무작위 불리언 네트워크에서 어트랙터 거리의 구조적 특성 분석

초록

본 논문은 무작위 불리언 네트워크(RBN)의 어트랙터 간 거리를 세 가지 척도로 정의하고, 이를 기반으로 거리 행렬을 구축한다. 실험 결과, 질서적 네트워크는 어트랙터가 밀집된 클러스터를 형성하고, 혼돈적 네트워크는 어트랙터가 넓게 퍼져 있음을 확인하였다. 임계 상태의 네트워크는 두 극단의 특성을 모두 내포하는 혼합적 패턴을 보였다.

상세 분석

무작위 불리언 네트워크(RBN)는 유전자가 서로 Boolean 함수로 연결된 모델로, 네트워크의 동역학은 주로 어트랙터(고정점 또는 주기적 궤도) 형태로 나타난다. 논문은 이러한 어트랙터 간의 “거리”를 정량화하기 위해 세 가지 측정법을 제안한다. 첫 번째는 Hamming 거리 기반으로, 두 어트랙터의 상태 벡터를 직접 비교해 차이 비트를 계산한다. 두 번째는 전이 그래프 상의 최단 경로 길이를 이용한 그래프 거리이며, 이는 어트랙터 간 전이 가능성을 반영한다. 세 번째는 확률적 전이 빈도에 기반한 거리로, 마코프 전이 행렬을 추정해 어트랙터 사이의 전이 확률 차이를 측정한다. 각 거리 정의는 서로 다른 동역학적 의미를 담고 있어, 네트워크의 구조적 특성을 다각도로 파악할 수 있다.

실험에서는 K=2, K=3 등 다양한 연결도(K)와 노드 수(N)를 변형시켜 네트워크를 질서(ordered), 임계(critical), 혼돈(chaotic) 세 영역으로 구분하였다. 각 영역별로 1000개 이상의 RBN 인스턴스를 생성하고, 모든 어트랙터를 탐색한 뒤 거리 행렬을 구축하였다. 거리 행렬에 대해 평균 거리, 분산, 클러스터링 계수, 그리고 다차원 스케일링(MDS) 시각화를 수행하였다. 질서적 네트워크에서는 평균 Hamming 거리가 낮고, 거리 분포가 좁게 집중되는 경향을 보였다. 이는 어트랙터들이 상태 공간의 제한된 영역에 모여 있어, 변이에도 강인함을 나타낸다. 반면 혼돈적 네트워크는 평균 거리가 크게 증가하고, 분산이 넓어 어트랙터가 상태 공간 전역에 고르게 퍼져 있음을 확인했다. 이는 작은 초기 변화가 전체 네트워크에 급격히 전파되는 특성과 일치한다. 임계 네트워크는 평균 거리와 분산이 중간값을 차지하면서도, 거리 분포가 양쪽 꼬리를 동시에 보이는 복합적인 형태를 나타냈다. 특히 그래프 거리와 전이 확률 기반 거리에서는 일부 어트랙터가 서로 가까우면서도, 다른 쌍은 멀리 떨어지는 이중 구조가 관찰되었다. 이는 임계 상태가 복잡계 이론에서 제시하는 “최적의 계산 능력”과 “다양성 유지”를 동시에 만족한다는 가설을 실증적으로 뒷받침한다.

또한, 논문은 거리 행렬의 스펙트럼 분석을 통해 네트워크 유형별 고유값 분포 차이를 제시한다. 질서적 네트워크는 고유값이 몇 개의 큰 값에 집중되는 반면, 혼돈적 네트워크는 고유값이 넓게 퍼져 있다. 이는 어트랙터 집합의 구조적 복잡도가 네트워크 동역학과 직접 연결됨을 시사한다. 마지막으로, 저자들은 제안된 거리 척도가 실제 생물학적 유전자 조절망 데이터에 적용될 가능성을 논의하며, 실험적 데이터에서 어트랙터 클러스터링이 질병 상태와 정상 상태를 구분하는 바이오마커로 활용될 수 있음을 제안한다.