주파수 조절과 강인성을 겸비한 네트워크 모티프 탐색

초록

**
본 연구는 3개의 노드와 최소 3개의 억제성 연결을 갖는 249개의 고유한 네트워크 토폴로지를 전산적으로 생성하고, 각 네트워크가 보여주는 진동의 주파수 가변성(튜너빌리티)과 외란에 대한 강인성(robustness)을 정량화하였다. 결과적으로 주파수 가변성이 높은 네트워크는 강인성이 낮고, 반대로 강인성이 높은 네트워크는 주파수 가변성이 제한되는 상쇄 관계가 존재함을 밝혀냈다.

**

상세 분석

**
본 논문은 기존 연구가 다루었던 3‑node, 4개 이하의 엣지를 가진 제한된 토폴로지와 달리, 억제성 사이클을 최소 3개 포함하는 249개의 서로 다른 네트워크 구조를 체계적으로 열거하였다. 네트워크는 ‘백본’ 억제 회로(세 노드가 순환 억제) 위에 자동조절(auto‑regulatory) 및 파라‑조절(para‑regulatory) 엣지를 조합해 생성되었으며, 대칭성을 고려한 중복 제거 과정을 통해 고유성을 확보하였다.

각 네트워크는 Michaelis‑Menten 형태의 Hill 함수를 이용한 1차 미분 방정식(ODE) 시스템으로 모델링되었다. 파라미터 공간은 10³개의 무작위 샘플을 Monte‑Carlo 방식으로 탐색했으며, 각 샘플에 대해 RK4 적분으로 10⁴~10⁵ 스텝을 수행해 지속적인 진동 여부를 판단하였다. 진동이 확인된 경우, 합성 속도·분해 속도 상수(k) 를 변동시켜 바이포케이션(bifurcation) 구간을 이진 탐색으로 정확히 찾았다. 이때 상한·하한 파라미터 사이의 차이가 10⁻⁴ 이하가 될 때까지 반복함으로써, ‘진동 영역(oscillatory domain)’을 정밀히 정의하였다.

진동 영역 내에서 k 값을 연속적으로 변화시키며 100개의 등간격 샘플을 추출했고, 각 샘플에 대해 진동 주파수와 진폭을 계산하였다. 진폭 변동이 50 % 이하인 구간을 ‘운용 주파수 범위(operational frequency range)’라 정의하고, 해당 구간의 k 값 범위를 ‘운용 k 범위’로 설정하였다. 각 네트워크에 대해 10³개의 파라미터 집합에 대한 평균 운용 주파수 범위와 평균 운용 k 범위를 기하 평균으로 합산해 ‘주파수 가변성’과 ‘강인성’의 정량적 지표를 도출하였다.

세 개의 기능군으로 분류한 결과는 다음과 같다.

1. 그룹 I (고강인성) – 이중 자동양성 피드백이 파라‑음성 피드백으로 연결된 구조. 높은 k‑범위와 작은 주파수 변동을 보이며, 서브크리티컬 Hopf bifurcation이 주를 이룬다.
2. 그룹 IV (고주파수 가변성) – 이중 자동양성 피드백이 파라‑양성 피드백으로 연결된 구조. 넓은 주파수 범위를 제공하지만, 초크점에서 초임계 Hopf이 발생해 강인성이 낮다.
3. 그룹 II (저주파수·저강인성) – 이중 자동음성 피드백이 파라‑양성 피드백으로 연결된 구조. 전반적으로 진동이 제한적이며, 양쪽 극한에서 모두 약한 강인성을 보인다.

네트워크별 바이포케이션 다이어그램 분석에서는, 고강인성 그룹이 ‘초임계(Hopf) 전이’를, 고주파수 가변성 그룹이 ‘초임계 전이’를 주로 나타냈으며, 이는 두 특성이 서로 배타적임을 시각적으로 확인시켜준다. 또한 민감도 분석 결과, 자동양성 피드백 강도 변화에 대해서는 진동이 비교적 견고했으나, 백본 음성 피드백 강도 변화에 대해서는 급격히 소멸하는 취약성을 보였다. 이러한 결과는 네트워크 설계 시 양성·음성 피드백의 배치가 주파수 조절과 강인성 사이의 트레이드오프를 결정한다는 중요한 설계 원칙을 제시한다.

**