RNA 가위형 구조 예측을 위한 새로운 TT2NE 알고리즘

초록

TT2NE는 RNA 2차 구조를 토폴로지적 genus 으로 분류하고, 모든 종류의 pseudoknot을 포함한 최소 자유 에너지 구조를 보장하는 알고리즘이다. 서열 길이에 제한이 있지만, 기존 최첨단 도구와 비교했을 때 제한된 범위 내에서 높은 정확도를 보이며, 오류 사례 분석을 통해 입체적 제약을 고려한 향후 연구 필요성을 제시한다.

상세 분석

TT2NE는 RNA 2차 구조를 토폴로지적 genus이라는 수학적 개념으로 분류함으로써, 기존 알고리즘이 회피하던 복잡한 pseudoknot 형태까지 체계적으로 탐색한다. genus은 구조를 평면에 투사했을 때 발생하는 구멍(핸들)의 수를 의미하며, 이는 구조의 복잡도를 정량화한다. TT2NE는 먼저 입력 서열에서 가능한 모든 베이스 페어링을 후보 집합으로 생성하고, 각 후보를 genus 값에 따라 계층적으로 정렬한다. 이후 branch‑and‑bound 전략을 적용해, 현재까지 탐색된 부분 구조의 자유 에너지와 남은 서열의 최소 가능 에너지 하한을 비교함으로써 비효율적인 경로를 조기에 차단한다. 이 과정에서 동적 프로그래밍 테이블을 이용해 부분 구조의 에너지를 재활용하므로, 전통적인 완전 탐색에 비해 계산량을 크게 절감한다.

알고리즘의 핵심 강점은 “genus‑independent optimality”이다. 대부분의 기존 pseudoknot 예측 도구는 H‑type, kissing‑hairpin 등 제한된 토폴로지를 가정하고 최적화를 수행한다. 반면 TT2NE는 genus 제한을 명시적으로 두지 않으며, 사용자가 허용 가능한 최대 genus을 설정하면 그 이하의 모든 구조를 고려한다. 따라서 이론적으로는 어떤 복잡한 pseudoknot이라도 최소 자유 에너지 해를 찾을 수 있다.

하지만 이러한 일반성은 계산 비용과 직접적인 트레이드오프를 만든다. 현재 구현에서는 서열 길이가 약 150–200 염기로 제한되며, 이는 메모리 사용량과 탐색 트리의 폭이 genus에 따라 급격히 증가하기 때문이다. 또한 자유 에너지 모델은 기존 Turner 파라미터에 기반한 단순한 열역학적 평가를 사용하므로, 입체적 스테레오제약(예: 꼬리 길이, 삼차원 회전 제한 등)을 충분히 반영하지 못한다. 논문에서 제시된 오류 사례 분석은 이러한 모델 한계가 실제 구조 예측 오류의 주요 원인임을 보여준다.

결과적으로 TT2NE는 토폴로지적 완전성을 확보한 최초의 알고리즘 중 하나이며, 제한된 서열 길이 내에서는 기존 도구 대비 높은 정확도와 재현성을 제공한다. 향후 연구에서는 효율적인 genus‑제한 탐색 전략, 고차원 스테레오제약 통합, 그리고 병렬화 기법을 도입해 처리 가능한 서열 길이를 확대하는 것이 필요하다.