에피제네틱 트래킹 구현 세부사항

초록

**
본 문서는 인공 발생 모델인 에피제네틱 트래킹(Epigenetic Tracking)의 구현 세부 정보를 제공한다. 세포의 상태와 유전체를 기반으로 한 발달 연산자를 이용해 2‑D·3‑D 형태를 진화적으로 생성하며, 기존 논문에서 다루지 못한 파라미터, 자료구조, 알고리즘 구현 방법을 상세히 기술한다.

**

상세 요약

**
에피제네틱 트래킹은 ‘드라이버 셀(driver cell)’과 ‘노멀 셀(normal cell)’이라는 두 종류의 인공 세포를 구분하고, 각 드라이버 셀은 고유의 세포 전사체(CET, Cell Epigenetic Type)와 메타오퍼레이터(MOC, Meta‑Operator Code)를 보유한다. 발달 과정은 이산적인 시간 단계(t)로 구분되며, 각 단계마다 유전체에 정의된 발달 연산자(Development Operator, DO)가 활성화된다. DO는 (CET, MOC) 쌍을 매칭 조건으로 삼아, 매칭될 경우 지정된 위치에 새로운 드라이버 셀을 삽입하거나 기존 셀을 변형한다. 이렇게 함으로써 복잡한 형태를 단계별로 ‘그려내는’ 방식이 가능해진다.

진화적 최적화는 표준 유전 알고리즘(GA)을 사용한다. 개체는 유전체(연산자 집합)와 초기 드라이버 셀 집합으로 구성되며, 적합도는 목표 형태와의 격자 기반 차이(픽셀/볼륨 차이)와 색상(다중 색상) 일치 정도를 정량화한 값이다. 교차와 돌연변이는 연산자 삽입·삭제·파라미터 변형, CET·MOC 값 변형 등으로 구현된다. 특히, ‘잔여 DNA(junk DNA)’를 의도적으로 포함시켜 연산자 수를 과잉하게 유지함으로써 진화적 탐색 공간을 넓히는 전략이 강조된다.

구현 측면에서 핵심은 효율적인 격자 관리와 빠른 매칭이다. 격자는 2‑D 혹은 3‑D 배열로 구현되며, 각 셀은 포인터를 통해 드라이버/노멀 구분과 CET 정보를 저장한다. 매 단계마다 활성화될 연산자를 찾기 위해 해시 테이블(키: CET + MOC)을 사용해 O(1) 검색을 달성한다. 또한, 연산자 적용 시 충돌 방지를 위해 ‘우선순위 매트릭스’를 도입해 동일 위치에 여러 연산자가 동시에 작동하는 경우를 제어한다.

생물학적 비유로는 발달 연산자를 ‘전사인자’에, CET를 ‘후성유전적 마크’에, 드라이버 셀을 ‘줄기세포’에 대응시킨다. 논문에서는 노화와 암 발생을 시뮬레이션하기 위해 연산자 활성화 확률을 시간에 따라 감소·증가시키는 메커니즘을 제시한다. 이러한 설계는 실제 생물학적 현상을 모델링하면서도 계산적으로는 단순한 규칙 집합으로 구현 가능하게 만든다.

전체적으로 이 구현은 복잡한 형태를 높은 해상도로 재현하면서도, 파라미터와 구조를 명시적으로 제어할 수 있는 장점을 제공한다. 다만, 연산자 수가 급증하면 메모리와 연산 비용이 크게 늘어나는 점, 그리고 현재 구현이 GPU 가속을 활용하지 않아 대규모 3‑D 시뮬레이션에 제한이 있다는 점이 개선 과제로 남는다.

**