MFGRN: Multi-Algorithm Fusion for Gene Regulatory Network Inference in Sickle Cell Disease

인체의 모든 세포 내부에서 유전자는 고립되어 작동하지 않습니다. 유전자들은 거대하고 상호 연결된 사회처럼 기능하며, 그중 일부 유전자는 다른 유전자를 켜거나 끔으로써 신체가 원활하게 돌아가도록 관리자 역할을 수행합니다. 이 지시 체계의 망을 유전자 조절 네트워크라고 합니다. 이러한 네트워크가 올바르게 기능할 때 신체는 균형을 유지합니다. 그러나 연결이 엉키거나 관리자가 잘못된 명령을 내리면 질병이 발생할 수 있습니다. 그중 하나가 낫형 세포 빈혈증으로, 이는 정상적인 상태에서는 유연한 원반 형태인 적혈구가 딱딱해지고 초승달 모양으로 변하는 고통스럽고 복잡한 질환입니다. 과학자들은 오랫동안 단 하나의 유전적 돌연변이가 세포의 모양을 변화시킨다는 사실을 알고 있었지만, 왜 이 질병이 사람마다 다르게 나타나는지에 대한 전체적인 그림은 여전히 불분명합니다. 통증, 장기 손상 및 중증도의 차이는 문제가 단순히 하나의 고장 난 부위에 국한된 것이 아니라, 혈액 내 전체 통신 시스템의 광범위한 혼란과 관련이 있음을 시사합니다.

이러한 숨겨진 복잡성을 이해하기 위해, 중국 달리 대학교의 연구진은 이러한 유전적 대화를 지도화하는 새로운 방법을 개발했습니다. 그들은 생물학적 신호를 해독하는 합의 엔진 역할을 하는 MFGRN이라는 도구를 만들었습니다. 과거에 과학자들은 유전자가 서로 어떻게 대화하는지 추측하기 위해 다양한 컴퓨터 프로그램을 사용했지만, 각 프로그램은 저마다의 사각지대와 가정을 가지고 있어 종종 서로 다르고 상충하는 지도를 만들어냈습니다. 연구진은 세 가지 서로 다른 고급 컴퓨터 모델의 강점을 결움으로써 더 신뢰할 수 있고 완전한 그림을 구축할 수 있다는 점을 깨달았습니다. 그들은 낫형 세포 빈혈증이 있는 아동과 건강한 아동의 혈액 샘 samples를 대상으로 이 새로운 접근 방식을 테스트하여, 운동 전후에 유전적 네트워크가 어떻게 행동하는지 살펴보았습니다. 목표는 질병이 유전적 지시를 뒤섞는지, 그리고 신체 활동이 이를 다시 풀어내는 데 도움이 될 수 있는지를 확인하는 것이었습니다.

연구진은 다양한 세포 유형이 섞여 있는 전혈(whole blood)에서 데이터를 수집하여 세 가지 컴퓨터 모델에 입력했습니다. 각 모델은 어떤 유전자가 어떤 유전자를 제어하는지 예측하기 위해 서로 다른 수학적 전략을 사용했습니다. 단 하나의 모델만을 신뢰하는 대신, 이 새로운 시스템은 세 모델 중 최소 두 개가 연결에 대해 동의해야만 이를 실제적인 것으로 받아들였습니다. 이 합의 방식은 단일 모델 연구를 괴롭히는 노이즈와 오류를 걸러냈습니다. 이 결합된 접근 방식을 기지의 실험 데이터와 비교했을 때, 새로운 시스템은 단독으로 작동하는 개별 모델보다 더 정확하다는 것이 입증되었습니다. 이 시스템은 유전적 관리자와 그 대상 사이의 가장 가능성 높은 연결을 성공적으로 식별하여, 건강한 개인과 낫형 세포 빈혈증 환자 모두를 위한 고신뢰도 조절 네트워크 지도를 만들어냈습니다.

