무작위 불린 네트워크 집단의 진화와 견고성

초록

본 연구는 노드 상태 교란에 대한 동역학적 견고성을 목표로 무작위 불린 네트워크(population of random Boolean networks)를 진화시킨다. 적합도 지형은 최대 적합도가 넓은 평탄한 고원으로 이루어져 있으며, 강한 선택이 표본편차보다 우세할 때 평균 연결도는 서서히 증가하고 평균 적합도는 미세하게 감소한다. 높은 돌연변이율로 진화된 집단은 돌연변이에 대한 내성이 더 높으며, 이는 동일한 고원 위에 있더라도 서로 다른 네트워크 영역에 위치함을 의미한다.

상세 분석

이 논문은 무작위 불린 네트워크(RBN)를 유전 알고리즘의 프레임워크 안에 배치하여, ‘노드 상태 교란에 대한 견고성’이라는 단일 적합도 목표를 설정한다는 점에서 독창적이다. 적합도 함수는 특정 노드의 상태를 임의로 뒤바꾸었을 때 네트워크가 원래의 안정적인 궤도(attractor)로 복귀하는 비율을 측정한다. 이러한 정의는 전통적인 ‘정밀도’ 혹은 ‘복잡도’와는 별개로, 시스템이 외부 충격에 얼마나 잘 복원되는지를 직접적으로 반영한다.

연구진은 먼저 전체 네트워크 공간에 걸쳐 적합도가 최대인 평탄한 고원을 발견한다. 이 고원은 네트워크의 연결도(K)와 논리 함수의 구성이 다양해도 동일한 최고 적합도를 유지한다는 의미이며, 따라서 진화 역학이 고원 내부에서 ‘무작위 표류(drift)’와 ‘선택(selection)’ 사이의 균형에 의해 좌우된다는 가설을 검증할 수 있다. 강한 선택 압력이 표본편차보다 크게 작용하면, 집단은 고원 내에서 점진적으로 평균 연결도를 증가시킨다. 이는 네트워크가 더 많은 입력을 받아들여 복잡도가 상승함을 시사한다. 그러나 동시에 평균 적합도는 미세하게 감소하는데, 이는 연결도가 늘어날수록 특정 노드 교란이 전체 궤도에 미치는 영향이 확대되어 ‘견고성’이 약간 손상되기 때문이다.

돌연변이율을 조절한 실험에서는 높은 돌연변이율(μ)이 적용된 집단이 장기적으로 더 큰 돌연변이 견고성(mutational robustness)을 보였다. 이는 ‘고원 내부의 다른 지역’으로 이동하면서, 변이 발생 시에도 적합도가 급격히 떨어지지 않는 네트워크 구조를 선호하게 된 결과로 해석된다. 즉, 동일한 최고 적합도 고원이라도, 진화 경로와 변이 압력에 따라 서로 다른 ‘안정적 서브스페이스’에 정착한다는 중요한 통찰을 제공한다.

이러한 결과는 복잡계 이론에서 흔히 논의되는 ‘플라토(plateau) 현상’과 ‘중립적 진화(neutral evolution)’를 실증적으로 뒷받침한다. 또한, 생물학적 유전자 조절망이나 인공 신경망 설계에서 ‘견고성’과 ‘연결도’ 사이의 트레이드오프를 이해하는 데 실용적인 시사점을 제공한다. 특히, 설계 단계에서 높은 변이율을 인위적으로 도입하면, 보다 변이‑내성 높은 네트워크 토폴로지를 얻을 수 있다는 전략적 교훈을 얻을 수 있다.