준정상 상태 데이터를 이용한 네트워크 재구성

초록

이 논문은 “Modular Response Analysis”(MRA) 방법을 정상 상태 데이터가 아닌 준정상 상태 데이터에 적용할 때 발생할 수 있는 이론적 문제를 논의한다.

상세 요약

Modular Response Analysis(MRA)는 복잡한 생물학적·공학적 시스템에서 각 모듈(예: 유전자, 효소, 회로)의 상호작용을 정량적으로 추정하기 위해 고안된 역학적 분석 기법이다. 전통적으로 MRA는 시스템이 완전한 정적 평형(steady‑state)에 도달했을 때, 즉 모든 변수의 시간 변화율이 0이 되는 순간의 데이터를 이용한다. 이때 각 모듈에 대한 작은 교란(perturbation)을 가하고, 교란 전후의 정적 값 차이를 측정함으로써 네트워크의 야코비안 행렬을 복원한다.

하지만 실제 실험에서는 정밀한 정적 평형을 확보하기가 어려운 경우가 많다. 세포 배양, 대사 흐름, 혹은 전자 회로에서 외부 환경 변화, 측정 지연, 혹은 내재적 잡음 때문에 시스템은 완전한 평형에 도달하지 못하고 ‘준정상 상태( quasi‑steady state )’에 머무른다. 준정상 상태는 변수들의 변화율이 매우 작아 거의 0에 가깝지만, 엄밀히 말하면 0이 아니다. 이러한 미세한 비정상성을 무시하고 기존 MRA를 그대로 적용하면, 야코비안 추정치에 체계적인 편향(bias)이 발생한다.

본 논문은 이러한 편향의 근원을 수학적으로 분석한다. 먼저 시스템을 일반적인 비선형 미분방정식 (\dot{x}=f(x,\theta)) 로 모델링하고, 교란 후의 상태를 (x^{}+ \Delta x) 로 표현한다. 정상 상태에서는 (f(x^{},\theta)=0) 이지만, 준정상 상태에서는 (|f(x^{*},\theta)|\le \epsilon) (ε는 작은 양) 로 가정한다. 이때 일차 테일러 전개를 적용하면, 관측된 변화 (\Delta x) 는 실제 야코비안 (J=\partial f/\partial x) 와 교란 파라미터 변화 (\Delta\theta) 사이에 (\epsilon) 항이 추가된 형태가 된다:
\