SELECT-NET: Multiple contextual representations of bacterial genomes through selection-based subnetwork reconstruction

박테리아는 인체 내 장내 환경부터 심해 열수구에 이르기까지 다양한 환경에서 번성하며 지구상에서 가장 성공적인 생명체로 자리 잡았습니다. 박테리아가 어떻게 생존하고 질병을 일으키는지 이해하기 위해, 과학자들은 박테리아가 스스로를 어떻게 구축하는지 알려주는 긴 DNA 가닥인 그들의 유전적 청사진을 읽는 법을 배웠습니다. 그러나 현대 기술은 이러한 청사진을 매우 빠르게 해독할 수 있게 되었고, 이로 인해 연구자들은 종종 엄청난 양의 데이터에 압도되곤 합니다. 박테리아가 어떻게 작동하는지에 대한 명확한 그림 대신, 그들은 수천 개의 유전자와 그 기능이 담긴 거대한 목록만을 갖게 되는데, 이는 마치 세상에 쓰인 모든 책이 담긴 도서관을 가지고 있지만 정작 찾고자 하는 특정 이야기를 찾을 방법이 없는 것과 같습니다. 문제는 정보를 수집하는 것이 아니라, 그 정보를 해석하는 것입니다. 과학자들에게는 왜 특정 박테리아 균주가 질병을 일으키는 반면 다른 균주는 그렇지 않은지, 혹은 미생물이 어떻게 독성이 있는 광산에서 살아남는지와 같은 특정한 질문에 답하기 위해 이 유전적 목록들을 분류해낼 방법이 필요합니다.

이 문제를 해결하기 위해, 제라르도 R. 아모레스(Gerardo R. Amores)라는 연구자는 SELECT-NET이라는 새로운 디지털 도구를 개발했습니다. 이 도구를 거대한 규모의 혼란스러운 박테리아 유전자 목록을 가져와 과학자가 알고 싶은 것에 따라 명확하고 시각적인 지도로 재구성하는 스마트 필터라고 생각하면 됩니다. 단순히 유전자를 하나씩 나열하는 대신, 이 도구는 유전자들을 네트워크로 연결하여 그들이 박테리아 DNA 상에서 서로 어떻게 위치하는지 보여주고, 생물학적 역할에 따라 그룹화합니다. 연구진은 이 도구를 무해한 실험실 균주, 식중독을 일으키는 위험한 병원균, 그리고 극한 환경에서 발견되는 미생물을 포함한 여러 종류의 박테리아에 테스트했습니다. 그들은 다양한 '렌즈' 또는 필터를 적용함으로써 도구가 박테리아 게놈의 서로 다른 부분을 강조할 수 있다는 것을 발견했습니다. 예를 들어, 한 가지 필터는 모든 박테리아가 공유하는 공통 유전자를 제거하여 특정 균주를 위험하게 만드는 고유한 특성을 드러낼 수 있고, 또 다른 필터는 토양 속 중금속에서 박테리아가 생존하는 데 도움을 주는 유전자를 강조할 수 있습니다.

이 과정은 가공되지 않은 유전 데이터를 가져와 웹 브라우저에서 자동으로 실행되는 일련의 단계들을 거쳐 진행되므로, 연구자들은 이를 사용하기 위해 강력한 컴퓨터를 가질 필요가 없습니다. 먼저, 도구는 유전 코드를 읽고 유전자를 식별합니다. 그런 다음 사용자가 선택한 특정 전략을 적용합니다. 한 가지 전략은 유전자가 유난히 풍부한 것을 찾아내어, 그것이 박테리아의 일상생활에 얼마나 중요한지를 시사하게 합니다. 또 다른 전략은 해당 종의 거의 모든 박테리아가 공유하는 '핵심(core)' 유전자를 제거하여, 왜 한 균주가 다른 균주와 다른지를 설명할 수 있는 고유한 '부수적(accessory)' 유전자만을 남깁니다. 세 번째 전략은 질병을 일으키거나 항생제 내성을 유발하는 것으로 알려진 유전자에 초점을 맞추며, 네 번째 전략은 고온이나 독성 화학 물질과 같은 극한 조건에 적응하는 데 도움을 주는 유전자를 찾습니다. 관련 유전자가 선택되면, 도구는 그 주변에 네트워크를 구축합니다. 이 도구는 선택된 유전자들을 단순히 나열하는 데 그치지 않고, 그 옆에 바로 붙어 있는 이웃 유전자들도 함께 불러오는데, 박테리아에서는 DNA 가닥 상에서 가까이 위치한 유전자들이 흔히 하나의 팀처럼 함께 작동하기 때문입니다.

