노드별 영향력 예측: 부울 네트워크 동역학에서의 고유벡터 중심성

초록

본 연구는 부울 네트워크에서 개별 노드가 손상(perturbation) 확산에 미치는 영향을 정량화하고, 그 영향을 네트워크 구조와 함수 활동(activity) 정보를 이용해 예측한다. 손상 확산의 장기적 강도는 활동 행렬(또는 인접 행렬)의 주고유벡터 성분과 거의 일치한다는 것을 선형 근사와 시뮬레이션을 통해 확인하였다. 또한, 실제 섬유아세포 신호전달 모델에 적용해 예측 정확도를 검증하였다.

상세 분석

이 논문은 부울 네트워크의 동역학적 특성을 ‘손상 확산(damage spreading)’이라는 관점에서 재정의한다. 노드 i를 한 번 뒤집는 작은 교란이 시간 t 이후에도 지속될 확률 h_i(t)를 동적 영향이라 정의하고, 이를 전체 초기 상태 2^N 중 몇 퍼센트가 해당 교란을 유지하는지로 측정한다. 손상이 다음 단계로 전파되는 확률은 각 연결 i→j에 대해 정의된 활동값 α_ij에 의해 결정된다. α_ij는 모든 가능한 상태에서 i의 상태를 반전시켰을 때 j의 출력이 바뀔 확률이며, 이는 부울 함수의 부분 미분과 동일한 개념이다.

활동 행렬 ℵ = (α_ij) 를 이용해 손상 확률 벡터 p(t)를 p(t)=ℵ^T p(t‑1) 로 근사한다. 이 선형 근사는 네트워크가 트리 구조이거나 상관관계가 약할 때 정확하고, 일반적인 경우에도 손상 전파가 대략 선형적으로 누적된다고 가정한다. ℵ가 비음수이고 비감소(irreducible)하면 Perron‑Frobenius 정리에 의해 가장 큰 고유값 λ와 그에 대응하는 좌·우 고유벡터(ℓ, r)가 존재한다. 장기(t→∞)에는 p(t)≈λ^t (r⊗ℓ) p(0) 로 수렴하므로, 초기 교란이 r (우고유벡터) 성분에 얼마나 투영되는지가 장기 손상 규모를 결정한다. 즉, r_i가 클수록 노드 i의 동적 영향이 크다.

네트워크 구조만 알려진 경우에는 활동 행렬을 0/1 인접 행렬 A 로 단순화하고, A의 좌고유벡터 e를 사용한다. 또한, 지역 정보만으로는 출도(out-degree) d_i와 강도 σ_i(활동값의 합)를 활용할 수 있다. 논문은 네 가지 중심성(출도, 강도, ℵ의 우고유벡터 r, A의 좌고유벡터 e)을 모두 비교한다.

시뮬레이션은 N=500, 평균 연결수 K=2인 랜덤 부울 네트워크와, 실제 섬유아세포 신호전달 모델(N=139, 548 연결)에서 수행되었다. 평균 민감도 ⟨s⟩(함수 입력에 대한 기대 변화량)를 조절해 임계값(⟨s⟩=1) 전후의 동작을 관찰했다. 결과는 다음과 같다.

1. 장기 손상(h_i(t) with t=100 또는 t=N) 예측에서는 ℵ의 우고유벡터 r가 가장 높은 순위 상관을 보였으며, ⟨s⟩가 초임계(>1)일 때 특히 두드러졌다.
2. ⟨s⟩≈1 근처에서는 모든 중심성이 일시적으로 예측력이 상승하고, ⟨s⟩≈0에서는 r의 예측력이 최소가 된다.
3. 단기 손상(t=1)에서는 강도 σ_i가 가장 좋은 예측자를 제공한다. 이는 손상이 첫 단계에서 직접 연결된 이웃에만 의존하기 때문이다.
4. 동기식(synchronous) 업데이트와 비동기식(asynchronous) 업데이트 모두 전반적인 경향은 동일했지만, 초임계 영역에서는 비동기식이 예측력을 약간 향상시켰다. 이는 업데이트 순서가 손상 치유/전파에 미치는 영향과 관련된다.
5. ‘어트랙터 충격(attractor impact)’ h_i^0를 정의해 교란이 최종 어트랙터를 바꾸는지를 측정했을 때도 r가 가장 강력한 예측자였으며, 실험적으로도 75% 이상 경우에 r가 최고 성능을 보였다.

실제 섬유아세포 네트워크에 적용한 결과는 랜덤 네트워크와 유사했다. 전체 네트워크와 핵심(입력 노드 제외) 서브네트워크 모두에서 r가 동기식·비동기식, 단기·장기 상황 모두에서 가장 높은 예측력을 기록했다. 특히, 장기 동기식 경우 r의 순위 상관계수는 0.92에 달했다.

이러한 결과는 부울 네트워크에서 노드의 동적 중요성을 구조적 중심성(특히 고유벡터 중심성)으로 효과적으로 추정할 수 있음을 시사한다. 활동 행렬을 이용하면 함수 특성까지 반영해 예측을 더욱 정밀하게 만들 수 있다. 따라서 실험 설계, 약물 표적 선정, 혹은 네트워크 재구성 문제에서 ‘가장 영향력 있는 노드’를 빠르게 식별하는 실용적인 도구로 활용될 가능성이 크다.