무한 유전자 모델에서 무작위 적합도 지형의 진화

초록

**
우리는 무한한 유전체 크기 한계에서 무상관 무작위 적합도 지형을 갖는 무성생식 집단의 진화를 고찰한다. 이 경우 각 돌연변이는 확률분포 (g(w)) 에 따라 새로운 적합도 값을 생성한다. 이는 Kingman의 “하우스 오브 카드” 모델의 유한 집단 버전이다. Kingman의 연구와 달리, 본 논문은 적합도 평균이 무한히 증가할 수 있는 비한계적 분포 (g(w)) 에 초점을 맞춘다. 무한 집단 크기 (N\to\infty) 극한에서 모델을 해석적으로 풀고, 유한 (N) 에 대해서는 수치 시뮬레이션을 수행한다. 돌연변이 확률 (U) 가 작을 때, 장기 거동은 고정 사건들의 점 과정으로 수축되며 이를 “희석 기록 과정(Diluted Record Process, DRP)”이라 부른다. DRP는 새로운 기록 후보가 현재 기록보다 클 경우에도, 현재 기록과 후보값에 의존하는 일정 확률로만 수용되는 표준 기록 과정과 유사하다. 우리는 DRP에 대한 체계적인 근사 해법을 개발한다. 유한 (U) 에서는 선택에 의해 이동하는 파동 성분과 돌연변이에 의해 형성되는 정적 성분이 적합도 분포를 이루며, 이는 평균 적합도가 (U\to0) 극한에 비해 (1-U) 배 감소함을 의미한다.

**

상세 요약

**
이 논문은 진화 이론에서 오래된 “하우스 오브 카드” 모델을 현대적인 무한 유전자(무한 사이트) 프레임워크와 결합한다는 점에서 의미가 크다. 전통적인 Kingman 모델은 각 돌연변이가 독립적으로 완전히 새로운 적합도 값을 부여받는다고 가정했으며, 주로 유한 평균을 갖는 적합도 분포에 초점을 맞추었다. 그러나 실제 생물학적 시스템에서는 적합도 분포가 장꼬리(tail‑heavy) 특성을 보일 수 있으며, 이는 평균이 발산하거나 매우 큰 값으로 이동할 가능성을 내포한다. 저자들은 이러한 비한계적 분포 (g(w)) 를 도입함으로써, 적합도가 무한히 증가하는 “무한 성장” 시나리오를 탐구한다.

모델을 무한 집단 크기 (N\to\infty) 로 한정하면, 선택과 돌연변이의 상호작용을 연속적인 확률 흐름으로 기술할 수 있다. 특히 돌연변이 확률 (U) 가 충분히 작을 때, 적합도 향상이 거의 순수한 ‘기록’ 현상에 의해 주도된다. 즉, 새로운 돌연변이가 기존 최고 적합도보다 클 경우에만 집단 전체가 그 돌연변이를 고정시킨다. 하지만 여기서는 단순히 “기록”이 되는 것이 아니라, 현재 기록값과 후보값의 차이에 따라 고정 확률이 조정되는 ‘희석 기록 과정(DRP)’이 등장한다. 이는 기존 기록 과정에 비해 고정 확률이 낮아지는 효과를 가져와, 실제 생물학적 집단에서 관찰되는 ‘정착’ 현상을 더 현실적으로 묘사한다.

DRP에 대한 분석은 두 단계로 진행된다. 첫째, 기록 후보가 등장할 확률을 (g(w)) 로부터 직접 계산하고, 둘째, 고정 확률을 선택 압력과 연관된 함수 형태로 근사한다. 저자들은 이 과정을 통해 점근적 해와 수치적 시뮬레이션이 일치함을 확인했으며, 특히 기록 간 평균 간격이 (U) 에 반비례한다는 흥미로운 결과를 도출했다.

돌연변이 확률이 유의미하게 커지면(즉, (U) 가 작지 않을 때) 상황은 달라진다. 적합도 분포는 두 개의 구분된 성분으로 분해된다. 하나는 돌연변이에 의해 지속적으로 공급되는 ‘정적’ 성분으로, 이는 전체 분포의 베이스라인을 형성한다. 다른 하나는 선택에 의해 앞쪽으로 이동하는 ‘파동’ 성분으로, 이는 고정된 기록들의 집합이 시간에 따라 이동하는 모습을 나타낸다. 이 두 성분이 동시에 존재함으로써 평균 적합도는 (1-U) 배만큼 감소한다는 결론에 도달한다. 즉, 돌연변이가 많을수록(큰 (U)) 적합도 향상이 억제되지만, 동시에 새로운 적합도 변이가 지속적으로 공급되어 전체 분포는 넓게 퍼진다.

이 연구는 무한 사이트 모델이 실제 진화 역학을 설명하는 데 얼마나 유용한지를 보여준다. 특히 장꼬리 적합도 분포와 낮은 돌연변이율 하에서 발생하는 기록 기반 고정 메커니즘은 실험적 미생물 진화 연구와도 일맥상통한다. 앞으로는 제한된 유전체 크기, 상관된 적합도 지형, 그리고 성적 선택(sexual selection) 등 복합적인 요인을 포함한 확장 모델이 필요할 것이다.

**