단일 RNA 변동 힘 시계열의 베이지안 분석

초록

생물분자의 고유 동역학 정보를 단일분자 실험 데이터에서 추출하는 것은 중요한 생물물리학적 과제이다. 본 연구에서는 라이트 트위저 실험에서 긴 이중가닥 DNA/RNA 핸들을 통해 두 비드 사이에 고정된 RNA의 강제 접힘·펼침 시계열 데이터를 이용해 RNA 고유의 동역학 파라미터를 추정할 수 있는 가능성을 이론적으로 검토한다. 먼저 비드의 브라운 운동, 분자 구조 전이, 핸들과 RNA의 탄성을 포함한 주요 물리적 요소를 포괄하는 거시적 물리 모델을 구축하였다. 모델의 해석적 해를 바탕으로, 잡음이 섞인 거리·힘 시계열로부터 RNA의 내재적 전이율을 추정하기 위해 마코프 체인 몬테카를로(MCMC) 기반 베이지안 방법을 제안한다. 비드의 브라운 운동과 구조 전이에 의해 유발되는 힘 변동이 전이율에 큰 영향을 미치므로, 제안된 통계적 방법이 전통적인 히스토그램 피팅보다 더 정확하고 효율적으로 분자의 고유 파라미터를 복원함을 증명한다.

상세 요약

이 논문은 단일 RNA 분자를 라이트 트위저(Light Tweezer) 장치에서 강제적으로 접히고 펼쳐지는 과정에서 얻어지는 시계열 데이터를 활용해, 분자 자체가 가지고 있는 고유 전이율(k_on, k_off)과 같은 동역학 파라미터를 정밀하게 추정하는 방법론을 제시한다. 기존 실험에서는 비드와 핸들의 열적 움직임이 힘 신호에 큰 잡음을 유발해, 단순히 전이 사건을 카운트하고 히스토그램을 피팅하는 방식으로는 실제 분자 내부의 전이율을 정확히 복원하기 어려웠다.

먼저 저자들은 ‘거시적 물리 모델’을 구축한다. 이 모델은 (1) 비드의 브라운 운동을 Langevin 방정식으로 기술하고, (2) RNA가 두 개의 구조 상태(접힌 상태와 펼쳐진 상태) 사이를 전이하는 이중안정 퍼텐셜을 도입하며, (3) DNA/RNA 핸들의 비선형 탄성(주로 Worm‑Like Chain 모델)을 포함한다. 이러한 요소들을 결합하면, 실험적으로 측정되는 비드 간 거리 x(t) 혹은 힘 f(t)가 실제 RNA 전이율에 의해 변조되는 복합적인 확률 과정으로 표현된다. 특히, 전이율은 외부 힘에 따라 Bell‑type 식으로 변하고, 힘 자체가 비드의 열운동에 의해 순간적으로 변동하므로 전이율이 시간에 따라 확률적으로 변한다는 점이 핵심이다.

모델의 해석적 해를 구함으로써, 관측된 시계열이 ‘숨은 마코프 모델(HMM)’ 형태임을 확인한다. 숨은 상태는 RNA의 구조(접힘/펼침)이며, 관측 변수는 비드 거리 혹은 힘이다. 여기서 전이 확률 행렬은 힘‑의존 전이율에 의해 결정되고, 관측 확률은 핸들의 탄성 모델을 통해 계산된다.

이제 베이지안 프레임워크를 적용한다. 사전 분포는 물리적으로 타당한 범위(예: 전이 거리 Δx, 자유 에너지 차 ΔG 등)에 대해 균등 혹은 로그-정규 분포를 부여하고, 사후 확률은 관측 데이터의 전체 가능도(Likelihood)를 사전과 곱해 얻는다. 가능도는 앞서 정의한 HMM의 전이·관측 확률을 이용해 Forward‑Backward 알고리즘으로 효율적으로 계산된다. 사후 분포를 샘플링하기 위해 Metropolis‑Hastings 혹은 Gibbs 샘플링 기반의 MCMC를 수행한다. 이 과정에서 파라미터 간 상관관계와 불확실성을 정량적으로 평가할 수 있다.

실험적 검증에서는 시뮬레이션 데이터를 이용해 기존 히스토그램 피팅법과 제안된 베이지안‑MCMC법을 비교한다. 히스토그램 방법은 전이 사건을 단순히 카운트하고 평균 힘을 사용해 전이율을 추정한다. 그러나 힘 변동이 큰 경우, 실제 전이율이 과소·과대 평가되는 편향이 발생한다. 반면 베이지안 방법은 힘 변동을 모델에 명시적으로 포함하므로, 전이율과 자유 에너지 차를 실제값에 근접하게 복원한다. 또한, 파라미터 추정의 신뢰구간을 자연스럽게 제공해, 실험 반복성에 대한 통계적 해석이 가능하다.

이 연구의 의의는 두 가지이다. 첫째, 단일 분자 실험에서 흔히 발생하는 ‘측정 잡음’—특히 비드의 열운동에 기인한 힘 변동—을 물리 모델에 포함함으로써, 실제 분자 고유의 동역학을 정확히 추출할 수 있음을 보였다. 둘째, 베이지안 추정 프레임워크가 복잡한 숨은 마코프 구조를 다루기에 적합하며, MCMC를 통한 전역 최적화가 히스토그램 기반 로컬 피팅보다 더 효율적임을 실증했다. 향후 연구에서는 다중 RNA·단백질 복합체, 비선형 힘 프로토콜(예: 스위핑, 라인 스캔) 등에 이 방법을 확장하고, 실험 데이터에 직접 적용해 생물학적 의미 있는 전이 메커니즘을 규명할 수 있을 것으로 기대된다.