대용량 3D 프로테오믹스 데이터를 위한 최적화 인덱스 mzRTree

초록

본 논문은 LC‑MS 데이터의 2차원 범위 조회를 효율적으로 지원하는 새로운 인덱스 구조인 mzRTree를 제안한다. R‑tree 기반의 계층적 분할 방식을 적용해 XML 기반 포터블 포맷에서 직접 구축할 수 있으며, 대규모 프로파일 데이터에서도 높은 조회 성능과 낮은 저장 공간을 동시에 달성한다. 실험 결과, 기존의 mzDB, mzTree, 그리고 단순 파일 순차 접근 방식보다 모든 범위 쿼리에서 월등히 빠르고 메모리 사용량도 적다.

상세 분석

mzRTree는 LC‑MS 데이터의 특성을 고려한 맞춤형 R‑tree 변형이다. LC‑MS 데이터는 시간(또는 스캔 번호)과 m/z 두 축으로 이루어진 2차원 격자에 강도값이 매핑된 형태이며, 실제 분석에서는 특정 시간 구간과 m/z 구간을 동시에 지정하는 범위 조회가 빈번히 발생한다. 기존의 파일 기반 순차 접근이나 단순 B‑tree 인덱스는 이러한 2차원 범위 검색에 비효율적이며, 특히 프로파일 모드와 같이 데이터 포인트가 밀집된 경우 I/O 비용이 급증한다. mzRTree는 데이터를 작은 타일(tile) 단위로 분할하고, 각 타일의 최소·최대 m/z와 시간 값을 메타데이터로 저장한다. 이 메타데이터를 이용해 R‑tree 노드를 구성함으로써, 검색 시 불필요한 타일을 빠르게 제외할 수 있다. 또한, XML 기반 포터블 포맷(MzML, mzXML 등)에서 직접 스트리밍 방식으로 인덱스를 구축하도록 설계되어, 중간 변환 단계가 필요 없으며 메모리 사용량을 최소화한다. 구현상의 핵심 최적화는 (1) 노드 분할 시 데이터 밀도를 고려한 적응형 분할 전략, (2) 디스크 블록 크기에 맞춘 노드 크기 조정, (3) 범위 쿼리 시 최소·최대값 비교만으로 빠르게 후보 타일을 식별하는 필터링 단계이다. 실험에서는 10 GB 규모의 고해상도 프로파일 데이터와 100 GB 규모의 대규모 데이터셋에 대해 mzRTree, mzDB, mzTree, 그리고 순차 파일 접근을 비교하였다. 결과는 mzRTree가 평균 3배~7배 빠른 응답 시간을 보였으며, 저장 공간도 기존 인덱스 대비 30 %~45 % 절감하였다. 특히, m/z와 시간 구간이 넓은 복합 쿼리에서 성능 격차가 가장 크게 나타났는데, 이는 R‑tree가 다차원 검색에 최적화된 구조라는 점을 다시 한 번 입증한다. 이러한 특성은 대규모 프로파일 데이터 분석 파이프라인에서 I/O 병목을 크게 완화시켜, 전체 분석 워크플로우의 효율성을 높이는 데 기여한다.