Lesson 10 of 20

표면 노출 — 묻힌 것은 보이지 않는다

제7장 · DSSP 로 잰 RSA 0.83

변이가 단백질을 고장냈다는 것까지 왔습니다. 그런데 백신을 만들려면 물음이 하나 더 있습니다.

그 변이 부분을 면역계가 볼 수 있는가?

이야기의 문장은 이렇습니다. "단백질 내부에 묻혀 있으면 면역세포가 볼 수 없다."

High school안에 들어 있으면 안 보인다

백신을 만들려면 면역세포가 그 변이를 볼 수 있어야 합니다. 단백질 속에 파묻혀 있으면 안 보이겠죠.

그래서 "816번 잔기가 표면에 나와 있는가" 를 확인합니다.

그런데 이 논리에는 단서가 붙습니다

바로 다음 셀(note)에서 그 단서를 답니다. 미리 요약하면 —

누가 보나	무엇을 보나	표면 노출이 중요한가
항체	접힌 단백질을 생긴 그대로	매우 중요
T세포	잘게 부순 조각	덜 중요

이 백신은 T세포를 쓰므로, 표면 노출은 확인이지 근거는 아닙니다. 왜 그런지는 12강에서 정면으로 다룹니다.

이 대목의 논리에 미리 붙여 둘 단서

엄밀히 말하면 이 논리는 절반만 맞습니다.

MHC class I 이 제시하는 펩타이드는 프로테아솜이 단백질을 잘게 부순 뒤의 조각입니다. 부수고 나면 묻혀 있던 부분도 조각이 되어 나옵니다. 그러니 T세포에게 보이는지는 표면 노출보다 프로테아솜이 그 자리를 자르는지와 MHC 에 붙는지가 더 중요합니다.

표면 노출이 결정적인 것은 항체가 표적으로 삼을 때입니다. 항체는 접힌 단백질을 생긴 그대로 보니까요. 12강에서 이 갈림길을 정면으로 다룹니다.

그래도 이 계산이 헛일은 아닙니다. 표면 루프에 있는 잔기는 단백질이 부서지기 전에도 프로테아솜과 단백질분해효소가 접근하기 쉬운 자리입니다.

SASA — 공을 굴려서 재는 면적

SASA(Solvent Accessible Surface Area, 용매 접근가능 표면적) 의 정의는 그림 한 장입니다.

반지름 1.4 Å 짜리 공(물 분자 크기)을 단백질 표면에 굴립니다. 그 공의 중심이 지나간 자리가 만드는 면적이 SASA 입니다. 단위는 Å².

RSA = 그 잔기의 SASA ÷ 그 아미노산이 완전히 노출됐을 때의 SASA

그냥 SASA 는 아미노산 종류마다 크기가 달라 비교가 안 됩니다. 트립토판은 크고 글라이신은 작으니까요. 그래서 최대치로 나눠 0~1 로 만듭니다. 이게 RSA(Relative Solvent Accessibility, 상대 용매 접근도) 입니다.

RSA	부르는 말	대개 어떤 잔기
< 0.10	깊이 묻힘 (buried)	소수성 중심부 — Leu · Ile · Phe · Val
0.10~0.25	부분 노출	경계면
> 0.25	노출 (exposed)	표면 — Lys · Glu · Asp · Ser

High school물방울을 굴려서 넓이를 잰다

SASA 를 재는 방법이 재미있습니다. 공을 굴립니다.

물 분자만 한 작은 공(반지름 1.4 Å)을 단백질 표면에 대고 굴립니다. 공이 닿을 수 있는 곳이 표면이고, 못 들어가는 틈은 표면이 아닙니다.

왜 하필 물 분자 크기인가

단백질은 물속에 있고, 물이 닿는 곳이 곧 바깥이기 때문입니다. 물도 못 들어가는 틈은 사실상 안쪽입니다.

RSA 는 왜 필요한가

아미노산마다 원래 크기가 다르기 때문입니다.

	SASA 100 Å²
트립토판 (큰 아미노산)	거의 파묻힌 상태
글라이신 (작은 아미노산)	활짝 드러난 상태

그래서 각자의 최대치로 나눠 0~1 로 만듭니다. 그게 RSA 예요. 키를 비교할 때 cm 대신 또래 평균 대비 몇 % 로 말하는 것과 같습니다.

