수학 모델링을 사용 인구 교체 전략의 효과를 예측

생태계 규모로 실험을 수행할 수는 없습니다. 그것은 실험이 아니라 실제 방출이기 때문입니다. 만약 문제가 발생한다면 어떻게 되겠습니까?

이 모기들이 여러 가지 매우 심각한 질병을 전파한다는 점을 기억하십시오. 만약 이들이 슈퍼 버그가 되어 더욱 효과적으로 질병을 전파하기 시작한다면 어떻게 될까요? 어쩌면 과거에는 전파할 수 없었던 다른 질병들을 전파하기 시작할지도 모릅니다.

우리는 달 착륙 시의 모든 돌발 상황에 대비해 컴퓨터 모델을 갖추었던 것과 마찬가지로, 정책을 수립할 때 컴퓨터 모델을 기반으로 해야 합니다. 마찬가지로, 유전자 드라이브로 변형된 모기를 방출한 이후에 발생할 수 있는 모든 돌발 상황에 대한 시뮬레이션이 필요합니다. 제 이름은 Charles Taylor입니다.

저는 캘리포니아 대학교 로스앤젤레스(UCLA) 생태 및 진화 생물학과의 학생 및 박사후 연구원들과 함께 연구하고 있습니다. 저는 말라리아를 조절하기 위해 유전자 변형 모기를 사용하는 시도의 수학적 측면을 연구해 왔습니다. 저희는 이 문제의 서로 다른 부분들을 해결하기 위해 여러 가지 다양한 접근 방식을 취해 왔습니다.

오늘은 지난 몇 년간 저희가 수행한 연구 내용을 조금 보여드리고, 제 학생 중 한 명인 John Marshall을 소개하겠습니다. 저희가 진행해 온 모델링은 여러 가지 종류가 있습니다. 우선, 모델링을 통해 이해해야 할 생물학적 기본 특성들이 있습니다.

예를 들어, 개체군 크기, 생존율 및 이동성 등이 있으며, 이에 대한 몇 가지 사례를 보게 될 것입니다. 다음으로 파악해야 할 점은, 전이 인자(transposable element)를 방출할 때 중요할 가능성이 높은 변수가 최소 20~50개 정도 있다는 사실입니다. 이러한 중요성은 단순히 구두 논쟁만으로는 판단하기 어려울 때가 많으므로, 정확한 분석을 위해 정교한 수학적 모델이 필요합니다. 이를 통해 "이 방법이 성공하려면 전이된 모기의 적응도가 이 정도여야 한다"거나 "모기의 이동성이 이와 같아야 한다"와 같은 구체적인 진술을 할 수 있게 됩니다.

따라서, 우리는 이와 관련하여 일부 분석 작업을 수행해 왔음을 알 수 있습니다. 다음 단계의 문제는 단순히 기대값을 도출하는 것이 아니라, 초기 방출 이후에 어떤 일이 일어나는지를 평가하는 것입니다. 만약 우리가 그때 테스트를 수행하여 결과를 얻는다면, 그것이 무엇을 의미할까요?

이것이 우리가 성공했다는 뜻인지 아니면 실패했다는 뜻인지 알 수 있을까요? 따라서 이를 위해서는 더 복잡한 시뮬레이션이 필요합니다. 덧붙이자면, 그것이 우리가 이 모델, 즉 그룹 4에 처음 참여하게 된 이유입니다.

그다음으로 더 심각한 문제들, 특히 윤리적 고려 사항이라는 매우 심각한 문제들이 있습니다. 어떤 일이 잘못될 수 있을까요? 잘못될 가능성이 있는 상황들은 얼마나 심각할까요?

효과적인 중단 규칙을 세웠다면, 그 규칙을 매우 명확히 정의하고 문제가 발생했을 때 상황을 어떻게 수습할 것인지 파악하고 있어야 합니다. 가령 우리가 슈퍼 모기를 만들었다고 가정해 봅시다. 우리가 처음 수행한 연구들은 모집단 내의 핵심 매개변수와 그 수치를 식별하는 것이었습니다.

