공간 정보를 통합한 형질·유전 데이터 통합 분석 모델

본 논문은 진화 단위(종, 집단)를 정의하기 위해 유전 마커, 형질 데이터, 그리고 지리적 정보를 동시에 활용하는 통합 베이지안 모델을 제시한다. 기존에는 유전 데이터만을 이용하거나, 형질 데이터를 별도로 분석하는 경우가 많았으며, 공간 정보를 활용하는 방법도 제한적이었다. 저자들은 이러한 한계를 극복하기 위해 세 가지 주요 요소를 결합한 모델을 설계하였다. 첫째, 개체가 속할 잠재 군집 K를 가정하고, 각 군집에 대해 형질은 다변량 정규분포, 유전 마커는 다항분포(또는 이형접합 경우 2·f·f)로 모델링한다. 형질 평균과 분산에 대해서는 감마‑정규 사전분포를, 유전 마커의 대립유전자 빈도에 대해서는 디리클레 사전분포를 적용한다. 둘째, 군집 간 유전적 연관성을 반영하기 위해 Uncorrelated Frequency Model(UFM)과 Correlated Frequency Model(CFM) 두 가지 변형을 도입한다. CFM은 조상 빈도 \tilde f와 군집별 드리프트 파라미터 d_k를 통해 군집 간 빈도 상관을 모델링함으로써 미세한 차이를 탐지한다. 셋째, 공간적 연속성을 포아송‑보로노이 테셀레이션으로 표현한다. 포아송 과정의 강도 λ와 포인트 수 m을 사전분포에 두고, 각 보로노이 타일에 군집 색을 균등하게 할당함으로써 군집이 지리적으로 연속된 영역에 존재하도록 유도한다. 공간 정보가 없거나 무시하고 싶을 경우, m=n, u_i=s_i 로 설정해 비공간 모델로 전환할 수 있다. 전체 파라미터 θ는 군집 수 K, 공간 파라미터 λ, 포인트 집합 u, 타일 색 c, 유전 파라미터 f, \tilde f, d, 형질 파라미터 μ, σ, 그리고 하이퍼파라미터 β 등으로 구성된다. 사전분포는 K와 λ에 대해 균등, d_k에 대해 베타, β에 대해 감마를 사용한다. 추정은 고차원 사후분포 π(θ|y,z)를 MCMC 방법으로 샘플링한다. 구체적으로 Gibbs 샘플링과 Metropolis‑Hastings를 교대로 적용해 군집 할당, 군집 수, 공간 파라미터, 유전·형질 파라미터를 순차적으로 업데이트한다. 모델 검증을 위해 다양한 시뮬레이션을 수행했으며, 군집 수와 파라미터 추정 정확도가 기존 Structure, BAPS, Mclust 등 단일 데이터 기반 방법보다 우수함을 확인했다. 특히 형질과 유전 데이터가 서로 보완적인 경우, 두 데이터 유형을 통합함으로써 군집 구분력이 크게 향상되었다. 실제 데이터 적용 사례로는 스웨덴의 Myodes voles(레드뱅크·뱅크볼) 집단을 분석하였다. 이 데이터는 지리적 좌표와 함께 형태계와 유전 마커가 동시에 측정된 드문 사례이다. 기존 연구에서는 종 간·종 내 구분이 모호했으나, 제안된 모델을 적용한 결과 두 종 사이의 명확한 구분과, 각 종 내에서도 지리적 연속성을 반영한 미세한 하위 군집이 밝혀졌다. 이를 통해 모델이 복합적인 진화 역사를 해석하는 데 강력한 도구임을 입증하였다. 마지막으로 저자들은 이 모델이 보전 생물학, 역학, 고생물학 등 다양한 분야에서 종 구분 및 집단 구조 분석에 활용될 수 있음을 강조한다. 특히, 데이터 유형이 혼합된 상황, 공간적 연속성이 중요한 경우, 그리고 통합적 증거가 필요한 경우에 이 모델이 기존 방법보다 더 신뢰성 있는 결과를 제공한다. 또한, R 패키지 Geneland의 확장 형태로 구현된 소프트웨어를 공개하여 실무 연구자들이 손쉽게 적용할 수 있도록 하였다.