다중스케일 생물학을 위한 기하학적 경로 적분과 현상 견고성

초록

본 논문은 감독 학습 기반의 구간 분류기를 이용해 미시적 분자 네트워크와 거시적 표현형 사이의 매핑을 수학적으로 정의하고, 그 매핑이 파라미터 변동에 대해 견고한지를 실존하는 ‘강건성 함수’의 영점 존재 여부로 전환한다. 이를 검증하기 위해 기존 파동함수 적분을 일반화한 기하학적 경로 적분을 제안하고, 다리 수가 홀수인 지네의 발쌍 패턴을 사례 연구로 제시한다.

상세 분석

이 논문은 먼저 미세 수준의 단백질 활성도 X와 그 시간미분 \dot X 를 관측값으로 가정하고, 이를 입력으로 하는 구간 분류기 F(X,\dot X) 를 신경망 형태로 학습한다. 구간 분류기의 정의는 “클래스 Cₘ에 속하면 m‑1 < F < m”이라는 부등식으로, 각 표현형 클래스가 실수 구간에 매핑되는 점이 핵심이다. 여기서 중요한 가정은 (1) X와 \dot X 가 충분히 정확히 측정 가능하고, (2) 분자 네트워크 \dot x = f(x,a) 가 파라미터 a 에 대해 연속적이며, (3) f와 F가 모두 해석적(analytic)이라는 점이다.

논문은 ‘클래스 견고성’(Definition 3)을 영점 지속성으로 정의한다. 즉, 파라미터 영역 A 내의 모든 a 에 대해 ∃ X∈D 와 Y (m‑1 < Y < m) 가 존재해 F(X,f(X,a)) − Y = 0을 만족하면 해당 클래스는 견고하다고 본다. 이 조건은 실질적으로 비선형 방정식 H(·)² = 0의 해가 존재하고, 그 해가 파라미터 변동에 대해 안정적인 ‘영점’으로 남는지를 묻는 문제와 동등하다.

하지만 이러한 영점 존재 검증은 고차원 비선형 시스템에서 일반적으로 NP‑hard 수준의 난이도를 갖는다. 저자는 이를 해결하기 위해 ‘기하학적 경로 적분(Geometric Path Integral)’을 도입한다. 구간