바이오인

1. 개요

가.  연구의 배경 및 필요성

  21세기에 들어서 태동하기 시작한 합성생물학 (Synthetic Biology) 분야는 생명체에 내재한 복잡한 생화학적 회로의 정보처리 능력을 이용하기 위해 다양한 공학적 접근 방법을 도입하며 설계-합성-테스트-학습 (design-build-test-learn cycle) 주기를 빠른 시일 내에 반복하고 완성된 시스템을 얻고자 한다[1,2,3](그림 1). 빠르게 발전하고 있는 생물공학기술은 앞으로 다가올 다양한 환경, 보건, 의료, 식품 등 여러 분야의 문제들을 해결할 수 있는 범용적인 신기술을 제시할 것으로 기대된다. 그 중에서도 합성생물학 분야는 공학적인 접근 방법을 보다 정교하게 생물학에 도입하는데 필요한 기술을 다루며 이러한 합성생물학적 접근 방법은 최근 들어 상당히 오랜 시간과 노력이 요구되는 무작위 변이 도입 및 형질 확인 과정을 획기적으로 줄이는 데도 기여하고 있다. 이는 나날이 발전하고 있는 컴퓨터 프로그래밍 및 기계학습 기법과 결합함으로써 가능한데, 이전보다 복잡한 기능을 생체 내에서 구현하면서도 개발 및 검증에 소요되는 시간과 노력을 꾸준히 줄이는 성과를 보이고 있다. 합성생물학의 유전자 회로 설계를 컴퓨터 프로그램 및 기계 학습과 접목시키는 설계 및 구현 방법이 꾸준히 증가되고 있으며 이는 합성생물학 연구에 사용되는 표준화된 부품 및 디자인 방법과 함께 앞으로 인류가 당면한 여러 생물, 의학, 환경, 식량의 문제해결을 위한 기반을 마련할 것이다.

그림 1. 합성생물학의 설계-합성-테스트-학습 주기(Design-build-test-learn cycle) [3]

2. 합성생물학 유전자회로 연구동향

가. 유전자 라이브러리 및 발현량 조절에 관한 연구

 생물학적 시스템에서 유전자회로 설계를 통해 세포의 대사 흐름을 재분배 하는데 있어 가장 중요한 부분은 유전자의 발현량을 정확하게 예측하는 모델을 구축하는 것이다. 유전자 발현에 영향을 미치는 영역으로 프로모터와 Ribosome binding site(RBS)가 일반적으로 라이브러리 구축에 이용되며 이와 더불어 Untranslated region(UTR)과 종결 지점(terminator) 역시 유전자 발현에 영향을 주는 것으로 알려져 있다. 다양한 프로모터를 이용하는 방법을 통해 효과적인 유전자 발현량 조절이 가능하며 일례로 박테리오파지 T7 프로모터의 변이체를 다양하게 조합함으로써 다섯 개의 유전자를 이용한 Violacein 합성능력을 크게 증가시키는 것을 보였다[4]. 그러나 프로모터만을 활용한 발현량 조절은 정량적 예측이 어려웠는데 이는 서로 다른 유전자의 경우 각각 다른 5’UTR 서열을 전사시키는 것의 영향이 크다는 것이 밝혀졌다. 이러한 단점을 해결하는 방안으로 절연체(insulator) 역할을 할 수 있는 리보자임(ribozyme)을 도입하여 절연체 서열의 절단 후 5’UTR 서열이 통일 될 수 있도록 설계하였다[5]. 이와 함께 mRNA 번역의 정도를 정량적으로 예측하기 위해서 RBS와 그 주변의 5’UTR 서열을 조절하는 방안이 활발히 연구되었다. 다수의 mRNA 라이브러리를 이용한 실험 결과를 통해 단백질의 발현량 예측을 위해서는 RBS 자체의 리보좀과의 결합에너지에 더하여 mRNA의 접힘 에너지(folding energy)를 중요한 변수로 고려해야 함이 밝혀졌다. 이러한 연구의 결과로 RBS calculator[6], RBS designer[7], UTR designer[8]와 같은 컴퓨터 프로그램을 이용한 서열 기반의 유전자 발현량 예측 도구들이 개발되었다. RBS library calculator의 경우는 다수의 단백질 발현량을 동시에 최적화하는 서열 후보들을 제시하며 carotenoid 합성 최적화에 이용될 수 있음을 보고하였다[9].

그림 2. 효모에서의 random UTR library 구축과 선택적 성장 후
시퀀싱을 통해 유전자 발현량을 재구성하는 개념도 [10]

  박테리아에 비해 상대적으로 진핵생물에서는 유전자 발현량을 예측하는 모델의 정확도가 떨어지고 이용할 수 있는 도구도 제한적이었다. 이를 극복하기 위해 최근에 각광받고 있는 기계학습 방법과 다수의 random  라이브러리를 이용한 스크리닝 기법이 연구자들에 의해 시도되고 있다. 최근의 연구에서는 효모에서 500,000 개 정도의 random UTR library를 구성한 후 이를 생존에 필수적인 유전자의 발현과 연결시킴으로써 효모의 선택적 성장 후 시퀀싱 결과의 빈도와 유전자 발현량의 관계를 도출하였다[10](그림 2). 머신 러닝 결과로 얻은 UTR 서열 기반 예측 모델을 적용한 결과 자연계에 존재하는 UTR 의 성능 및 새롭게 최적화한 UTR 서열에도 좋은 성능을 보임을 확인하였다. 복잡한 유전자 발현 조절 메커니즘이 존재하는 진핵생물에서는 이러한 다량의 스크리닝과 머신 러닝 기법이 특히 유용할 것으로 예측된다.

  합성유전자 회로의 구현에 있어 세포의 성장 단계나 성장 조건 또한 다양한 플라스미드 또는 게놈 삽입의 선택에 따라 유전자의 복제수( number)는 다르게 된다. 많은 기존의 연구에서는 이러한 유전자 복제수의 변화가 변수로 고려되지 않고 시스템이 디자인 되는 경우가 비일비재 하였다. 이러한 유전자회로 복제수의 변화에 성능이 영향을 받지 않은 회로의 구현 방안으로 최근에 발표된 TALE (transcription-activator-like effector)을 이용한 합성프로모터의 구현 방안이 있다[11](그림 3). 이러한 합성프로모터는 기존의 대장균의 프로모터에 바로 인접하게 프로모터의 전사활동을 억제하는 TALE을 삽입하는 구조를 갖는다. 유전자의 복제수가 증가할 경우 프로모터와 이를 억제하는 TALE 이 함께 증가하여 결과적으로 유전자 발현량은 증가하지 않는다. 이론적으로 이러한 incoherent feedforward loop 구조를 갖게 되면 유전자 복제수가 변하더라도 유전자의 발현량은 일정하게 유지될 것으로 예측된다. 실험적으로는 리포터 유전자를 복제수가 100배 가까이 차이나는 서로 다른 플라스미드에 삽입하거나 유전체에 삽입하여 발현량의 변화가 거의 없음을 검증할 수 있었다. 최근의 다른 연구에서는 번역에 필수적인 유전자를 이용하여 플라스미드 복제수의 변화를 여러 세대에 걸쳐 일정하게 유지할 수 있었으며 이를 STAPL(Stable and TunAble PLasmid) 시스템이라 명명하였다[12]. 더불어 이러한 안정적인 유전자 복제수를 유지함으로써 itaconic acid와 lycopene의 수율을 증대시키는 효과를 얻었다. 

...................(계속)