깜빡이는 분자 추적

초록

본 논문은 고밀도와 블링 현상이 있는 단일 분자 영상에서, 공간·시간 거리와 위치 신뢰도를 결합한 비용 함수를 자유롭게 정의하고, 이를 전역 최적화하는 선형 계획법 기반 트래킹 알고리즘을 제안한다. 상향식이 아닌 하향식 폴리헤드론 접근을 통해 2D·3D 모두 적용 가능하며, 기존 방법보다 빠르고 정확하게 궤적을 복원한다.

상세 요약

이 연구는 단일 분자 현미경 영상에서 흔히 발생하는 ‘블링’(일시적인 신호 소실) 문제와 높은 스팟 밀도로 인한 연결 오류를 동시에 해결하려는 시도이다. 기존의 트래킹 기법은 주로 근접한 프레임 간 거리 최소화 혹은 확률적 모델에 의존했으며, 블링이 발생하면 연결이 끊기거나 잘못된 연결이 생기는 경우가 많았다. 논문은 이러한 한계를 극복하기 위해 트래킹 문제를 ‘그래프 매칭’이 아닌 ‘전역 최적화’ 문제로 재정의한다. 구체적으로, 각 검출된 스팟을 그래프의 정점으로 두고, 가능한 연결(에지)에 비용 함수를 부여한다. 이 비용 함수는 (1) 시간 차이와 공간 거리의 가중합, (2) 각 스팟의 위치 추정 불확실성(예: 포인트 스프레드 함수의 표준편차), (3) 블링 확률을 반영한 가중치를 포함한다. 사용자는 이러한 요소들을 자유롭게 조합해 자신에게 맞는 비용 모델을 설계할 수 있다.

핵심은 이 비용 함수를 선형 프로그램(LP)의 목적식으로 변환하고, ‘플로우 보존’ 제약과 ‘각 정점은 최대 하나의 선행·후행 에지를 갖는다’는 제약을 추가함으로써 전체 트래킹을 하나의 정수 선형 계획 문제로 만든다. 여기서 ‘폴리헤드론 접근’이라 함은, 전체 문제를 큰 다면체(폴리헤드론) 형태로 보고, 그 꼭짓점(vertex)들이 가능한 트래킹 해를 의미한다는 의미이다. 이 다면체는 기존의 ‘네트워크 플로우’ 모델보다 더 일반적이며, 블링을 포함한 결측 데이터를 자연스럽게 처리한다.

알고리즘 구현은 상용 LP 솔버(CPLEX, Gurobi 등)를 이용해 매우 간단히 수행할 수 있다. 문제 규모는 검출된 스팟 수와 프레임 수에 따라 선형적으로 증가하므로, 수천 개의 스팟을 포함하는 대규모 영상에서도 실시간에 근접한 속도로 해결 가능하다. 또한 2D와 3D 좌표 모두 동일한 수식으로 처리할 수 있어, 입체 영상 분석에도 바로 적용할 수 있다.

실험 결과는 합성 데이터와 실제 살아있는 세포의 단일 분자 영상 두 경우에 대해 제시된다. 합성 데이터에서는 블링 비율을 080%까지 변화시켰을 때, 제안 방법이 기존의 ‘가장 가까운 이웃’(Nearest Neighbor) 및 ‘마르코프 체인’ 기반 방법보다 평균 트래킹 정확도가 1025% 향상됨을 보였다. 실제 데이터에서는 미세소관 위를 이동하는 단백질의 궤적을 복원했으며, 블링이 빈번히 발생함에도 불구하고 연속적인 궤적을 성공적으로 연결해, 생물학적 해석에 필요한 정량적 파라미터(속도, 전이 확률 등)를 정확히 추정할 수 있었다.

이 논문의 주요 기여는 (1) 블링 현상을 비용 함수에 명시적으로 포함함으로써 결측을 자연스럽게 보정, (2) 전역 최적화를 통해 로컬 최적화에 빠지는 오류를 방지, (3) 비용 함수의 자유로운 설계가 가능하도록 하여 다양한 실험 조건에 맞춤형 적용이 가능하게 함, (4) 표준 LP 솔버만으로도 구현이 가능해 연구자들의 진입 장벽을 크게 낮춘 점이다. 향후 확장 가능성으로는 (a) 비용 함수에 광학적 흐림(PSF) 모델을 추가해 더 정밀한 위치 추정, (b) 다중 색(멀티채널) 트래킹을 동시에 최적화, (c) 실시간 스트리밍 데이터에 대한 온라인 LP 업데이트 기법 등이 제시될 수 있다.