생물학적 모델링을 위한 불리언 임계값 네트워크의 장점과 한계

초록

본 논문은 유전자 조절 네트워크를 모델링하는 도구로서 불리언 임계값 네트워크(Threshold Networks, TN)의 동역학적 특성을 체계적으로 분석한다. 연결도, 활성제·억제제 비율, 강도, 임계값 등 다양한 파라미터를 변동시켜 네트워크가 보이는 정돈(ordered), 임계(critical), 혼돈(chaotic) 상태와 어트랙터 구조를 조사하였다. 결과는 제한된 파라미터 구간에서만 생물학적 시스템에서 관찰되는 적은 수의 짧은 주기 어트랙터와 높은 견고성을 재현한다는 점을 보여준다. 따라서 TN은 단순성과 해석 용이성이라는 장점을 가지지만, 실제 유전자 조절의 복합 논리성을 충분히 반영하지 못한다는 한계가 있다.

상세 분석

본 연구는 기존 Kauffman식 불리언 네트워크와 달리, 각 노드의 입력 신호를 단순히 가중합한 뒤 사전에 정의된 임계값과 비교해 0·1 상태를 결정하는 임계값 네트워크의 동역학을 정량적으로 평가한다. 먼저 평균 연결도(K)와 활성제(+)와 억제제(–)의 비율(p)·강도(α,β)를 조절하면서 네트워크의 평균 감도(λ)를 계산하였다. λ<1이면 정돈 영역, λ≈1이면 임계 영역, λ>1이면 혼돈 영역으로 분류되며, 이는 전통적인 Boolean 네트워크와 동일한 기준이다. 임계값 θ의 크기가 증가할수록 동일한 입력 합에 대해 1로 전환되는 확률이 감소해 λ이 낮아지는 경향을 보였으며, 특히 θ가 평균 입력 합보다 크게 설정될 경우 네트워크는 과도하게 정돈되어 어트랙터 수가 극히 적고 주기가 1에 수렴한다. 반대로 θ가 매우 낮으면 대부분의 노드가 1 상태를 유지해 λ이 급격히 상승, 혼돈 영역에 머물며 어트랙터가 많고 주기가 길어지는 현상이 관찰되었다.

활성제와 억제제의 비율 p가 0.5에 가까울 때, 즉 균형 잡힌 경우에 λ이 1에 가장 가깝게 유지되며, 이는 Kauffman 네트워크에서 보고된 임계 상태와 일치한다. 그러나 p가 0.2 이하(억제제 과다) 혹은 0.8 이상(활성제 과다)일 경우 λ이 크게 변동하여 정돈 혹은 혼돈으로 치우치게 된다. 또한 억제제와 활성제의 강도 차이(α≠β)가 클수록 λ의 민감도가 증가해 파라미터 튜닝이 어려워진다.

어트랙터 분석에서는 네트워크 규모(N=100500)와 K가 24인 경우에만 생물학적 데이터와 유사한 짧은 주기(≤10)와 적은 어트랙터 수(≤20)를 얻을 수 있었다. K가 5 이상이면 어트랙터 수가 급증하고 주기가 수백에 달해 실제 세포 주기와는 괴리가 커진다. 또한 임계값 θ가 평균 입력 합의 0.4~0.6배 범위에 있을 때, 어트랙터 분포가 가장 균일하게 나타나며, 이는 유전자 발현의 변동성을 반영한다.

결과적으로, TN은 파라미터 공간이 좁고, 특히 임계값과 억제·활성 비율에 민감하게 반응한다는 점에서 실험적 데이터와 일치하는 동역학을 재현하려면 정교한 튜닝이 필요하다. 이는 Kauffman식 네트워크가 논리 함수를 자유롭게 설계할 수 있어 보다 넓은 파라미터 범위에서 임계성을 유지할 수 있는 것과 대비된다.