개체군 크기는 얼마인가요? 유전자 흐름은 어느 정도입니까? 이 지역 모기의 일일 생존율은 어떻게 됩니까?

저희는 '표식-방사-재포획(Mark Release recapture)'이라고 불리는 매우 잘 확립된 전통적인 방법을 사용했습니다. 이 표식-방사-재포획 방법의 작동 방식은 먼저 많은 수의 모기, 예를 들어 1,000마리를 포획하는 것입니다. 마을로 나가 벽에서 모기들을 흡입하여 바이알에 담은 다음, 상점의 페인트나 사이키델릭 소품 제작에 사용되는 것과 유사하게 UV 램프 아래에서 형광을 발하는 가루를 소량 도포합니다.

그 후 표식을 남긴 모기들을 다시 방사하고, 이후 몇 밤 동안 벽면에서 다시 포획합니다. 재포획된 개체 수와 포획 위치를 바탕으로 수학적 모델을 사용하여 모집단의 크기, 이동 거리, 그리고 생존율을 추론할 수 있습니다. 이 첫 번째 영상에서는 초기 실험의 주요 결과 요약본을 확인하시게 될 것입니다. 모델링이 유전자 변형 모기 방제 프로그램에 도움을 줄 수 있는 방법은 여러 가지가 있습니다.

이 중 하나는 단순히 모기의 기초 생물학을 이해하는 것을 돕기 위한 것입니다. 이는 해당 분야에서 수행한 저희의 초기 연구 중 일부로, 분산 정도가 어느 정도인지, 개체군 크기는 얼마인지, 모기의 생존율은 어떻게 되는지를 추정하고자 했습니다. 저희의 연구 결과를 요약한 이 내용을 보시면, 시청자분들께서 흥미로워하실 만한 생물학적 기본 특성들이 포함되어 있습니다.

먼저, 말리에서 많은 연구를 진행했던 보톰 바디(bottom body) 마을의 모습이 보입니다. 이곳은 약 70개의 서로 다른 가구 단지로 구성되어 있으며, 각 단지에는 여러 채의 수면용 주택이 있을 수 있는데 그 모습이 여기에 나타나 있습니다. 이 주택들은 기본적으로 진흙으로 만들어져 있어 모기들이 자유롭게 드나들 수 있습니다.

일상적인 생물학적 특성은 여기 보이는 색상으로 나타납니다. 이것은 밤을 의미합니다. 황혼과 낮을 가정했을 때, 노란색은 낮을 의미하며 모기의 패턴은 각각 다릅니다.

예를 들어, 낮 동안에는 황혼이 될 때까지 머물던 자리에 그대로 있다가, 그때부터 움직이기 시작하여 먹이를 찾거나 알을 낳을 장소를 찾아 나섭니다. 그러다 저녁이 되고 한밤중이 되면 다시 돌아오게 되는데, 각 집 주변의 영역이 서로 다른 색상으로 표시된 것을 볼 수 있으며, 이는 모기가 목표물을 정확히 찾아가는 데 이용하는 CO2와 체취의 농도 기울기를 나타냅니다. 첫해에 얻은 가장 중요한 결과 중 하나이자 이 시스템이 활용된 목적은, 마을 내의 한 집단 내에서 모기를 어느 지점에 방사하든 하루 또는 이삼일 후면 모기가 수 킬로미터에 걸쳐 균일하게 분포한다는 점을 이해하는 것이었습니다.

따라서 이후의 모델링 관점에서 보면, 하나의 마을은 단순히 하나의 마을이라고 할 수 있습니다. 마을 내부의 구분은 없습니다. 그렇다면 문제는 마을 간에, 그리고 모기의 서로 다른 아종 간에 어느 정도의 이동이 발생하는가 하는 점입니다.

