기본 콘텐츠로 건너뛰기

광합성을 하는 동물 ?


 자연계에서 식물은 광합성을 통해 태양 에너지를 생물 에너지로 바꾸는 일차 생산자입니다. 동물은 이 식물을 섭취해서 광합성 에너지의 일부를 자신이 사용하죠. 물론 초식 동물이 아니라 육식 동물이라고 해도 결국 한 두 단계를 더 건너뛰는 것일 뿐이지 광합성을 통해서 생성된 에너지를 섭취하는 것은 동일합니다. 일부 예외라고 한다면 열수 분출공에 있는 박테리아처럼 태양 에너지 대신 화학 에너지를 이용하는 경우가 있을 뿐입니다.
 그런데 일부 동물들은 광합성을 통해서도 에너지를 얻는 경우들이 있습니다. 가장 대표적인 경우는 산호로, 산호 자체는 동물이지만 체내에 조류(Algae)를 키워 이들로 부터 에너지를 얻는 대신 이들에게 삶의 터전을 제공합니다. 항상 예외는 있는 법이죠. 그런데 이보다 더 충격적인 예외가 있습니다. 바로 그 자체로 광합성을 하는 에메랄드 푸른 민달팽이(Elysia Chlorotica) 가 그 사례입니다.

(푸른 민달팽이. 해조류처럼 보이기 위한 위장을 하고 있는데, 사실 광합성도 같이 한다. The rich green color of the photosynthesizing sea slug, Elysia chlorotica, helps to camouflage it on the ocean floor.
Credit: Patrick Krug)   ​ 

 어떻게 그런 일이 가능한지를 설명하면 다음과 같습니다. 우선 이 민달팽이의 주식은 조류(algae)입니다. 그런데 이 조류 중 일부가 민달팽이 안에서 다 소화되지 않고 민달팽이의 체내로 흡수됩니다. 이 때 흡수되는 것이 바로 엽록체(chloroplasts) 입니다. 놀랍게도 이 엽록체 중 일부가 소화되는 대신에 이 민달팽이의 체내에 남아서 광합성을 하게 되는 것입니다. 엽록체는 소화기관의 세포로 들어간 후 민달팽이에게 광합성을 통해서 영양소를 공급하면서 장시간 생존합니다.

 이와 같은 사실은 1970년대 처음으로 알려졌습니다. 하지만 동시에 과학자들에게는 새로운 의문이 생겼습니다. 엽록체 같은 세포내 소기관이 안정적으로 작동하기 위해서는 필요한 물질들을 계속 공급해 줘야 합니다. 그런데 놀랍게도 이 엽록체들은 민달팽이의 소화세포 안에서 보통 조류에서보다 더 긴 9개월 간 생존이 가능했습니다. 어떻게 그런일이 가능할까요?
 사우스 플로리다  대학의 시드니 피어스 교수(Sidney K. Pierce, an emeritus professor at University of South Florida and at University of Maryland, College Park)와 그녀의 동료들은 FISH 라벨링이란 방법을 이용해서 이 민달팽이가 먹은 조류인 Vaucheria litorea의 유전자 중 일부가 푸른 민달팽이로 전이되는 과정을 조사했습니다.
 민달팽이가 식사를 하면 조류 세포는 파괴되지만 일부 DNA 는 플라스미드(plasmid) 형태로 살아남아 놀랍게도 민달팽이 세포 안으로 들어가게 됩니다. 이는 진핵 생물간의 DNA 교환 현상으로 부모에게 유전자를 물려받는 대신 다른 생물에서 전달 받기 때문에 수평적 유전자 전이(Horizontal Gene Transfer)의 일종이라고 할 수 있습니다. 용어로는 Kleptoplasty라고 부릅니다.
 연구팀은 라벨링한 유전자가 전이되는 과정을 추적해서 이 민달팽이가 먹이인 조류로부터 엽록체를 수리하고 유지하는데 필요한 유전자를 공급받는다는 사실을 밝혀냈습니다. 그리고 놀랍게도 그 중 일부는 자손에게도 전달되는 것 같다고 합니다.
 이와 같은 유전자 전이 방식은 앞으로 인간에서 유전자 치료에 응용될 수 있기 때문에 과학자들의 큰 관심을 받고 있습니다. 물론 그렇다고 광합성이 가능한 인간을 창조하려는 건 아니고 여러 가지 유전 질환을 조절하고 치료하기 위한 것이죠. 
 아무튼 자연계에는 상상을 초월하는 독특한 생명체들이 참 많다는 생각입니다.
 참고

