Abstract


Network biology and disease research

Heo Hyoung-Sam, Cho Seong Beom
Division of Bio-Medical Informatics, Center for Genome Science, KNIH, KCDC

The functional identification of biological molecules at the system level is known as systems biology, which aims to uncover biological mechanisms through analysis of the biological elements within a system by identifying the connectivity of a large number of variables involved in a particular biological phenomenon. Systems biology is a field of research that identifies relationships among biological molecules such as genes and proteins, and incorporates the relationships and interpretations at the system level. One of the most effective methods that can model the interactions among biological molecules is network biology.
Multiple genes and their interactions are involved in disease mechanisms. This network biological view of disease pathology is now beginning to guide translational research. Network-based methods play several roles in disease research, such as (1) prioritizing disease-related genes, (2) identifying the disease module, and (3) stratification of complex diseases. In this review, we introduce the basic concepts of network science and network biology, and discuss the application of network biological approaches in disease research.

Keywords: Bioinformatics, Connectome, Disease, Network Biology, Systems Biology


들어가는 말


현대 분자생물학의 주요 연구방법은 생체 구성 분자를 하나씩 분리하여 개별적인 기능을 밝히는 환원주의적 방법을 통해 각 분자의 생명현상을 규명하였다. 예를 들어 특정 유전자의 발현을 억제함으로써 발생되는 반응을 통해 해당 유전자의 기능을 유추하고 규명하였다. 그러나 수많은 생체 분자들은 복잡한 상호작용을 하고 있는 유기적인 시스템이며, 따라서 생명 현상의 규명을 위한 기존의 환원주의적 연구방법은 명확한 한계를 포함하고 있다. 인간 게놈 프로젝트(Human Genome Project, HGP) 이후 염기서열 해독의 고속화 및 자동화가 진행되었고 대용량 오믹스 자료의 생산 및 분석이 가능하게 되었으며, 이를 통해 점차 분자생물학은 다양한 오믹스 기반의 자료 분석을 통해 시스템 수준에서 생체 구성 분자들의 기능을 유추하고 규명하는 전체주의적 패러다임으로 전환되고 있다.
시스템 생물학이란 특정 생명 현상에 관여하는 생체 분자의 수많은 상호작용 변수들의 연결을 규명함으로써 생체 시스템 내부의 근원적인 작용기전을 이해하고자 하는 학문분야로 유전자, 단백질 등과 같은 생체 분자들 간의 관계를 규명하고, 규명된 관계를 시스템 수준에서 통합, 해석하는 연구 분야이다. 시스템 생물학 기반의 연구를 위해서는 대용량 오믹스 자료의 생산과 오믹스 자료 기반의 생체 분자들의 관계를 예측, 규명하고 그 결과를 효과적으로 모델링하여 생체 분자의 기능과 작용 기전을 규명할 수 있는 연구 방법이 필요하다. 이러한 생체 분자들 간의 상호관계를 가장 효과적으로 모델링 할 수 있는 연구 기반 중 하나가 네트워크다. 네트워크를 이용한 연구 방법은 시스템 생물학에서 가장 기본적이고 핵심적인 연구 방법이며, 네트워크 과학을 이용한 생명과학 분야 적용에 관한 연구 방법을 네트워크 생물학이라고 한다. 연구자들은 네트워크 생물학을 이용하여 시스템 수준의 관찰을 통해 생체 분자들의 생명현상을 규명하고, 각 생체 분자들의 창발적 기능(각 생체 분자들의 단일 기능에서는 발견 할 수 없는 기능이 시스템 수준의 기능 발현에서 관찰 되는 현상)을 규명하고자 한다.
이번 글에서는 네트워크 생물학의 응용 분야 중 질병 연구를 중심으로 실제 연구 적용 사례를 살펴보고, 현재 질병연구 분야 네트워크 생물학의 동향에 대해 소개하고자 한다.


몸 말

생물학적 네트워크의 구성과 종류


기본적인 네트워크의 구성은 네트워크 구성 요소를 표현하는 정점(node 또는 vertex)과 구성 요소들 간의 관계를 표현하는 간선(edge 또는 arc)으로 구성되며(Figure 1), 생물학적 네트워크에서는 유전자, 단백질과 같은 생체분자를 정점으로, 생체분자들 간의 상호작용을 간선으로 표현한다.
가장 많은 연구와 응용이 진행 중인 생물학적 네트워크의 종류는 유전자 상호작용 네트워크(genetic interaction network), 단백질-단백질 상호작용 네트워크(protein-protein interaction network), 전사 조절 네트워크(tranional regulatory network) 등이 있으며, 네트워크를 이용한 대사 반응(metabolic reaction)과 신호 전달(signal transduction)을 포함하는 생물학적 경로(biological pathway)의 표현이 대표적이다.