연구진이 이러한 필터들을 다양한 박테리아에 적용했을 때, 결과는 뚜렷하고 생물학적으로 의미가 있었습니다. 무해한 실험실 균주인 대장균(E. coli)을 살펴보았을 때, 도구는 해당 균주가 질병과 관련된 특정 유전자가 결여되어 있음을 정확히 식별해 냈습니다. 반면, 치명적인 독소를 생성하는 것으로 알려진 대장균 균주를 분석했을 때, 도구는 독소 유전자와 기타 병원성 요인들을 성공적으로 강조하여 일반적인 배경 소음으로부터 분리해 냈습니다. 또한 도구는 두 가지 서로 다른 독소 생성 균주를 구분하여, 하나는 특정 항생제 내성 유전자를 보유하고 있는 반면 다른 하나는 그렇지 않다는 점을 보여주었습니다. 심각한 장 감염을 일으키는 박테리아인 클로스트리디오이데스 디피실리(Clostridioides difficile)를 이용한 또 다른 테스트에서도, 연구진이 가공되지 않은 유전 데이터로 시작하든 기존의 유전 지도로 시작하든 상관없이 도구는 동일하게 잘 작동하여 그 유연성을 입증했습니다.

이 도구의 위력을 가장 극명하게 보여준 사례는 멕시코의 광산에서 발견된, 중금속이 풍부한 물속에 사는 컵리아비두스 길라디(Cupriavidus gilardii)를 연구한 것이었습니다. 연구진은 금속 스트레스를 견디는 것과 관련된 유전자를 찾기 위해 주제별 필터를 사용했습니다. 도구는 구리, 아연 및 기타 독성 금속에 저항하는 데 도움을 주는 것으로 알려진 유전자들을 성공적으로 그룹화했습니다. 연구진이 연구한 두 박테리아 균주가 약간 다른 유전적 배열을 가지고 있었음에도 불구하고, 도구는 두 균주 모두 동일한 핵심 생존 전략에 의존하고 있음을 밝혀냈습니다. 이는 밑바탕이 되는 유전 구조가 다르더라도 도구가 동일한 생물학적 이야기를 찾아낼 수 있음을 보여주었습니다. 또한 연구진은 활성화된 유전자를 보여주는 RNA 데이터에 대해서도 도구를 테스트했으며, 이 도구가 다른 종류의 박테리아에서 내성 유전자를 식별할 수 있음을 발견하여, 이 방법이 활성 감염을 연구하는 데에도 적용될 수 있음을 시사했습니다.

이 연구는 이 도구가 과학자들에게 최종적이고 완벽한 답을 제공하기보다는, 새로운 아이디어를 탐구하고 생성하도록 돕기 위해 설계되었다는 점을 강조합니다. 도구가 만드는 연결 관계는 유전자의 물리적 근접성과 알려진 기능을 바탕으로 하며, 유전자가 어떻게 상호작용하는지를 증명하는 직접적인 실험에 기반한 것은 아닙니다. 즉, 도구가 만드는 네트워크는 가설, 즉 다음에 어디를 살펴봐야 할지를 제안하는 정보가 풍부한 지도입니다. 연구진은 이 지도를 구축할 때 사용하는 특정 설정(예: 이웃 유전자를 얼마나 멀리까지 탐색할 것인가)이 나타나는 주요 생물학적 테마를 변화시키지 않는다는 것을 발견했습니다. 작은 유전자 이웃을 보든 더 넓은 영역을 보든, 대사나 스트레스 반응과 같은 핵심 기능은 여전히 가시적으로 나타났습니다. 이러한 안정성은 도구가 밝혀내는 생물학적 이야기가 데이터 처리 방식의 미세한 변화와 상관없이 견고하고 신뢰할 수 있다는 것을 시사합니다.

궁극적으로, SELECT-NET은 압도적인 유전 데이터를 이해 가능한 시각적 이야기로 바꾸는 실용적인 방법을 제공합니다. 과학자들이 다양한 렌즈를 통해 동일한 박테리아 게놈을 바라볼 수 있게 함으로써, 이 도구는 세부 사항에 매몰되지 않고도 유기체의 다양한 측면을 볼 수 있도록 도와줍니다. 이 도구는 실험실 실험이라는 고된 작업을 대체하는 것이 아니라, 그 작업을 위한 명확한 출발점을 제공합니다. 연구자가 왜 병원균이 퍼지고 있는지, 미생물이 어떻게 독성 환경에서 살아남는지, 혹은 특정 균주를 독특하게 만드는 것이 무엇인지 이해하려고 할 때, 이 도구는 유전 데이터의 혼돈을 일관된 그림으로 정리해 줍니다. 이는 긴 부품 목록을 관계의 지도로 바꾸어 놓음으로써, 과학자들이 더 나은 질문을 던지고 우리를 둘-러싼 미시 세계를 이해하기 위해 더 정밀한 실험을 설계할 수 있도록 돕습니다.