A simple mathematical model for the discontinuity in average nucleotide identity distributions in prokaryotes

기술 요약: 프로카리오트(Prokaryotes)의 평균 뉴클레오타이드 동일성(ANI) 분포 내 불연속성에 대한 단순 수학적 모델

문제 제식
미생물 종은 게놈 클러스터로서 이산적으로 관찰되며, 이는 평균 뉴클레오타이드 동일성(ANI) 분포에서 잘 알려진 불연속성인 "ANI gap"을 통해 입증됩니다. 비록 ANI 임계값(종 내는 일반적으로 95%, 종 간은 85% 미만)이 프로카리오트 종을 구분하는 표준으로 사용되지만, 이 간격의 너비와 구체적인 경계값은 분류군에 따라 크게 다릅니다. 현재의 이해는 이러한 변이가 두 가지 진화적 힘, 즉 분화를 유도하는 돌연변이와 응집을 촉진하는 상동 재조합 사이의 상호작용에서 비롯된다고 상정합니다. 그러나 이전의 이론적 모델들이 돌연변이 대 재조합의 비율이 클러스터를 해체할지 혹은 유지할지를 결정한다는 점을 확립했음에도 불구하고, 중간 영역에서 클러스터 크기, 간격 및 ANI gap의 특성을 형성하는 구체적인 메커니즘은 여전히 명확히 밝혀지지 않았습니다. 본 논문은 단순화된 돌연변이 및 재조합의 수학적 모델이 다양한 분류군에서 관찰되는 ANI 분포의 변이를 분석적으로 설명할 수 있는지에 대한 질문을 다룹니다.

방법론
저자들은 단순화된 2차원 유클리드 공간에서 게놈 역학을 나타내는 평균장 근사(mean-field approximation) 모델을 개발했습니다. 이 추상화 과정에서 게놈은 게놈 불일치성(예: $1 - \text{ANI}$)을 인코딩하는 공간적 거리로 취급되는 벡터로 다뤄집니다. 모델은 세 가지 주요 구성 요소로 통합됩니다:

1. 확산으로서의 돌연변이: 돌연변이는 게놈이 무작위 보행자(random walker)처럼 행동하는 확률적 확산 과정으로 모델링됩니다. 돌연변이는 발생률 $\mu$를 가진 포아송 과정(Poisson process)을 통해 발생하며, 가우시안 분포를 따르는 무작위 변위를 초래합니다. 이 과정은 시간이 지남에 따라 게놈 클러스터를 확장시킵니다.
2. 인력으로서의 상동 재조합: 재조합은 게놈들을 서로 끌어당기는 인력으로 모델링됩니다. 두 게놈 사이의 재조합 확률은 거리($d$)에 의존하며 서열 분화에 따라 지수적으로 감소합니다: $p_{ij} = p e^{-\alpha d_{ij}}$. 여기서 $p$는 기본 재조합률이며, $\alpha$는 분화에 따른 재조합 효율의 감소율을 나타냅니다. 재조합이 발생하면, 한 게노은 파트너를 향해 거리의 일부분 $s$만큼 이동합니다.
3. 분석적 도출: 저자들은 돌연변이에 의한 확장과 재조합에 의한 수축 사이의 균형을 맞춤으로써 게놈 클러스터의 제곱평균제곱근 반경($R_t$)에 대한 평형 조건을 도출했습니다. 저자들은 $dR/dt = 0$인 미분 방정식을 풀어 안정 및 불안정 평형점을 찾았습니다.

모델의 예측값은 NCBI 데이터베이스의 완전한 게놈 어셈블리를 사용하여 다섯 가지 박테리아 속(Escherichia, Brucella, Leptospira, Proteus, Campylobacter)에서 얻은 300,000개 이상의 쌍별 비교로부터 도출된 경험적 ANI 분포와 질적으로 비교되었습니다.

주요 기여 및 결과
본 연구는 램버트 W 함수(Lambert $W$ function)를 사용하여 게놈 클러스터의 평형 반경에 대한 분석적 해를 제공합니다. 주요 결과는 다음과 같습니다:

• 평형 상태: 모델은 두 가지 임계 반경, 즉 게놈 클러스터의 크기를 나타내는 안정적 평형($R^*_{W0}$)과 불안정적 평형($R^*_{W-1}$)을 식별합니다. 불안정 반경 내의 게놈들은 안정적인 클러스터 중심부로 끌려 들어가는 반면, 이 범위를 벗어난 게놈들은 무한히 분산됩니다. 두 반경 사이의 영역은 동적으로 불안정한 구역을 나타내며, 저자들은 이것이 ANI 분포에서 관찰되는 불연속성(gap)을 설명한다고 제안합니다.
• 매개변수 민감도:
  • 돌연변이 ($\mu$): 높은 돌연변이율은 안정적인 클러스터 반경($R^*_{W0}$)을 증가시켜 종 내 변이성을 높이고 ANI gap을 더 낮은 값으로 이동시킵니다.
  • 재조합률 ($(N-1)p$): 높은 재조합률은 클러스터 반경을 감소시켜 변이성을 줄이고 ANI gap을 더 높은 값으로 이동시킵니다.
  • 감소율 ($\alpha$): 높은 감소율(덜 관대한 재조합)은 응집력을 약화시켜 클러스터 반경을 증가시킵니다. 반대로, 낮은 $\alpha$(더 관대한 재조합)는 별개의 클러스터 사이의 거리($D_{between}$)를 증가시켜 ANI gap을 넓힙니다.
• 경험적 데이터의 재현: 돌연변이 대 재조합의 비율과 감소율 $\alpha$를 조정함으로써, 모델은 실제 ANI 분포에서 보이는 변동성을 성공적으로 질적으로 재현합니다. 예를 들어, 매개변수를 변화시킴으로써 높은 다양성과 좁은 간격(예: Escherichia) 또는 낮은 다양성과 넓은 간격(예: Brucella)을 시뮬레이션할 수 있습니다.

의의 및 주장
저자들은 자신들의 단순화된 모델이 미생물 종 경계를 규정하는 근본적인 역학을 이해하기 위한 다루기 쉬운 프레임워크를 제공한다고 주장합니다. 분석적으로 도출된 평형 조건을 통해 모델은 다음과 같은 구체적이고 테스트 가능한 예측을 제시합니다:

1. 높은 돌연변이는 종 내 변이성을 증가시키고 ANI gap을 낮춥니다.
2. 높은 상동 재조합은 변이성을 줄이고 ANI gap을 높입니다.
3. 더 관대한 재조합(낮은 $\alpha$)은 클러스터 간 거리를 증가시켜 ANI gap을 넓힙니다.

본 논문은 종의 구분을 이해하기 위해서는 돌연변이율, 재조합률, 그리고 서열 분화에 따른 재조합 효율의 감소를 공동으로 고려해야 함을 강조합니다. 모델은 물리적 공간, 적응도 지형(fitness landscapes), 중첩된 클러스터를 무시한 단순화된 형태이지만, 미생물 집단 내의 이러한 매개변수를 정량화하기 위한 향후 실험적 및 이론적 노력을 촉발하는 기초적인 단계 역할을 합니다. 저자들은 미생물 다양성을 형성하는 진화적 힘을 더 잘 이해하기 위해 커뮤니티가 이러한 예측을 검증할 것을 권장합니다.