다음 삽화에서는 다양한 염색체 형태와 마을 간의 이동에 관한 현재의 이해도를 보여드리겠습니다. 방금 본 영상에서 알 수 있듯이, 한두 일 사이에 마을 내에서 많은 이동이 일어납니다. 이는 기본적으로 균질하지만, 실제 상황은 여기서 보여주는 것보다 훨씬 더 복잡합니다.

우선, 말라리아를 전파하는 모기 종은 단 한 종류만 있는 것이 아닙니다. 실제로 이 마을에는 여러 종이 존재하며, 본햄과 말리에는 단 한 가지 종인 anno Gambia만이 존재합니다. 하지만 이 단일 종에는 소위 염색체 형태라고 불리는, 동일한 지역에 분포하는 여러 서로 다른 아종들이 존재합니다.

그리고 우리가 유전자를 개체군에 삽입한다면, 즉 하나의 전이성 인자를 삽입한다면, 그것은 모든 개체군을 통해 이동해야 할 것입니다. 그리고 이는 매우 복잡한 방식으로 이루어질 수 있으며, 이를 진정으로 이해하는 유일한 방법은 컴퓨터 시뮬레이션을 사용하여 더 자세히 분석하는 것입니다. 개체군 크기는 연중으로 변합니다.

그리고 이전에는 고려하지 않았던 마을에서 마을로의 이동을 포함시켜야 합니다. 여기 제 학생들이 만든 영화 중 이 문제를 보여주는 프레임 하나를 보여드리겠습니다. 여기에 하나의 염색체 형태가 있습니다.

여기에 또 다른 것들이 있습니다. 이것들은 Mopti Savannah iCal 폼이라고 불립니다. 노란색 원의 크기는 개체군의 크기를 나타냅니다.

검은색 선의 강도는 이 지역의 이곳저곳에서 유전자 흐름이 얼마나 발생하는지를 보여줍니다. 니제르 강이 흐르고 있으며, 축척 막대는 여기서 저기까지 아마 10, 15, 30km 정도 될 것입니다. 그럼 먼저 연간 어떤 일이 일어나는지 살펴보겠습니다.

이곳은 매우 건조한 지역입니다. 사하라 사막 바로 아래에 위치하며, 팀북투와 그리 멀지 않아 사막의 가장자리에 매우 가깝습니다. 일 년 중 대부분을 차지하는 건기 동안에는 모기가 번식할 곳이 없기 때문에 모기가 거의 없습니다.

하지만 6월, 7월, 8월에 시작되어 9월, 10월까지 이어지는 우기가 시작되면 매우 많은 수의 모기가 발생할 수 있습니다. 제가 연구하는 한 지역에서는 하룻밤 당 1인당 500바이트 이상의 수치가 기록되기도 하지만, 이 지역은 그 정도로 높지는 않습니다.

그럼에도 불구하고 계절적 변동이 매우 크기 때문에, 서로 다른 염색체 형태 및 유전자 흐름과 연계된 개체군 크기의 실제 변화 양상을 이해하려면 영상을 보는 것이 도움이 됩니다. 이 모든 요소는 향후 방사를 수행할 때 매우 중요하게 작용할 것입니다. 여기 한 해의 주기적 변화가 제시되어 있습니다.

시작 단계에서는 여기에서도 볼 수 있듯이 개체군 크기가 상당히 작습니다. 그러다 9월과 10월쯤 되면 각 마을의 개체군 크기가 상당히 커지며, 서로 다른 마을들 사이에 많은 유전자 흐름이 발생하는 것을 알 수 있습니다. 연말에 다시 건기로 접어들면서 개체군 크기는 다시 감소하고, 유전자 흐름 또한 점차 줄어듭니다.

