RNAflash: Fast and Sensitive Structure-aware RNA Homology Detection and Alignment

생명의 거대한 도서관 속에서, RNA는 DNA로부터 지침을 전달하고 우리 세포를 움직이는 단백질을 만드는 데 도움을 주는 다재다능한 메신저이자 관리자 역할을 합니다. 특정 RNA 조각이 어떻게 작동하는지 이해하기 위해, 과학자들은 종종 그와 공통의 조상을 공유하는 다른 RNA 분자인 친척들을 찾습니다. 친척이라 불리는 이 '상동체(homologs)'는 가계도의 먼 사촌과 같습니다. 겉모습은 상당히 달라 보일 수 있지만, 종종 동일한 작업을 수행하기 위해 유사한 형태로 접히곤 합니다. 이러한 사촌들을 찾는 것은 RNA가 어떻게 3차원 구조로 접히는지 예측하는 데 매우 중요한데, 이는 그 기능과 약물 표적으로 어떻게 활용될 수 있는지를 이해하는 핵심 단계입니다. 그러나 이 분야에는 지속적인 문제가 있습니다. 친척을 찾는 데 사용되는 도구들이 대개 과학자들에게 속도와 정확성 사이의 선택을 강요한다는 점입니다. 빠른 도구들은 글자 하나하나가 똑같이 일치하는 것에 너무 의존하기 때문에 먼 사촌들을 놓치기 쉽고, 분자의 형태를 살피는 정확한 도구들은 너무 느려서 수백만 개의 서열이 담긴 현대의 데이터베이스를 검색하는 데 며칠씩 걸리기도 합니다.

상하이 교통대학교의 연구팀은 이러한 절충안을 깨뜨리기 위해 설계된 RNAflash라는 새로운 접근법을 선보였습니다. 이들의 방법은 이 찾기 힘든 RNA 친척들을 빠르게 찾아낸 다음, 이들을 유용한 가족 초상화로 배열하도록 설계된 2단계 검색 엔진처럼 작동합니다. 첫 번째 단계는 시간이 흐르며 글자가 크게 변했을 때도 RNA 서열의 '목소리'를 인식하도록 훈련된 시스템을 사용합니다. 이 시스템은 쿼리(질의) 서열의 모든 글자를 3천만 개의 항목이 담긴 거대한 데이터베이스 내의 모든 서열과 일일이 비교하는 대신, 각 서열을 압축된 요약본으로 변환합니다. 그런 다음 고속 인덱스를 사용하여 아주 짧은 시간 안에 가장 유망한 일치 항목들을 찾아냅니다. 이 초기 탐색은 빠르지만 완벽하지는 않습니다. 즉, 몇몇 오탐(false alarms)이 포함되거나 더 자세히 들여다보아야 알 수 있는 미묘한 연결 고리를 놓칠 수도 있습니다.

이를 해결하기 위해, 과정의 두 번째 단계에서는 첫 번째 라운드에서 뽑힌 상위 후보들을 훨씬 더 세밀한 눈으로 검사합니다. 이 단계는 RNA 분자의 예측된 형태를 살펴보는 다른 종류의 분석을 사용합니다. RNA 분자의 형태는 글자 서열보다 더 안정적이고 보존되는 경향이 있기 때문에, 이 단계는 빠른 검색이 놓쳤던 관계를 확인할 수 있습니다. 이들은 형태가 어떻게 일치하는지에 따라 서열을 정렬하며, 이를 통해 최종적인 친척 목록이 정확하고 생물학적으로 의미 있게 만듭니다. 그 결과물은 다중 서열 정렬(multiple sequence alignment)로 배열된 서열 모음인데, 이는 친척들을 나란히 배치하여 과학자들이 어디에서 서로 일치하고 어디에서 차이가 나는지를 볼 수 있게 해주는 격자 형태입니다. 이 격자는 분자의 3D 구조를 예측하는 토대가 됩니다.

연구진은 기존의 도구들, 그중에서도 해당 분야에서 '골드 스탠다드(표준)'로 간주되는 도구들을 포함하여 이들의 시스템을 테스트했습니다. 연구진은 RNAflash가 서열만을 따지는 빠른 도구들보다 더 먼 친척들을 찾아낼 수 있으며, 형태를 고려하는 느린 도구들보다 훨씬 빠르게 그 작업을 수행할 수 있다는 것을 발견했습니다. 3천만 개의 서열이 담긴 데이터베이스를 대상으로 174개의 쿼리에 대해 실시한 대규모 테스트에서, 이 새로운 방법은 전체 검색 및 정렬 과정을 1,682초 만에 완료했습니다. 반면, 전통적인 형태 기반 도구들은 동일한 작업을 수행하는 데 100배 이상의 시간이 더 걸렸습니다. RNAflash가 생성한 정렬은 생성 속도가 빠를 뿐만 아니라, 분자가 어떻게 접히는지 이해하는 데 도움이 되는 유용한 진화적 신호를 더 많이 포함하고 있어 품질 또한 더 높았습니다.

연구팀은 속도가 절대적인 우선순위인 상황을 위해 더 가볍고 빠른 버전의 도구도 제작했습니다. RNAflash-L이라고 불리는 이 버전은 쿼리당 1초도 안 되는 시간에 친척을 찾아 정렬할 수 있습니다. 완전한 버전보다는 민감도가 약간 떨어지지만, 여로 정렬의 품질 면에서는 여전히 다른 빠른 도구들보다 뛰어난 성능을 보여줍니다. 이러한 속도는 매우 중요한데, 이는 연구자들이 이전에는 불가능했던 규모로 고급 구조 예측에 필요한 고품질 가계 정렬을 생성할 수 있음을 의미하기 때문입니다. 수백만 개의 서열을 며칠이 아닌 몇 초 만에 검색할 수 있게 함으로써, 이 연구는 이전에 연구하기 너무 어려웠던 RNA 분자들을 분석할 수 있는 길을 열어주었으며, 잠재적으로 새로운 생물학적 기능과 치료 표적의 발견을 가속화할 수 있습니다.