(1) 유전자 상호작용 네트워크(genetic interaction network)
두 유전자 간의 유전자 상호작용은 일반적으로 이들 돌연변이의 표현형이 각각의 돌연변이 개체에서 예상되었던 것과 다르게 표현된다. 지난 수년 간 효모(Saccharomyces cerevisiae) 종을 이용한 합성 유전자 배열(synthetic genetic array) 기술과 유전자 발현 억제를 이용한 기능 연구를 통해 효모 종의 유전자 상호작용 네트워크의 게놈 수준 연구가 완료되었다. 그 결과는 유전자 상호작용의 기능적 해석과 유전 및 분자 상호작용의 관계, 이를 활용한 유전자 기능의 추론 등에 관한 여러 가지 질문을 제시하였다. 유전자 상호작용 네트워크에서 두 유전자 간의 유전자 상호작용은 실제 두 유전자가 기능적 관계를 공유하고 있음을 의미한다.

(2) 단백질-단백질 상호작용 네트워크(protein-protein interaction network)
단백질은 생체분자 중 생체 구성성분 또는 세포 내의 각종 화학반응의 촉매물질로써 중요한 생체분자이며, 단백질-단백질 상호작용의 규명은 단백질과 상호작용하는 다른 단백질을 발견하거나 그들의 신호 전달과정을 규명하는, 분자생물학에서 중요한 연구방법 중 하나이다. 단백질-단백질 상호작용 네트워크에서 정점은 단백질, 간선은 단백질 간의 물리적 결합 또는 접촉을 표현한다(Figure 3). 단백질-단백질 상호작용을 규명하기 위해 여러 실험적인 방법이 보고되어 있으며, 일반적으로 가장 많이 사용되는 실험적인 방법은 효모단백질잡종법(yeast two-hybrid system)이다. 효모단백질잡종법은 효모에서 발현되는 전사인자와 효모의 생육에 필수적인 단백질을 생산하는 유전자를 표지자로 이용하여 원하는 단백질에 특정의 결합 단백질이 결합되면 유전자발현의 하부단계(downstream)의 필수 유전자가 발현하여 단백질을 생산함으로써 원하는 단백질과 결합하는 미지의 단백질을 찾아내는 시스템이다. 효모단백질잡종법의 장점은 유전자 재조합기술을 기반으로 함으로 간편하며, 단백질 특성과 관계없이 실험을 대규모로 진행 가능하여 단백질 상호작용 분석에 용이하고 단백질의 구조 변형 없이 약한 상호작용도 확인할 수 있다. 반면에 표지 유전자의 발현을 확인하여 단백질 상호작용을 간접적으로 측정하므로 위양성(false positive) 확률이 높다.

(3) 전사 조절 네트워크(tranional regulatory network)
유전자 발현 조절, 전사조절인자 연구는 기존 개별 유전자와 전사조절인자와의 조절 기작 및 발현 연구를 벗어나 각 유전자의 발현 조절 기전 내에서 상호연관성을 규명하는 시스템 수준의 연구로 발전하였다. 전사조절인자와 전사조절요소의 상호작용을 규명하기 위한 방법으로는 전사조절인자에 특이적 항체를 이용하여 전사조절인자와 전사조절요소의 복합체를 크로마틴 면역침전(chromatin immunoprecipitation, ChIP) 후 전사조절요소를 분리, 동정하는 방법이 사용되고 있다. 전사조절요소의 서열을 분석하는 방법에 마이크로어레이가 사용되는 방법을 ChIP-chip, 차세대서열결정법이 사용되는 방법을 ChIP-seq이라 한다. 전사 조절 네트워크에서 정점은 전사조절인자, 전사조절요소 등을 표현하며, 간선은 전사 조절의 활성과 저해의 특성을 표현한다(Figure 4).


네트워크를 이용한 생물학적 경로(biological pathway)의 표현

생물학적 경로는 대사 경로(metabolic pathway), 신호 전달 경로(signaling pathway)와 같은 특정 생명현상 또는 특정 요인에 의한 상호작용의 연쇄반응을 뜻한다(Figure 5). 그에 비해 생물학적 네트워크는 생물학적 경로를 포함하는 생명체의 전체 상호작용의 총합으로 생각 할 수 있다. 네트워크를 이용한 생물학적 경로의 표현에서 정점은 생물학적 경로 내의 생체 분자를 표현하며, 간선은 경로와 반응의 매개변수를 표현한다. 반응은 생물학적 경로에서 단계로 간주 할 수 있다. 생물학적 경로는 생체분자의 상태를 변화시키는 생명현상 또는 특정 요인에 의한 반응을 정의한다. 촉매를 포함한 결합, 활성화, 전이, 열화 및 생화학적인 반응과 사건은 모두 반응으로 간주 할 수 있다.