이 지도를 손에 쥔 연구진은 유전적 네트워크의 전반적인 구조를 조사했습니다. 그들은 건강한 아동과 낫형 세포 빈혈증 아동의 네트워크가 운동을 하기 전부터 이미 서로 다르다는 것을 발견했습니다. 낫형 세포 네트워크는 정보 전달이 더 분산되고 효율성이 떨어지는 징후를 보였는데, 이는 신체가 겪는 만성적인 스트레스와 염증을 반영합니다. 연구진은 이어 이 네트워크에서 가장 활발하게 활동하는 '전사 인자'라고 알려진 특정 관리자들을 살펴보았습니다. 아직 운동을 하지 않은 낫형 세포 빈혈증 아동들의 경우, 가장 활발한 관리자들은 신체의 내부 시계와 호흡기계 발달을 조절하는 데 깊이 관여하고 있었습니다. 이는 질병으로 인해 아이가 휴식을 취하고 있는 동안에도 신체가 낮은 산소 수치와 흐트러진 일주기 리듬에 끊임없이 적응하도록 강요받고 있음을 시사합니다.

또한 연구는 이 아이들이 운동할 때 어떤 일이 일어나는지도 탐구했습니다. 운동은 신체에 스트레스를 주는 것으로 알려져 있지만, 이 맥락에서는 유전적 네트워크가 얼마나 유연한지를 확인하는 탐침 역할을 했습니다. 연구진은 운동이 낫형 세포 네트워크를 단순히 건강한 상태로 되돌리는 것이 아님을 관찰했습니다. 대신, 운동은 특정한 종류의 재구성을 촉발했습니다. 유전적 관리자들은 초점을 전환했고, 그들이 제어하는 유전자 집단은 그 기능을 바꾸기 시작했습니다. 네트워크는 새로운 스트레스 요인, 예를 들어 면역 세포의 이동 및 대사 에너지 관리 등을 처리하는 징후를 보이기 시작했습니다. 네트워크가 정상으로 돌아오지는 않았지만, 신체가 물리적 도전에 대처하기 위해 능동적으로 노력하고 있음을 시사하는 방식으로 스스로를 재조직했습니다. 이러한 재조직은 휴식 상태와는 구별되는 특징을 보였으며, 이는 질병이 건강한 신체와는 다르게 운동에 반응하는 독특한 조절 환경을 만든다는 것을 나타냅니다.

연구진은 또한 낫형 세포 조건에서 함께 작동하는 특정 유전자 집단, 즉 모듈을 식별했습니다. 휴식 상태에서 이 집단들은 염증과 싸우고, 산화 스트레스를 관리하며, 지질을 조절하는 과정에 의해 지배되었습니다. 운동 후에는 이 모듈들이 세포 이동 및 스트레스 반응과 관련된 활동을 더 많이 포함하는 방향으로 변화했습니다. 이 연구는 낫형 세포 빈딜증의 근본 원인이 단 하나의 유전적 오류일지라도, 그 결과가 신체가 산소를 처리하는 방식부터 일상적인 주기를 관리하는 방식에 이르기까지 광범위한 생물학적 과정에 파급되어 영향을 미친다는 점을 강조했습니다. 새로운 매핑 도구는 이러한 혼란을 명확하게 보여줌으로써, 이 질병이 단순히 모양의 문제가 아니라 소통의 문제라는 것을 보여주었습니다.

궁극적으로, 이 연구는 낫형 세포 빈혈증을 바라보는 더 명확한 렌즈를 제공합니다. 여러 컴퓨터 모델을 결합하는 방법을 통해 연구진은 유전적 연구를 둘러싼 불확실성을 걷어낼 수 있었습니다. 그들은 질병이 신체가 휴식 중일 때도 지속되는 뚜렷하고 변화된 조절 환경을 만든다는 것과, 신체가 운동에 의해 도전받을 때 이 환경이 복잡한 방식으로 변화한다는 것을 발견했습니다. 연구는 질병의 중증도와 가변성에 책임이 있을 가능성이 높은 특정 유전적 관리자와 기능적 그룹을 지목했습니다. 이러한 발견은 과학자들이 실험실에서 추가로 조사할 수 있는 후보 요인 목록을 제공하며, 잠재적으로 왜 어떤 환자들이 더 고통받는지, 그리고 신체의 내부 네트워크가 스트레스 상황에서 어떻게 지원될 수 있는지에 대한 더 깊은 이해로 이어질 수 있습니다.