YDNA 단일계통서열의 선후 관계와 연대 추정 방법

초록

핵다중분열 물리학에서 영감을 얻은 이 논문은 Y‑DNA 단일계통서열(haplotype) 쌍이 한 번의 돌연변이로 구분될 때, 각각의 선후 관계와 발생 시기를 추정하는 새로운 통계적 절차를 제시한다. 공개 데이터베이스에서 변이 거리별(0,1,2,… 돌연변이)로 존재하는 동일·유사 서열을 검색하고, 각 거리에서 관찰된 서열 빈도의 비율을 이론적 확률 비율과 비교한다. 비율이 하이퍼볼릭(역비례) 형태를 보이면, 더 오래된 서열이 먼저 등장했으며, 비율의 기울기로부터 평균 돌연변이율을 이용해 세대 수(연대)를 계산할 수 있다. 작은 표본과 불완전한 데이터베이스에서도 적용 가능하다는 점이 특징이다.

상세 분석

본 연구는 Y‑DNA 단일계통서열이 시간에 따라 누적되는 돌연변이 과정을 포아송 확률분포로 모델링한다는 기본 가정에 기반한다. 한 세대당 평균 돌연변이 수 λ를 설정하고, n번째 돌연변이까지 도달할 확률 P(n, t)= (λt)ⁿ e^(−λt)/n! 로 표현한다. 여기서 t는 세대 수이며, λ는 문헌에서 제시된 Y‑DNA STR(Short Tandem Repeat) 평균 변이율(≈1 × 10⁻³ ~ 1 × 10⁻²)이다. 두 서열 A와 B가 한 번의 돌연변이 차이로 구분될 경우, 각각을 기준으로 “거리‑k 서열”(k = 0,1,2,…)의 빈도를 데이터베이스에서 추출한다. 예를 들어 A를 기준으로 거리‑0은 A 자체, 거리‑1은 A와 한 돌연변이 차이인 서열, 거리‑2는 두 번 차이인 서열 등이다. 같은 과정을 B에 대해서도 수행한다.

관찰된 빈도 N_A(k)와 N_B(k)의 비율 R(k)=N_A(k)/N_B(k) 를 계산하고, 이론적으로는 R(k)≈(t_A/t_B)·(k!/(k−1)!)·(λt_B/λt_A) = (t_A/t_B)·(k/(k−1)) 와 같이 k에 대한 역비례 형태, 즉 하이퍼볼릭 곡선을 따른다. 따라서 R(k) 가 k에 대해 직선이 아닌 하이퍼볼릭 형태를 보이면 두 서열 사이의 세대 비율 t_A/t_B 를 추정할 수 있다. 특히 R(1) > 1이면 A가 B보다 오래되었음을 의미하고, R(1) < 1이면 반대이다.

핵심적인 장점은 (1) 전체 계통수를 재구성할 필요 없이 두 서열만을 비교해 선후 관계를 판단한다는 점, (2) 절대적인 세대 수 대신 비율 기반 추정으로 변이율 λ의 정확한 값에 대한 민감도가 낮다, (3) 데이터베이스가 완전하지 않아도 거리‑k 서열이 충분히 존재하면 통계적 신뢰성을 확보한다는 점이다. 그러나 몇 가지 한계도 존재한다. 첫째, 포아송 모델은 돌연변이의 독립성과 일정한 평균율을 전제로 하는데, 실제 인구 이동·병합·선택압 등으로 변이율이 지역·시대별로 변동할 수 있다. 둘째, 데이터베이스에 포함된 서열의 표본 편향(예: 특정 인구군 과다 대표)이나 오류(시퀀싱 오류, 잘못된 계통표기) 등이 빈도 비율에 직접적인 영향을 미친다. 셋째, 거리‑k가 커질수록 관측 빈도가 급격히 감소해 통계적 불확실성이 커지며, 하이퍼볼릭 적합이 불안정해진다. 따라서 실용적으로는 k ≤ 3 정도까지 제한하고, 부트스트랩이나 퍼뮤테이션 검정을 통해 신뢰구간을 제시하는 것이 바람직하다.

이 방법은 기존의 계통수 기반 연대 추정(예: 베이즈 계통학, 마르코프 연쇄 모델)과 비교해 계산 복잡도가 낮고, 빠른 초기 스크리닝에 유용하다. 특히 고대 DNA나 희귀 서열이 제한된 상황에서 “가장 가능성 높은 선조”를 식별하고, 인구학적 사건(예: 확산, 병원체 전파)과 연계해 대략적인 시기를 추정하는 데 적용 가능하다. 향후 연구에서는 변이율 λ를 베이지안 프레임워크로 추정하거나, 다중 마커(STR + SNP) 결합 분석을 통해 모델의 정밀도를 높이는 방안을 모색할 수 있다.