보시는 바와 같이 여기에는 매우 많은 일이 일어나고 있습니다. 여기에 유전학적 요소까지 도입되면 상황은 더욱 복잡해집니다. 따라서 실질적인 이해를 돕고, 예측을 수행하며, 특히 성공을 위해 반드시 충족되어야 하는 조건들을 설정하기 위해서는 이러한 요소들을 한꺼번에 다루지 않고 하나씩 살펴보아야 합니다. 이를 위해 지금까지 살펴본 것과는 다른 유형의 통합 모델을 갖추는 것이 매우 유용합니다.

이를 위해 제 학생 중 한 명인 John Marshall이 지난 1~2년 동안 연구해 온 분석 모델을 활용하는 것이 도움이 됩니다. 네, 저는 John Marshall입니다. Table 연구실의 대학원생이며, 유전학 중심의 모델링 작업에 참여해 왔습니다. 특히 전이성 인자가 집단 내에서 확산될 때의 매개변수에 집중하고 있는데, 전이성 인자는 스스로 복제하며 확산되고, 복제가 일어남에 따라 더 빈번하게 유전되기 때문입니다.

따라서 이러한 요소들은 드라이브를 통해 유도되어 집단 내에 유전자를 확산시킬 수 있는 능력을 갖추고 있습니다. 예를 들어, 우리는 전이율, 즉 전이되는 속도와 전이의 결과로 흔히 발생하는 적응도 비용의 증가에 관심을 두고 있습니다. 또한, 전이성 인자의 복제 수가 증가함에 따라 전이 빈도는 낮아지게 됩니다.

이러한 상반된 역학이 존재하며, 수학적 모델을 통해 이를 파악할 수 있습니다. 이번에는 단순히 1년이 아니라 2년에 걸쳐 추적하는 더 복잡한 모델을 살펴보겠습니다. 또한, 개체군의 색상으로 전이 인자의 빈도를 나타내는 추가 기능이 포함될 것입니다.

따라서 개체군 크기는 원반의 크기를 나타내고, 원반의 색상은 전이 인자의 빈도를 나타낸다는 점을 기억하십시오. 처음에는 모든 개체군에서 빈도가 매우 낮은 상태로 시작합니다. 시간이 천천히 흐르면서 우기로 접어들면 개체군 크기가 커지며, 초기에는 방출된 집단만 붉은색으로 변하는 것을 볼 수 있습니다.

그리고 여기서는 모든 실질적인 목적상 100%입니다. 다른 지역들은 여전히 유전자 흐름이 불충분하여 모두 형질전환이 되지는 않았으나, 낮은 유전자 흐름률에도 불구하고 2년 차가 되면 거의 모든 개체가 전이 인자를 갖게 되는 것을 볼 수 있습니다. 따라서 이러한 값들을 적용한 시뮬레이션 결과, 탐색 대상인 모든 마을의 모든 지역에서 전이 인자의 빈도는 99%에서 100% 사이로 나타납니다.

John Marshall의 분석 모델 연구에서 전이 속도가 전이 인자가 집단 내에서 이동하는 방식의 결정적인 특징임을 확인하셨을 것입니다. 마찬가지로, 어떤 염색체 형태를 방출하느냐 또한 큰 차이를 만듭니다. 우리가 연구한 여러 시나리오 중 하나인 이 대체 시나리오에서는, mopti 형태가 아닌 Abaco 형태로 방출하고, 제가 처음에 보여드린 것보다 더 낮은 전이 속도를 적용했을 때의 결과를 볼 수 있습니다.

이것은 아마도 더 합리적이고 달성하기 쉬우며, 2년 후의 결과가 매우 다릅니다. 여기 2년 주기 회전이 있으며, 주목할 만한 차이를 확인하실 수 있도록 중간에 잠시 멈추겠습니다. 다시 한번 개체 수는 증가하지만, 이번에는 MTI 형태가 아닌 baco 형태로 방출했습니다.

