🧬 biology

Genomic signatures and evolutionary dynamics of antimicrobial resistance revealed from 3,163 Klebsiella pneumoniae genomes

3,163개의 클렙시엘라 뉴모니애(Klebsiella pneumoniae) 게놈을 분석함으로써, 본 연구는 항생제 내성이 이동성 유전 인자와 핵심 게놈 코딩 변이 사이의 복잡한 상호작용에 의해 유도된다는 점을 밝혀냈으며, 저항성 표현형을 예측하고 진화적 역학을 추적하는 데 있어 기존의 유전자 기반 모델보다 성능이 현저히 뛰어난 확장 가능한 범게놈(pan-genome) 프레임워크를 구축하였다.

원저자: Hongru Li, Sifei Wang, Jiabin Li, Han Xia, Kai Ye, Yanyan Liu, Xiaofei Yang

게시일 2026-09-22

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Hongru Li, Sifei Wang, Jiabin Li, Han Xia, Kai Ye, Yanyan Liu, Xiaofei Yang

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

박테리아는 고대의 적응력 있는 생존자이지만, 자신을 죽이도록 설계된 약물을 무시하는 법을 배우게 되면 그 결과는 매우 심각해질 수 있습니다. 항생제 내성이라고 알려진 이 현상은 흔한 감염을 생명을 위협하는 위기로 바꿉니다. 수십 년 동안 과학자들은 박테리아가 약물을 물리치기 위해 훔치거나 발달시킨 특정 '나쁜 유전자'를 찾는 방식으로 이 전투에 임해 왔습니다. 지배적인 아이디어는 만약 이 유전자들을 찾을 수 있다면, 어떤 약물이 실패할지 예측할 수 있다는 것이었습니다. 그러나 이러한 관점은 종종 더 큰 그림을 놓치곤 합니다. 박테리아는 단순히 유전자의 주머니가 아닙니다. 박테리아는 핵심 기제의 미세한 변화와 유전자 배열 방식까지 포함하여 전체 유전적 구성이 어떻게 함께 작용하여 생존을 결정하는지를 보여주는 복잡한 유기체입니다. 저항성이 어떻게 확산되는지 추적하고 이를 막기 위한 새로운 방법을 찾는 데 있어 이 전체적인 그림을 이해하는 것은 필수적입니다.

한 연구팀은 방대한 데이터 컬렉션을 사용하여 이 복잡한 지형을 지도화하기 위해 나섰습니다. 그들은 중국 안후이성 병원에서 15년에 걸쳐 수집된 흔한 위험 박테리아인 클레브시엘라 뉴모니애(Klebsiella pneumoniae)의 샘la 1,665개를 모았습니다. 완전한 시각을 확보하기 위해, 그들은 이 새로운 샘플들을 공공 데이터베이스에 있는 거의 1,500개의 기존 샘플과 결합하여 3,000개 이상의 게놈을 가진 데이터 세트를 만들었습니다. 단순히 알려진 내성 유전자를 사냥하는 대신, 그들은 모든 박테리아의 전체 유전 코드를 조사했습니다. 그들은 그룹 내 모든 박테리아가 공유하는 '핵심(core)' 유전자를 조사했을 뿐만 아니라, 일부는 가지고 있고 다른 일부는 가지고 있지 않은 '가변적(dispensable)' 유전자도 조사했습니다. 또한 DNA의 미세한 철자 오류와 유전자가 박테리아 염색체 상에서 배열된 특정 순서까지 면밀히 살폈습니다. 이 방대한 양의 정보를 패턴을 찾도록 설계된 컴퓨터 시스템에 입력함으로써, 그들은 무엇이 17가지 서로 다른 항생제에 대한 내성을 진정으로 주도하는지 확인하고자 했습니다.

