동적 기계 네트워크의 디컨볼루션 이론

초록

이 논문은 힘 스펙트로스코피 실험에서 시료와 연결된 핸들·비드 등 복합 시스템의 동적 신호를 해석하기 위한 ‘동적 디컨볼루션’ 방법을 제시한다. 선형 응답 함수를 이용해 개별 구성요소의 고유한 동적 특성을 추출하고, 특히 단백질의 상태별 확산계수(내부 마찰)를 두 단계 절차로 정확히 구한다.

상세 분석

본 연구는 기존의 정적 디컨볼루션을 확장하여, 시간 의존적인 동적 정보를 복원하는 이론적 프레임워크를 구축한다. 핵심은 각 구성요소를 ‘자기(self) 응답’과 ‘교차(cross) 응답’ 함수로 기술하고, 이들을 복소수 주파수 영역에서 선형 결합·역함수 형태로 연결(convolution)하는 규칙을 제시한 점이다. 직렬 연결에서는 Eq.(2)의 비선형 유리함수 형태가, 병렬 연결에서는 단순 덧셈 형태가 적용되며, 이는 전기 회로의 전송 함수와 유사한 구조를 가진다. 특히, 두 구(비드)와 탄성 스프링으로 모델링한 단순 시스템에서 얻은 J_self, J_cross, J_ee 식은 실험적 측정에 바로 활용 가능하도록 설계되었다.

실험 적용 사례는 DNA 핸들을 통해 두 광학 트랩 비드에 연결된 단백질을 대상으로 한다. 힘 클램프(고정 장력) 하에서 비드 사이 거리의 자가상관함수(autocorrelation)를 측정하고, 핸들·비드만 포함한 ‘베어’ 시스템과 단백질이 포함된 전체 시스템을 각각 분석한다. 두 단계 절차는 (1) 베어 시스템의 응답 함수를 역변환하여 핸들·비드 복합체(HB)의 자기·교차 응답을 구하고, (2) 전체 시스템의 응답과 HB 응답을 결합해 단백질 고유의 엔드‑투‑엔드 응답 J_P,ee 를 추정한다.

단백질의 자유에너지 우물은 근사적으로 조화 포텐셜로 모델링되며, 내부 마찰(확산계수 μ_P)은 우물 내에서 일정하다고 가정한다. 이 경우 J_P,ee(ω)=μ_P/(k_P−iω) 형태의 로렌츠형 응답을 얻으며, 실험 데이터에 비선형 보정이나 비정상 확산 모델을 적용해 보다 정교하게 피팅할 수 있다. Brownian dynamics 시뮬레이션을 통해 제안된 방법의 정확성을 검증했으며, 상태별(접힌/펴진) μ_P 값을 오차 범위 내에서 재현했다.

이론적 강점은 (i) 복잡한 네트워크 토폴로지에도 적용 가능한 일반화된 규칙, (ii) 실험적으로 접근하기 쉬운 자기·교차 응답 함수를 자동으로 추출할 수 있는 절차, (iii) 내부 마찰이라는 미세역학적 정보를 직접적으로 측정할 수 있다는 점이다. 특히, 단백질 접힘·펴짐 과정에서 발생하는 내부 마찰은 고속 폴딩 메커니즘을 이해하는 데 핵심적인 파라미터이며, 기존의 자유에너지 분석만으로는 포착하기 어려웠다. 따라서 이 방법은 단백질 동역학, 나노기계소자 설계, 그리고 복합 바이오 물리 실험 전반에 걸쳐 활용 가능성이 크다.