그리고 2년 차에, 우기 중반 동안 개체군 크기가 증가했을 때, 여기를 보시면 이전처럼 모든 곳이 붉은색은 아닙니다. 또한, 모든 전이가 이곳에 위치한 것으로 보입니다. 이는 iCal 형태와 MTI 형태 사이의 유전자 흐름이 사바나와 MTI 사이의 유전자 흐름보다 훨씬 적기 때문입니다.

따라서 올해의 나머지 기간을 살펴보면, 100%가 되는 대신 a iCal 형태의 전 지역 범위는 이제 20%에 불과하며, 사바나는 8%뿐입니다. 그리고 mopti의 경우, 실험 설계나 평가 관점에서 볼 때 전이 인자를 전혀 전달받지 않은 상태입니다. 보시다시피, 이러한 시뮬레이션을 통해 기대치를 설정할 뿐만 아니라 이를 평가하는 것이 매우 중요합니다. 마지막으로, 충분한 주목을 받지 못한 측면이 하나 더 있습니다.

이것이 바로 윤리적 고려 사항입니다. 지금까지 대부분의 연구는 실제로 작동하는 결과물을 만들기 위한 유전 공학에 집중되어 왔습니다. 하지만 사실, 그것이 작동하는 결과물을 갖게 된다 하더라도 말입니다.

만약 방출된다면 어떤 일이 일어날까요? 무언가 잘못된다면 어떻게 될까요? 이 모기들이 수많은 매우 심각한 질병을 옮긴다는 점을 기억하십시오.

만약 그것들이 슈퍼박테리아가 되어 더욱 효과적으로 전파되기 시작한다면 어떻게 될까요? 또는 그것들이 항생제 내성을 갖게 되어 이를 다른 종으로 퍼뜨린다면 어떻게 될까요? 아니면 다른 가능성으로, 이전에는 전파하지 못했던 다른 질병들을 전파하기 시작할 수도 있습니다.

이는 발생할 수 있는 수많은 끔찍한 상황들 중 단 세 가지에 불과합니다. 그리고 우리는 연구할 수 있는 실험적 근거가 부족하기 때문에, 실제로 컴퓨터 모델을 기반으로 정책을 수립해야만 합니다. 이를 수행하는 데에는 여러 가지 방법이 있습니다.

John은 잘못될 수 있는 여러 측면 중 단 하나만을 살펴보고 있지만, 분명히 더 많은 요인들이 존재합니다. 그리고 우리가 앞으로 해야 하지만 아직 하지 못한 일 중 하나는, 문제가 충분히 심각하여 중단해야 한다는 점을 알리고 과거에 잘못된 부분을 어떻게 해결할 수 있는지 제시하는 모델을 만드는 것입니다. 바라건대 그러한 정보에 따라 조치를 취해야 하는 상황이 오지 않기를 바랍니다. 하지만 모든 돌발 상황에 대비해 컴퓨터 모델을 갖추어 누군가를 달에 착륙시킨 것처럼, 유전자 변형 모기 방출 이후에 발생할 수 있는 모든 돌발 상황에 대한 시뮬레이션 또한 반드시 갖추고 있어야 합니다.

따라서 이러한 모델링 노력과 본 세그먼트에서 언급된 다른 모델링 노력들은 프로젝트의 성공 가능성을 평가하는 데 중요합니다. 생태학적 규모의 실험은 불가능한데, 그것은 실험이 아니라 실제 방출이기 때문입니다. 그러므로 매개변수를 측정하고 모델을 통해 작동 원리에 대한 개념을 정립한 다음, 그것이 제대로 작동할지 여부에 대한 아이디어를 얻는 것이 중요합니다.

또한, 모델링 연구에서는 분자 생물학자들에게 어떤 파라미터를 측정해야 하는지, 어떤 파라미터의 측정이 중요한지, 그리고 측정을 수행할 때 프로젝트의 성공을 위해 어떤 종류의 값들이 중요한지에 대한 권장 사항을 제시하는 것이 중요합니다.