결과는 단일 유전자를 찾는 것만으로는 충분하지 않다는 것을 보여주었습니다. 연구진은 박테리아가 약물에 저항할지 여부를 예측하는 가장 정확한 방법은 그 전체 유전적 프로필을 고려하는 것이라는 사실을 발견했습니다. 핵심 유전적 변화와 추가 유전자의 존재 및 부재를 모두 사용한 그들의 컴퓨터 모델은 90% 이상의 사례에서 내성 패턴을 정확하게 식별해 냈습니다. 이는 알려진 내성 유전자만을 살펴보는 모델보다 유의미한 개선이었습니다. 이 연구는 내성이 종종 표준적인 유전적 돌연변이와 내성 유전자를 전달하는 트럭 역할을 하는 특정 가동성 유전 요소의 존재가 결합된 팀워크에 의해 발생한다는 것을 밝혀냈습니다.

가장 놀라운 발견 중 하나는 이 박테리아들이 방어 체계를 조직하는 방식에서의 장기적인 변화였습니다. 연구진은 15년 동안 세팔로스포린(cephalosporins, 주요 항생제 계열 중 하나)에 저항하는 유전자 배열을 추적했습니다. 그들은 blaCTX-M-15 유전자와 ISEcp1이라는 가동성 요소가 포함된 특정 유전적 구성이 blaCTX-M-14라는 다른 유전자를 중심으로 한 이전의 구성을 점진적으로 대체하는 것을 관찰했습니다. 이것은 단순한 무작위 변화가 아니었습니다. 새로운 구성이 더 흔해짐에 따라 박테리아의 세팔로스포린에 대한 내성은 더욱 강해졌습니다. 이 추세는 매우 일관적이어서 세계의 다른 지역에서 온 별도의 박테리아 그룹에서도 나타났으며, 이는 광범위한 진화적 변화임을 시사합니다. 이 연구는 박테리아가 단순히 새로운 유전자를 획득하는 것이 아니라, 그 유전자들이 더 잘 작동하도록 유전적 이웃을 능동적으로 재조직하고 있음을 시사합니다.

연구팀은 또한 박테리아의 단백질이 약물에 반응하는 방식에 영향을 미치는 구체적인 구조적 변화를 발견했습니다. 어떤 경우에는 DNA의 단 하나의 글자 변화가 단백질의 형태를 바꾸어 박테리아를 치료에 더 민감하거나 덜 민감하게 만들었습니다. 또 다른 사례에서는 반복되는 패턴처럼 작동하는 DNA 섹션이 길이가 확장되어 박테리아 표면의 단백질 구조를 변화시킨 것을 발견했습니다. 이러한 발견은 내성이 새로운 도구를 획득하는 것부터 기존의 것을 미세하게 조정하는 것에 이르기까지 다양한 메커니즘에 의해 주도된다는 점을 강조합니다. 연구진은 자신들의 컴퓨터 모델이 높은 정확도로 내성을 예측할 수 있었지만, 발견된 구체적인 새로운 패턴들은 확정된 원인이 아니라 추가 조사를 위한 단서라고 언급했습니다. 그것들은 과학자들이 연구할 수 있는 새로운 표적을 나타내며, 박테리아가 생존하기 위해 어떻게 진화하는지에 대한 더 완전한 이해를 제공합니다.

궁극적으로, 이 작업은 항생제 내성의 이야기가 단 몇 개의 유명한 유전자가 아니라 전체 게놈에 기록되어 있음을 입증합니다. 유전자가 어떻게 배열되는지, 그리고 박테리아의 핵심 기제가 시간이 지남에 따라 어떻게 변하는지를 포함한 전체적인 그림을 봄으로써, 과학자들은 내성의 진화 경로를 더 명확하게 볼 수 있습니다. 이 연구는 유전 데이터와 실제 약물 내성을 연결하는 확장 가능한 방법을 제공하며, 감시를 위한 강력한 도구를 제시합니다. 이는 이러한 진화하는 위협에 앞서 나가기 위해서, 모니터링 프로그램이 내성 유전자의 존재를 넘어, 그 유전자를 확산시키고 기능하게 만드는 가동성 요소와 유전적 맥락을 살펴봐야 함을 시사합니다.

