Lesson 16 of 20

한 개도 겹치지 않았다

논문 Figure 4A·4B · mtDNA-Seq · MitoSeek · 공유 0건

세포 안에는 유전체가 둘 있습니다. 핵 안의 큰 것과, 미토콘드리아 안의 작은 것.

	핵 유전체	미토콘드리아 유전체
크기	31억 염기	16,569 염기
세포당 사본	2벌	수백~수천 벌
물려받는 길	부모 양쪽	어머니 쪽만
복제 시점	세포주기에 맞춰	따로 — 세포주기와 무관
변이율	기준	10배 넘게 높다
수선 장치	여러 겹	훨씬 단출하다

마지막 두 줄 때문에 미토콘드리아 유전체는 빠르게 갈라집니다. 그래서 계보를 따지는 자로 쓸 수 있습니다.

High school미토콘드리아 DNA의 성질

5강에서 봤듯 mtDNA는 핵 DNA와 아주 다릅니다. 그 차이가 이 결과를 설명할 수 있어요.

성질	결과
세포당 수백~수천 벌	변이가 일부 사본에만 있을 수 있음 (이형질성)
돌연변이율이 높음	변이가 빨리 쌓이고 빨리 바뀜
병목 현상	세포분열 때 일부 사본만 전달 — 조성이 급변
선택이 작용	기능에 나쁜 변이는 사라짐

세 번째 줄이 핵심입니다 — mtDNA 조성은 세대를 거치며 크게 흔들립니다.

방법

단계	도구 · 값
라이브러리	증폭(amplicon) 기반
기준 서열	rCRS `NC_012920.1` — 개정 케임브리지 표준서열
정렬	Bowtie2 v2.3.4.3
변이 호출	MitoSeek v1.3 — 짝지은 정상과 비교
거르기	리드 50개 미만 지지면 버림
커버리지	94% 넘음 · 중앙 깊이 4,500× 넘음
그림	Circos v0.69-9 (그림 4A 의 원형 지도)

찾은 것

IP 의 체세포 변이29건

SNSCC 의 체세포 변이44건

C>T 전이69%

G>A 전이15%

여기서도 암 쪽이 많습니다. 논문의 해석 — 대부분의 미토콘드리아 변이는 악성 전환 도중이나 그 뒤에 생긴다는 기존 보고와 맞습니다.

C>T 와 G>A 가 합쳐 84% 입니다. 논문은 이것을 미토콘드리아 활성산소(mtROS) 가 만든 DNA 손상의 흔적으로 봅니다. 미토콘드리아는 에너지를 만드는 곳이고, 그 부산물로 활성산소가 나옵니다. 자기가 만든 것에 자기가 상하는 셈입니다.

High school그래서 공유 0건을 어떻게 읽나

해석	내용
정말 남남이다	14강의 절반 공유와 모순 — 설명 필요
병목이 지웠다	공통 조상의 mtDNA 변이가 전달 과정에서 사라짐
검출 한계	낮은 이형질성 변이를 못 잡음
변이가 늦게 생김	갈라진 뒤에 각자 쌓임

두 번째와 네 번째가 유력합니다. mtDNA는 변화가 빨라서 오래된 혈연을 기록하기에 부적합할 수 있어요.

빠른 시계는 최근 사건을 잘 재지만, 먼 과거는 지워 버립니다.

어디에 몰렸나

🔁

D-loop — 가장 많이

미토콘드리아 유전체에서 복제를 시작하는 자리입니다. 단백질을 만들지 않는 조절 구간인데 변이가 가장 많았습니다. 다른 두경부암 연구와 같은 결과입니다.

⚡

ND5 — 코딩부에서 최다

호흡사슬 복합체 I 의 부품입니다. 여기가 고장나면 산화적 인산화가 나빠지고 · 활성산소가 늘고 · 대사가 종양 쪽으로 기웁니다.

D-loop 에 몰린 것은 두 가지로 읽을 수 있습니다. 하나는 그 자리가 복제 스트레스를 많이 받는 자리라는 것이고, 다른 하나는 단백질을 만들지 않으니 변이가 살아남기 쉽다는 것입니다.

그리고 이 강의 제목

짝지은 IP 와 SNSCC 사이에 공유된 mtDNA 변이 — 0건

그림 4B 가 이것입니다. 환자 11명 각각에 대해 IP 의 변이(세모)와 SNSCC 의 변이(동그라미)를 유전체 좌표 위에 찍었습니다. 같은 자리에 세모와 동그라미가 겹친 곳이 한 군데도 없습니다.

14강에서는 절반이 공유했습니다. 여기서는 아무도 공유하지 않았습니다. 핵 DNA 에서 공유가 있던 그 다섯 명조차 미토콘드리아에서는 겹치지 않았습니다.

0/11 은 '절대 없다' 가 아니라 '20% 를 넘지는 않는다' 입니다. 그래도 핵 DNA 의 50% 와는 뚜렷하게 다릅니다.

Python Runs in your browser

# 0건이라는 관찰은 얼마나 놀라운가.
# 만약 두 병변이 정말 같은 조상에서 왔다면 우연히 0 이 될 확률은?
import numpy as np
from scipy import stats

# 관찰값
n환자 = 11
공유건수 = 0

# 만약 진짜 공유 확률이 q 라면, 11명 전부에서 0 이 나올 확률
print(f"{'진짜 공유 확률':>16} {'11명 전부 0 일 확률':>22}")
print("-" * 40)
for q in [0.5, 0.3, 0.2, 0.1, 0.05, 0.02]:
    print(f"{q:>16.0%} {(1-q)**n환자:>22.4f}")

print()
낮, 높 = stats.beta.interval(0.95, 0.5, n환자 + 0.5)
print(f"0/11 의 95% 신뢰구간(제프리스): {낮:.1%} ~ {높:.1%}")
print()
print("즉 '공유 확률이 20% 를 넘지는 않는다' 까지가 이 자료가 말할 수 있는 것입니다.")
print("핵 DNA 의 50% 와 비교하면 분명히 낮습니다.")
print()
print("놓쳤을 가능성도 남습니다 - 논문이 스스로 적은 것 두 가지:")
print("  1. 낮은 빈도의 이형질성(heteroplasmy)은 잡히지 않을 수 있다")
print("  2. 종양 안 자리마다 미토콘드리아가 다를 수 있다 (공간 이질성)")

High school두 방법이 다른 답을 줄 때

핵 DNA는 절반 공유, mtDNA는 0 공유. 어느 쪽을 믿을까요?

기준	어느 쪽이 유리한가
혈연 추적의 안정성	핵 DNA — 돌연변이율이 낮아 기록이 오래 남음
최근 사건 감지	mtDNA — 변화가 빠름
검출의 확실성	핵 DNA — 사본이 2벌이라 해석이 단순

혈연 질문에는 핵 DNA가 더 적합합니다 — mtDNA의 0은 "관계 없음"보다 "기록이 지워짐"에 가깝습니다.

그렇다고 mtDNA 분석이 무의미한 것은 아닙니다. 두 결과가 어긋난다는 사실 자체가, 두 병변이 오래전에 갈라졌다는 것을 시사해요. 최근 사건이었다면 mtDNA도 공유가 보였을 테니까요.

🤔 Check yourself

짝지은 IP 와 SNSCC 사이에 mtDNA 공유 변이가 0건이었다는 관찰에 대해 정확한 진술은?

🤔 Check yourself

mtDNA 변이의 69% 가 C>T 였다는 결과를 읽을 때 이 강의가 조심하라고 한 것은?