보르헤스 딜레마를 넘어선 시스템 생물학의 법칙 탐구

초록

생물학에 일반법칙이 없다는 전통적 견해를 비판하고, 정량적 시스템 생물학이 예외의 무한성을 초월해 보편적 원리를 도출할 수 있음을 논한다. 현재의 대규모 데이터와 네트워크 모델링 사례들을 통해 이 가능성을 뒷받침한다.

상세 분석

본 논문은 ‘보르헤스 딜레마’라는 개념을 도입해, 생물학이 무수히 많은 예외와 변이로 인해 보편적 법칙을 찾기 어렵다는 전통적 ‘법칙 부재’ 논조를 비판한다. 저자는 먼저 ‘보르헤스 딜레마’를 ‘무한히 다양한 서술이 존재하는 도서관’에 비유하여, 생물학적 현상이 무한히 많은 경우의 수와 예외를 포함한다는 점을 강조한다. 그러나 이러한 무한성 자체가 법칙이 없다는 결론을 정당화하지는 못한다는 점을 지적한다.

핵심 논증은 정량적 시스템 생물학이 제공하는 ‘통합적 모델링 프레임워크’에 있다. 고속 시퀀싱, 대규모 단백질 상호작용 데이터, 대사 흐름 측정 등 ‘오믹스’ 기술이 폭발적으로 확대됨에 따라, 복잡계 이론, 비선형 동역학, 네트워크 과학 등을 적용한 수학적·컴퓨터적 모델이 가능해졌다. 이러한 모델은 개별 현상의 예외를 무시하는 것이 아니라, 예외 자체를 파라미터화하고 확률적 분포로 기술함으로써 전체 시스템의 거시적 행동을 예측한다.

논문은 구체적인 사례로(1) 대사 네트워크의 플럭스 밸런스 분석을 통해 특정 효소 결핍이 전체 대사 흐름에 미치는 영향을 정량화한 연구, (2) 세포 신호 전달 경로의 베이즈 네트워크 모델이 다양한 자극 조건에서 동일한 출력(예: 세포 사멸)으로 수렴하는 메커니즘을 밝혀낸 사례, (3) 진화적 보존성을 기반으로 한 ‘핵심 조절 모듈’이 다양한 종에서 동일한 기능을 수행한다는 증거 등을 제시한다. 이들 사례는 ‘예외’가 실제로는 제한된 차원에서 발생하며, 고차원 매개변수 공간에서 저차원 ‘법칙적’ 흐름으로 수렴한다는 점을 보여준다.

또한 저자는 ‘법칙’의 정의를 재고할 필요성을 강조한다. 전통적 물리학적 법칙은 ‘모든 경우에 동일하게 적용되는 절대적 관계’를 의미하지만, 생물학에서는 ‘조건부 확률적 관계’ 혹은 ‘통계적 법칙’이 더 적합하다. 시스템 생물학은 이러한 통계적 법칙을 정량화하고, 예외를 포함한 전체 분포를 모델링함으로써 ‘법칙 부재’를 ‘법칙의 불완전성’으로 전환한다.

마지막으로, 현재 시스템 생물학이 직면한 한계—데이터의 불완전성, 모델 파라미터 추정의 불확실성, 다중 스케일 통합의 어려움—을 인정하면서도, 머신러닝과 인공신경망 기반의 ‘데이터‑드리븐’ 접근이 이러한 한계를 점진적으로 해소하고 있음을 언급한다. 전체적으로 논문은 보르헤스 딜레마를 ‘예외의 무한성’이 아니라 ‘예외를 포괄하는 통계적 법칙’으로 재구성함으로써, 생물학에도 보편적 원리를 찾을 수 있음을 설득력 있게 제시한다.