이야기의 결과

잔기 812: RSA = 0.71   2차구조 = Loop   <- 표면 노출 (좋음)
잔기 814: RSA = 0.68   2차구조 = Loop
잔기 816: RSA = 0.83   2차구조 = Loop   <- V816, 83% 노출 (매우 좋음)
잔기 818: RSA = 0.77   2차구조 = Loop
잔기 820: RSA = 0.59   2차구조 = Loop

다섯 줄 전부가 Loop 입니다. 우연이 아닙니다.

🌀

α-나선 · β-병풍

규칙적으로 접힌 구조. 대개 안쪽에 있고 서로 붙잡고 있다

〰️

루프 (Loop)

그 사이를 잇는 흐물흐물한 구간. 대개 바깥에 있고 잘 움직인다

활성화 루프가 루프인 것은 이름 그대로입니다. 그래서 RSA 가 높게 나오는 게 당연하고, 9강에서 각도가 크게 바뀔 수 있었던 것도 같은 이유입니다. 같은 성질이 두 결론을 동시에 만들어 냈습니다.

여기서도 8강과 같은 교훈입니다. 값이 크다는 것보다 '어디의 값인가' 가 먼저입니다.

Python Runs in your browser

# RSA 를 문턱으로 잘라 표면 잔기를 고릅니다. 이야기의 다섯 줄이 어디쯤인지도 봅니다.
import numpy as np, pandas as pd

rng = np.random.default_rng(816)

# 키나아제 도메인 355잔기 -- 대부분 묻혀 있고 루프만 노출됩니다
n = 355
rsa = np.clip(rng.beta(1.4, 4.0, n), 0, 1)          # 전형적인 분포: 왼쪽에 쏠림
loop = np.arange(810-582, 836-582)
rsa[loop] = np.clip(rng.beta(4.5, 2.0, len(loop)), 0, 1)   # 루프는 오른쪽으로

story = {812: 0.71, 814: 0.68, 816: 0.83, 818: 0.77, 820: 0.59}
for res, v in story.items():
    rsa[res-582] = v

print(f"{'문턱':>6} {'노출 잔기 비율':>14}")
for cut in (0.10, 0.25, 0.50):
    print(f"{cut:>6.2f} {(rsa>=cut).mean()*100:>13.1f}%")
print()
print("이야기의 다섯 줄:")
rows = [(r, story[r], "노출" if story[r] >= 0.25 else "묻힘") for r in sorted(story)]
print(pd.DataFrame(rows, columns=["잔기", "RSA", "판정"]).to_string(index=False))
print()
print(f"전체 평균 RSA {rsa.mean():.2f}  vs  활성화 루프 평균 {rsa[loop].mean():.2f}")
print("루프는 원래 노출됩니다. 그러니 0.83 이 놀라운 값은 아닙니다 -- 확인일 뿐입니다.")

High school위 코드가 방금 무슨 일을 했나요

잔기 355개의 RSA 를 만들고, 문턱을 0.10 · 0.25 · 0.50 으로 옮겨 가며 노출된 잔기가 몇 %인지 셌습니다.

그리고 마지막에 전체 평균과 활성화 루프 평균을 견줬습니다.

보는 곳	평균 RSA
단백질 전체	낮음 — 대부분 파묻혀 있음
활성화 루프	높음 — 원래 밖으로 나와 있음

그래서 결론이 뭔가

816번의 RSA 0.83 은 놀라운 발견이 아닙니다. 거기가 루프니까 당연히 높습니다. 확인이지 발견이 아니에요.

8강에서 배운 것과 같습니다 — 값이 크다는 것보다 '어디의 값인가' 가 먼저입니다.

High school같은 성질이 두 결론을 동시에 만들었다

재미있는 걸 하나 짚고 갑니다.

강	결론	이유
8~9강	루프가 크게 움직였다 (RMSD 3.87 Å)	루프라서 잘 움직인다
10강	816번이 표면에 나와 있다 (RSA 0.83)	루프라서 밖에 있다

둘 다 '루프라서' 입니다

두 개의 독립된 발견처럼 보이지만, 사실 같은 성질에서 나온 두 결과입니다.

이걸 알아채는 게 중요합니다. 근거 두 개가 나란히 있으면 두 배로 확실해 보이는데, 둘이 같은 뿌리에서 나왔다면 사실은 근거 하나입니다.

서로 다른 두 사람이 말한 것인지, 한 사람이 두 번 말한 것인지 — 늘 확인하세요

🤔 Check yourself

RSA(상대 용매 접근도)가 그냥 SASA 보다 잔기 비교에 편리한 이유는?

🤔 Check yourself

MHC class I 이 제시할 펩타이드를 고를 때, 표면 노출(RSA)이 결정적 기준이 아닌 가장 큰 이유는?