세포의 통계 추정에 숨겨진 열역학적 한계

본 논문은 세포가 외부 신호 분자의 농도를 추정하는 과정에서 발생하는 통계적 추정과 열역학적 비용 사이의 근본적인 연결고리를 탐구한다. 초기에는 베르크‑퍼셀(BP) 모델을 회상하며, 두 상태(비신호·신호) 수용체가 결합·해리 과정을 통해 얻는 정보량이 평균 결합 이벤트 수 N 에 비례하고, 그 불확실성 U 는 U = 2/N 이라는 한계에 머문다고 설명한다. 이후, Endres와 Wingreen이 제시한 최대우도 추정(MLE) 방식이 U = 1/N 이라는 두 배 향상을 제공하지만, 이는 반드시 비평형(에너지 소모) 과정을 필요로 함을 지적한다. 이를 정량화하기 위해 저자들은 수용체를 마코프 체인으로 모델링한다. 기본적인 두 상태 모델은 전이율 k₀₁ (결합)과 k₁₀ (해리)만을 갖고, 상세히는 상세평형을 만족한다. 비평형을 도입하기 위해 세 개 이상의 상태를 도입한다. 예를 들어, 3‑state 모델은 비신호 상태 0 과 두 개의 신호 상태 1, 2 를 포함하며, ATP 가수분해와 같은 외부 에너지 공급원을 통해 0→1→2→0 의 순환 흐름을 강제한다. 이때 엔트로피 생산량 e_p 는 순환 흐름 J와 자유에너지 차이 γ 의 로그곱 J ln γ 으로 정의된다. 핵심적인 수식 (4)는 불확실성 U 를 U = E/N 형태로 나타내며, 여기서 E = 1 + (σ²_τS/τ_S²) 는 신호 지속시간의 변동성에 따라 달라진다. 신호 지속시간이 완전히 결정적이면 σ²_τS=0 이므로 E=1 (최대우도), 반대로 지수분포이면 σ²_τS=τ_S² 이므로 E=2 (베르크‑퍼셀)이다. 저자들은 다양한 파라미터 조합에 대해 최적화 문제를 풀었다. 먼저 3‑state 모델에 대해 시뮬레이션 어닐링과 해석적 안사츠를 사용해 최적 전이율을 찾고, 그 결과 E 대 e_p/n 곡선이 에너지 소비가 낮을 때 E≈2 (BP)에서 시작해 ATP 한 분자당 ≈20 k_BT 에너지 수준에서 E≈1.5 까지 상승한다는 것을 확인했다. 그러나 MLE 한계인 E=1 에 도달하려면 무한히 큰 e_p 가 필요함을 보였다. 다음으로, L + 1 상태(다중 신호 상태) 모델을 고려했다. 여기서는 전이율을 간단히 k₀₁, k₀L, k₁₀, k_L0 만 자유롭게 두고, 나머지 전이율은 동일한 전진 f 와 후진 b 비율을 갖도록 설정했다. 이 구조에서도 E 대 e_p/n 곡선은 데이터 붕괴를 보이며, L을 크게 할수록 고에너지 영역에서 E 가 1에 가까워진다. 특히 L≫1 일 때 U≈(1+1/L)/N 이 되어, 실질적으로 MLE와 동일한 정확도를 달성한다. 하지만 이 경우에도 역전이율 b→0 이어야 하므로 엔트로피 생산은 이론적으로 무한대가 된다. 논문은 또한 실험적 현실성을 고려해 몇 가지 제약을 두었다. 결합 속도 k₀₁은 확산 제한에 의해 고정(=1)하고, 비특이적 결합률 k₀L은 매우 작게(≈10⁻³) 설정했다. 샘플링 레이트 n = N/T 를 일정하게 유지함으로써, 에너지 소비를 샘플당 e_p/n 으로 정규화해 비교 가능하게 만들었다. 결과적으로, 세포가 더 정확한 농도 추정을 위해서는 반드시 비평형 과정을 통해 에너지를 소비해야 하며, 이때 소비되는 에너지량은 추정 정확도와 선형적으로 연결된다. 특히 ‘샘플당 에너지’라는 통합 지표가 정확도 향상의 자연스러운 스케일링 변수임을 확인했다. 이는 생물학적 수용체 설계, 합성 생물학 회로, 그리고 신경계의 정보 처리 메커니즘을 이해하고 최적화하는 데 중요한 이론적 토대를 제공한다.