코폴드 새로운 RNA 2차 구조 예측 방법

초록

CoFold는 열역학적 에너지 최소화와 전사 과정에서의 공동접힘(kinetic) 효과를 동시에 고려한 RNA 2차 구조 예측 알고리즘이다. 전사 속도와 부분 서열이 점진적으로 형성되는 구조를 모델링함으로써, 특히 1 000 염기 이상인 긴 rRNA와 같은 대형 RNA에서 기존 열역학 기반 방법보다 높은 정확도를 달성한다.

상세 분석

CoFold는 전통적인 열역학 기반 RNA 2차 구조 예측이 갖는 한계를 극복하기 위해, 전사 과정 중에 일어나는 공동접힘 현상을 수학적으로 모델링한다. 구체적으로, 전사 속도를 파라미터화한 ‘전사 단계’(transcription stage)를 도입하고, 각 단계에서 현재까지 합성된 서열에 대해 최소 자유 에너지(MFE) 구조를 동적 프로그래밍으로 계산한다. 이때, 기존 Turner 파라미터를 그대로 사용하면서도, 아직 전사되지 않은 부분과의 상호작용을 억제하는 ‘kinetic penalty’를 추가한다. 이러한 패널티는 장거리 염기쌍이 형성되는 시점을 지연시키고, 실제 세포 내에서 관찰되는 코-트랜스크립션 폴딩 패턴을 재현한다.

알고리즘은 크게 두 단계로 구성된다. 첫 번째 단계는 전사 진행에 따라 서열을 점진적으로 확장하면서, 현재까지 가능한 모든 구조를 탐색하고, 각 구조에 대해 열역학적 에너지와 kinetic penalty를 합산한 스코어를 산출한다. 두 번째 단계에서는 전사 종료 시점까지 누적된 스코어를 기반으로 전역 최적 구조를 선택한다. 이 과정에서 동적 프로그래밍 테이블을 효율적으로 재사용함으로써, O(N³) 시간 복잡도를 유지하면서도 메모리 사용량을 크게 줄였다.

평가에서는 Rfam 데이터베이스의 다양한 RNA 종류(예: tRNA, 5S rRNA, 16S rRNA, 23S rRNA)를 대상으로 Sensitivity, Positive Predictive Value(PPV), F‑measure 등을 측정하였다. 특히 1 000~3 000 염기 길이의 rRNA에 대해 기존 ViennaRNA와 RNAfold가 보이는 평균 F‑measure 0.71에 비해 CoFold는 0.78로 약 10% 포인트 상승하였다. 짧은 서열(≤200 nt)에서는 차이가 미미했지만, 전사 속도와 코-트랜스크립션 폴딩이 구조 형성에 큰 영향을 미치는 경우에 현저한 성능 향상이 관찰되었다.

또한, CoFold는 전사 속도 파라미터를 조절함으로써 다양한 생물학적 상황(예: 빠른 전사 vs. 느린 전사)에도 적용 가능하며, 실험적으로 확인된 변이체 구조 변화를 예측하는 데에도 유용함을 보였다. 계산 비용 측면에서는 전사 단계마다 부분 구조를 재계산하는 오버헤드가 존재하지만, 멀티스레딩과 GPU 가속을 활용한 구현을 통해 실시간 수준의 예측이 가능하도록 최적화되었다.

이러한 설계는 RNA가 전사와 동시에 접히는 실제 생물학적 메커니즘을 반영함으로써, 기존 열역학 전용 모델이 놓치기 쉬운 ‘접힘 경로’와 ‘중간 구조’ 정보를 보존한다. 결과적으로 CoFold는 장거리 상호작용이 중요한 대형 RNA, 특히 리보솜 RNA와 같은 복합 구조를 가진 분자들의 2차 구조 예측에 새로운 기준을 제시한다.