  
Journal Reference:
  1. Julie A. Schwartz, Nicholas E. Curtis, and Sidney K. Pierce. FISH Labeling Reveals a Horizontally Transferred Algal (Vaucheria litorea) Nuclear Gene on a Sea Slug (Elysia chlorotica) ChromosomeBiol Bull, 2014 227:300-312




댓글

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율

R 패키지 설치 및 업데이트 오류 (1)

 R 패키지를 설치하거나 업데이트 하다보면 여러 가지 문제가 생기는 경우들이 있습니다. 이 경우 아예 R을 재설치하는 것도 방법이지만, 어떤 경우에는 이렇게해도 해결이 안되고 계속해서 사용자는 괴롭히는 경우도 있습니다. 이런 경우 중 하나를 소개합니다.  새로운 패키지를 설치, 혹은 업데이트 하는 과정에서 같이 설치하는 패키지 중 하나가 설치가 되지 않는다는 메세지가 계속 나왔는데, 사실은 백신 프로그램 때문이었던 경우입니다.   dplyr 패키지를 업데이트 하려고 했는데, 제대로 되지 않아 다시 설치를 진행했습니다. 그런데 일부 패키지가 제대로 설치되지 않는다는 메세지가 나왔습니다.  > install.packages("dplyr") Error in install.packages : Updating loaded packages > install.packages("dplyr") Installing package into ‘C:/Users/jjy05_000/Documents/R/win-library/3.4’ (as ‘lib’ is unspecified) also installing the dependencies ‘bindr’, ‘bindrcpp’, ‘Rcpp’, ‘rlang’, ‘plogr’ trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindr_0.1.1.zip ' Content type 'application/zip' length 15285 bytes (14 KB) downloaded 14 KB trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindrcpp_0.2.2.zip ' Content type 'application/zip' length 620344 b

생존분석- 콕스 비례위험모형 (1)

 생존분석 (survival analysis)는 의학 연구는 물론 기계의 내구성에 대한 판단 등 여러 분야에서 사용되는 통계 분석 방법입니다. 기본적인 개념은 사망이나 질병 발생, 기계 고장처럼 특정 현상이 발생하기까지 걸리는 시간을 분석하는 통계 분석 방법이라고 할 수 있습니다. 대표적인 방법은 카플란-메이어 (Kaplan-Meier) 생존분석과 콕스 비례위험 모형 ( Cox proportional hazards model ), 로그 순위법 (Log-rank test) 등이 있습니다.   이 방법들은 각각 적용 범위가 다른데 카플란-메이어 생존분석은 특정 집단의 시간에 따른 생존율을 분석하는 것이고 (예를 들어 암 수술후 재발 없이 지내는 시간이나 생존 기간) 로그 순위법은 두 집단의 생존율을 비교하는 것입니다. 콕스 비례위험 모형은 생존율에 영향을 미치는 위험 인자를 분석하는 것으로 예를 들어 허리둘레가 1cm씩 증가할 때 마다 당뇨 위험도가 얼마나 증가하는지를 보는 것입니다.   여기서는 각각의 통계 분석 방법에 대한 상세한 설명은 생략하고 R을 통해 어떻게 분석할 수 있는지를 간단히 설명합니다. 우선 콕스 비례 위험 모형에 대해서 설명해 봅니다. 비례위험모형은 기저 분포에 대한 가정 (예를 들어 정규 분포)이 필요없고 여러 공변량을 모형에 넣어 보정해 사용할 수 있어 다양한 경우에 사용될 수 있기 때문에 생존분석에서 가장 널리 사용되는 방식 중 하나입니다.   R에서 생존분석을 하기 위해 가장 기본적으로 사용되는 패키지는 survival 패키지 입니다. survival 패키지에는 여러 가지 예제 데이터가 있는데 우선 kidney 데이터를 살펴보겠습니다.  require(survival) data(kidney) str(kidney) # https://stat.ethz.ch/R-manual/R-devel/library/survival/html/kidney.html    kidney 데이터