네트워크 생물학을 이용한 알레르기 질환 연구의 예

질병은 특정 질병요인에 의한 상호작용의 연쇄반응을 통해 발병하며, 이러한 질병 기전은 생물학적 네트워크 내에서 질병 요인에 의해 영향을 받는 질병 관련 생물학적 경로로 한정 할 수 있다. 특정 질병 관련 생물학적 경로는 생물학적 경로의 유사성 또는 공유를 통해 또 다른 질병을 유발 할 수 있다. 생명정보연구과에서는 알레르기 행진(allergic march) 관련 질환인 알레르기 비염(allergic rhinitis), 천식(asthma), 아토피 피부염(atopic dermatitis), 음식물 알레르기(food allergy) 네 가지 질환에 대하여 네트워크 생물학 방법을 이용하여 질병 기전의 공유를 통한 다른 질병의 발병기전에 관한 연구를 진행하였다.
연구 방법(Figure 6)은 (1) 네 가지 알레르기 질환에 대한 질병 관련 유전자를 공개 데이터베이스를 이용하여 수집하였고, (2) 각 질병 관련 유전자를 이용하여 네 가지 알레르기 질환의 단백질-단백질 상호작용 네트워크를 공개 데이터베이스를 이용하여 구축하였다. 네 가지 알레르기 질환 네트워크를 이용하여 (3) 각 알레르기 질환 네트워크가 공유하는 유전자의 기능을 분석하여 각각 알레르기 질환들이 공유하는 생물학적 기능에 대한 주석(annotation)을 수행하였다. 또한 (4) 네 가지 알레르기 질환 네트워크에서 중요한 기능을 할 것으로 판단되는 상호작용의 집합인 네트워크 모듈을 예측, 추출하여 네 가지 알레르기 질환 각각의 네트워크 모듈 유사도 계산을 통해 각각 알레르기 질환들이 공유하는 네트워크 모듈 기능을 주석달기 하였다.
각 알레르기 질환 네트워크가 공유하는 유전자의 기능을 분석하여 각각 알레르기 질환들이 공유하는 생물학적 기능 주석달기 분석 결과(Figure 7), 각각 알레르기 질환들은 공통적으로 방어반응과 같은 외부 자극에 대한 반응 관련 유전자들을 공통적으로 포함하고 있으며, 이러한 외부 자극에 의한 결과로 발생하는 표현형인 염증반응 관련 유전자를 포함하고 있었다.
알레르기 질환 네트워크의 네트워크 모듈 추출 및 네트워크 모듈을 이용한 네트워크 유사도 분석 결과에서는 각 알레르기 질환 네트워크의 중요 모듈을 추출하고 각각 알레르기 질환 네트워크의 유사도에 관련성이 높은 네트워크 모듈을 동정하였다(Figure 8). 동정된 각각 알레르기 질환 네트워크의 유사도에 관련성이 높은 네트워크 모듈의 기능 분석을 통해서 특정 알레르기 질환이 발생하여 다른 알레르기 질환을 유발하는데 관여하는 생물학적 기능을 예측 할 수 있었다(Table 2).


맺는 말

질병의 예방 및 제어를 위해서는 질병 관련 인자의 규명 및 질병 기전의 이해가 필수적이다. 대용량 오믹스 자료의 생물정보학적 연구는 질병 관련 인자의 발견 및 기능 규명에 매우 효율적인 연구 방법이지만 우리가 보유한 질병 관련 정보는 아직까지 매우 제한적인 상황이다. 네트워크 생물학 기반 연구방법의 질병 연구 분야 적용은 이러한 질병 관련 정보의 해석 및 이해에 강력한 힘을 발휘 할 것으로 기대되며, 방대한 질병 기전 연구 분야에 시간적, 물질적 비용 절감 효과를 기대 할 수 있을 것으로 사료된다.


참고문헌

1. Albert R. Scale-free networks in cell biology. J Cell Sci. 2005 Nov 1;118(Pt 21):4947-57.
2. Barabási AL, Oltvai ZN. Network biology: understanding the cell's functional organization. Nat Rev Genet. 2004 Feb;5(2):101-13.
3. Ideker T, Krogan NJ. Differential network biology. Mol Syst Biol. 2012 Jan 17;8:565. doi: 10.1038/msb.2011.99.