서 박테aria를 키우기 위한 최적의 레시피를 예측할 수 있습니다. 이는 마치 게임의 규칙을 너무나 잘 배워서, 모든 경기를 다 치르지 않고도 승자를 예측하는 것과 같습니다. 연구진은 자신들이 여덟 가지 특정 재료만을 테스트했고 제한된 수의 박테리아를 대상으로 했다는 점을 인정하며, 다른 상황에서는 더 많은 복잡성이 존재할 수 있다고 말했습니다. 하지만 이러한 조건 하에서는 "단순한 규칙" 접근법이 미생물학의 미래를 위한 강력한 도구가 될 수 있음을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.