*기술 요약: Klebsiella pneumoniae의 유전체 시그니처 및 진화 역학*

문제 정의
Klebsiella pneumoniae의 항생제 내성(AMR)은 심각한 글로벌 보건 위협을 초래하고 있다. 획득된 내성 유전자(예: $\beta$ -lactamases)는 잘 규명되어 있으나, 이들만으로는 표현형적 변이를 완전히 설명하지 못한다. 동일한 내성 유전자를 보유한 분리주들 사이에서도 서로 다른 내성 수준이 나타나기 때문이다. 현재의 감시 체계는 종종 사전 정의된 내성 유전자 패널에 의존하거나 고위험 클론(high-risk clones)에 집중하며, 이는 내성을 형성하는 데 집합적으로 기여하는 더 넓은 범위의 유전적 변이—즉, 비지배적 계통(non-dominant lineages)에서의 핵심 유전체 변이(core-genome variants) 및 부수적 요소(accessory elements)를 과소 대표할 가능성이 있다. 또한, 기존 연구들은 유전자, 변이, 그리고 가동성 요소의 맥락(mobile-element contexts)을 통합된 AMR 구조로서가 아니라 서로 단절된 신호로 취급하는 경우가 많으며, 이는 통계적 예측과 기전적 이해 사이의 간극을 남긴다.

연구 방법론
본 연구는 200 air 15년간(2006~2020년) Anhui 지역의 HuiNet 감시 네트워크를 통해 수집된 1,665개의 임상 K. pneumoniae 분리주를 PATRIC의 공개된 1,498개 유전체와 통합하여 포괄적인 범유전체(pan-genome) 프레임워크를 구축하였다. 이로써 총 3,163개의 유전체 데이터셋이 확보되었다.

데이터 생성: 임상 분리주들은 Illumina short-read sequencing(1,665개 분리주) 과정을 거쳤으며, 일부 하위 집단(491개 분리주)에 대해서는 hybrid assembly를 위한 Oxford Nanopore long-read sequencing이 수행되었다. 표현형 데이터에는 8개 약물 클래스에 걸친 17가지 항생제에 대한 감수성 프로파일이 포함되었다.
범유전체 구축: Panaroo를 사용하여 3,712개의 핵심 유전자(presence > 90%)와 18,866개의 가변 유전자(dispensable genes)를 정의하였다.
특징 추출(Feature Extraction): 본 연구는 두 가지 유형의 유전적 특징을 체계적으로 포착하였다:
- g-features: 가변 유전자의 존재 여부(presence/absence).
- v-features: 핵심 유전체의 비동의 치환 변이(non-synonymous SNPs, 삽입, 결실).
머신러닝 프레임워크: 2단계 선택 파이프라인이 채택되었다:
1. 통계적 필터링: Chi-square 검정과 Kruskal-Wallis 검정 모두에서 내성 표현형과 유의미한 연관성( $p < 0.05$ )을 보이는 특징들을 유지하였다.
2. 앙상블 랭킹: 후보군을 4가지 머신러닝 모델(Logistic Regression, Random Forest, SVM, XGBoost)로 순위를 매겼다. 특정 모델에서 상위 티어(top tier)에 속하는 특징을 유의미한 것으로 선정하였다.
모델 검증: 소프트 보팅(soft-voting) 앙상블 모델을 결합된 데이터셋으로 학습시키고, 독립적인 PATRIC 코호트에서 검증하였다. 성능은 곡선 아래 면적(AUC)으로 측정되었다.
기전 및 진화 분석: 우선순위가 지정된 변이들은 AlphaFold3 및 Missense3D를 사용하여 구조적 결과를 분석하였다. 시간적 역학은 15년의 기간 동안 Cochran-Armitage trend test와 log-odds ratio (LOR) 상관관계를 통해 평가되었다.

