SBGN PD와 Bio PEPA를 활용한 암묵적 프로세스 흐름 추상화 정량화

초록

본 논문은 SBGN‑PD 다이어그램이 내포하고 있는 프로세스 흐름 추상화(PFA)를 명시적으로 정의하고, 이를 정량적 모델링에 연결하는 방법을 제시한다. 저자는 SBGN‑PD 글리프에 정량적 속성을 부여하고, 텍스트 기반 표현인 SBGNtext를 Bio‑PEPA 코드로 자동 변환하는 SBGNtext2BioPEPA 도구를 구현하였다. MAPK 신호전달 경로를 사례로 deterministic 및 stochastic 시뮬레이션을 수행해 입력‑출력 지연을 정량적으로 분석하였다.

상세 분석

SBGN‑PD는 생물학적 네트워크를 시각적으로 표현하기 위한 표준화된 그래픽 언어이며, 그 핵심은 ‘프로세스 흐름 추상화(Process Flow Abstraction, PFA)’이다. PFA는 반응물, 생성물, 촉매·억제제 등 생화학적 요소를 ‘프로세스’와 ‘플로우’라는 두 개념으로 추상화한다. 기존 SBGN‑PD는 이러한 추상화를 암묵적으로만 제공했으며, 정량적 모델링에 바로 연결하기 어려웠다. 논문은 먼저 PFA를 형식적으로 정의한다. 여기서는 플로우를 ‘양적 토큰’(예: 분자 수)으로, 프로세스를 ‘전환 규칙’(예: 반응 속도식)으로 해석한다. 이를 기반으로 각 글리프에 ‘rate’, ‘initialAmount’, ‘compartment’, ‘unit’ 등 정량적 속성을 부여하는 메타데이터 스키마를 설계하였다.

다음 단계는 SBGN‑PD를 텍스트 형태(SBGNtext)로 변환하고, 이를 Bio‑PEPA 모델로 자동 생성하는 파이프라인이다. Bio‑PEPA는 동시성 프로세스 대수를 기반으로 한 모델링 언어로, 반응 속도식, 초기 조건, 컴파트먼트 구분 등을 명시적으로 기술한다. SBGNtext2BioPEPA 도구는 SBGN‑PD의 구조적 정보를 파싱해, 각 프로세스를 Bio‑PEPA의 ‘reaction’ 객체로, 플로우를 ‘species’ 객체로 매핑한다. 이때 속성 스키마에서 정의된 정량적 값이 직접 코드에 삽입되어, 사용자는 별도의 수작업 없이 완전한 시뮬레이션 모델을 얻을 수 있다.

실험에서는 MAPK 신호전달 카스케이드를 대상으로 두 가지 시뮬레이션을 수행했다. deterministic 시뮬레이션은 ODE 기반 해석을, stochastic 시뮬레이션은 Gillespie 알고리즘을 사용해 각각 시스템의 평균 동작과 변동성을 평가하였다. 특히 입력 신호(예: 성장인자)와 최종 출력(예: 활성화된 MAPK) 사이의 지연 시간을 정량화함으로써, PFA 기반 모델이 정량적 예측에 충분히 활용될 수 있음을 입증했다. 또한, 도구가 생성한 Bio‑PEPA 코드는 다른 분석 프레임워크(예: PRISM, MATLAB)로도 손쉽게 변환 가능하도록 설계돼, 모델 재사용성과 확장성을 크게 향상시킨다.

이 논문의 핵심 기여는 (1) SBGN‑PD의 암묵적 PFA를 형식화하고 정량적 속성을 정의한 메타모델, (2) SBGNtext2BioPEPA라는 자동 변환 파이프라인, (3) MAPK 카스케이드 사례를 통한 정량적 검증이다. 이러한 접근은 SBGN‑PD가 단순 시각화 도구를 넘어, 정량적·예측적 모델링 플랫폼으로 전환되는 길을 제시한다. 향후에는 다른 프로세스 대수(예: Kappa, BioNetGen)나 머신러닝 기반 파라미터 추정 기법과 연계해, 대규모 네트워크에 대한 자동화된 정량 분석 파이프라인을 구축할 수 있을 것으로 기대된다.