프로세스 모델에서 인과관계를 통한 플럭스 분석

초록

본 논문은 생물학적 시스템을 프로세스 대수 모델로 표현한 뒤, 확률 시뮬레이션에서 자원의 흐름(플럭스)을 인과 구조(event structure)와 페트리넷 전이 사이의 대응 관계를 이용해 추출한다. 사건들의 부분 순서를 만들고, 이를 변환·분석함으로써 전통적인 ODE 기반 플럭스 분석을 대체할 수 있음을 Rho GTP‑결합 단백질 모델 사례를 통해 입증한다.

상세 분석

이 연구는 생물학적 네트워크를 프로세스 대수(예: stochastic π‑calculus, Bio-PEPA)로 모델링하고, 그 실행을 Gillespie‑type 확률 시뮬레이션으로 수행한다는 전제에서 시작한다. 시뮬레이션 결과는 일련의 상태 전이와 해당 전이를 촉발한 이벤트(반응)들의 시퀀스로 나타난다. 저자들은 이러한 시퀀스를 “event structure”라는 동시성 이론의 표준 모델에 매핑한다. 이벤트 구조는 각 이벤트 간의 인과 관계(선행 관계)와 동시성(비선행 관계)을 명시적으로 기술할 수 있어, 복잡한 생화학 반응망에서 자원의 흐름을 정확히 추적하는 데 적합하다.

핵심 기법은 프로세스 모델을 페트리넷 형태로 변환한 뒤, 페트리넷의 토큰 흐름을 이벤트 구조의 부분 순서(partial order)로 변환하는 것이다. 이때 각 토큰 이동은 자원(분자)의 소비·생산을 의미하고, 해당 이동을 촉발한 반응은 이벤트에 대응한다. 인과 관계는 “어떤 반응이 다른 반응의 산물을 필요로 하는가”를 기반으로 정의되며, 이는 부분 순서 그래프에서 선행(edge)로 표현된다.

추출된 부분 순서는 단순히 시간 순서가 아니라 인과적 선후 관계를 반영하므로, 동일한 시뮬레이션 실행이라도 여러 가능한 동시성 패턴을 포착한다. 저자들은 이 그래프에 두 가지 변환을 적용한다. 첫 번째는 “축소(transitive reduction)”로, 불필요한 전이(전이 A→C가 A→B와 B→C로 대체될 경우)를 제거해 인과 구조를 최소화한다. 두 번째는 “집합 합성(aggregation)”으로, 동일한 종류의 반응(예: 동일 효소에 의한 인산화)들을 하나의 메타‑노드로 묶어 고수준 플럭스 흐름을 시각화한다. 이러한 변환은 복잡한 네트워크를 이해하기 쉬운 계층적 구조로 재구성하는 데 기여한다.

도구 구현 측면에서 저자들은 기존의 SPiM·StochKit 시뮬레이터와 연동되는 파이프라인을 구축했다. 시뮬레이션 로그를 파싱해 페트리넷 토큰 전이를 추출하고, 이벤트 구조 라이브러리를 이용해 부분 순서를 생성한다. 결과 그래프는 GraphViz와 Cytoscape 형식으로 출력되어, 연구자가 인터랙티브하게 탐색할 수 있다.

사례 연구로는 Rho GTP‑binding 단백질 시스템을 선택했다. 이 시스템은 GTP‑결합·가수분해·GDP‑방출 등 여러 단계의 전환을 포함하며, 기존 ODE 기반 플럭스 분석에서는 평균 흐름만을 제공한다. 저자들의 방법을 적용하면, 각 시뮬레이션 실행마다 실제 발생한 반응 순서와 동시성을 정확히 파악할 수 있다. 특히, 특정 GTP‑ase 활성화가 여러 경로에서 동시에 일어나는 경우와, 억제제 투여 후 플럭스가 재배치되는 과정을 시각적으로 드러낼 수 있었다.

이러한 결과는 확률적 모델링 환경에서도 플럭스 분석이 가능함을 증명한다. 전통적인 ODE 접근법은 평균값에 의존해 변동성을 무시하지만, 이벤트 구조 기반 분석은 개별 실행의 변동성을 보존한다. 따라서, 희귀 이벤트나 스위칭 현상 같은 중요한 생물학적 현상을 놓치지 않는다. 또한, 부분 순서 그래프는 정량적 플럭스(예: 특정 물질의 전이 횟수)와 정성적 인과 관계를 동시에 제공하므로, 모델 검증·가설 생성에 유용하다.

한계점으로는 대규모 모델에서 이벤트 수가 급증해 그래프가 매우 복잡해질 수 있다는 점이다. 저자들은 현재의 축소·집합 합성 기법이 일정 수준까지는 효과적이지만, 자동화된 클러스터링이나 요약 기법이 추가로 필요함을 인정한다. 또한, 현재 구현은 단일 스레드 시뮬레이션 로그에만 적용 가능하므로, 병렬 시뮬레이션 로그 처리와 실시간 분석을 위한 확장이 요구된다.

전반적으로 이 논문은 프로세스 대수와 동시성 이론을 결합해, 확률적 생물학 모델에서 플럭스 분석을 수행하는 새로운 패러다임을 제시한다. 인과적 부분 순서와 그 변환을 통해 복잡한 자원 흐름을 명확히 드러내며, 기존 ODE 기반 방법을 보완·대체할 실용적 도구를 제공한다.