주요 결과

내성 경관(Resistance Landscape): HuiNet 코호트는 높은 다양성을 보였으며, 74.9%의 분리주가 다제내성(MDR)으로 분류되었다. 카바페넴(carbapenems)은 높은 활성을 유지했으나, $\beta$ -lactam/ $\beta$ -lactamase inhibitor 조합 및 세팔로스포린(cephalosporins)에 대한 내성은 널리 퍼져 있었다.
특징 발견: 분석 결과 모든 17가지 항생제에 대해 369개의 AMR 관련 특징(g-feature 242개, v-feature 127개)을 식별하였다. 이 중 46개만이 공공 데이터베이스(CARD, ResFinder, NCBI)에 알려진 기존 내성 결정 인자와 일치하였다.
예측 성능: 369개의 전체 특징을 활용한 모델은 테스트 세트에서 평균 AUC 0.92, 외부 검증 세트에서 0.93을 달 기록하였다. 이는 알려진 결정 인자만을 사용한 모델(평균 AUC 0.83)이나 v-feature 또는 g-feature로 제한된 모델보다 유의미하게 높은 성능을 보였으며, 이를 통해 핵심 유전체 변이와 가변 유전자가 상호 보완적인 예측 정보를 제공함을 입증하였다.
구조적 통찰: 우선순위가 지정된 변이들에 대한 구조 분석 결과 특정 단백질 변화가 드러났다:
- group_258(lysoplasmalogenase-like 단백질)의 미스센스 돌연변이(S178R)는 내성과 음의 상관관계(감수성과 연관)를 보였다.
- ompA(주요 외막 단백질 OmpA를 인코딩) 내의 hexanucleotide repeat 확장은 내성과 음의 상관관계(감수성과 연관)를 보였으며, 이는 코딩 반복 변이가 감수성 조절 인자가 될 수 있음을 시사한다.
진화 역학: 세팔로스포린 내성에서 유의미한 시간적 변화가 관찰되었다. 15년의 기간 동안, 특정 전이 단위인 **ISEcp1-blaCTX-M-15**가 blaCTX-M-14 관련 유전체 구성을 점진적으로 대체하였다. 이 교체 현상(Pattern P3)은 세팔로스포린(CAZ, CXM, CZO) 내성의 지속적인 증가와 강하게 연관되어 있었으며, 이 경향은 지리적으로 떨어진 Houston 코호트에서도 독립적으로 검증되었다.

의의 및 주장
본 논문은 현재의 방식보다 더 포괄적으로 박테리아의 유전형(genotype)과 AMR 표현형(phenotype)을 연결하는 확장 가능한 범유전체 기반 프레임워크를 구축했다고 주장한다. 본 연구는 내성 진화가 단순히 개별 내성 결정 인자의 획득에 의해서만 발생하는 것이 아니라, 다음 요소들에 의해 구동됨을 입증하였다:

가동성 요소의 맥락(Mobile-element contexts): 내성 유전자를 둘러싼 유전체 구조(예: ISEcp1-blaCTX-M-15 단위)는 하나의 선택 단위(unit of selection)로 작용하며, 잠재적으로 발현과 확산에 영향을 미친다.
핵심 유전체 변이(Core-genome variation): 미스센스 돌연변이와 repeat 확장을 포함하여 보존된 유전자의 코딩 변이가 내성 표현형에 크게 기여한다.

저자들은 식별된 특징들이 통계적으로 연관되어 있고 구조적으로 해석 가능하다는 점을 강조하면서도, 이들이 인과관계를 확립하기 위해 기능적 검증이 필요한 상관적 신호(correlative signals)임을 명시하였다. 이러한 결과는 유전체 감시가 내성 유전자를 추적하는 것을 넘어, 임상적 내성 경관을 형성하는 가동성 요소의 맥락과 핵심 유전체 변이까지 확장되어야 함을 시사한다.

유사한 논문