마코프 소스로 생성된 장기 시퀀스에서 패턴 정확 분포를 위한 희소 접근법

초록

본 논문은 마코프 체인에 내재된 희소성을 활용해 긴 상태 시퀀스 내 특정 패턴의 정확한 분포를 효율적으로 계산하는 두 가지 새로운 알고리즘을 제시한다. 첫 번째는 전이 행렬의 두 번째 큰 고유값을 빠르게 구한 뒤 부분 재귀를 적용하는 방법이며, 두 번째는 이중 변수 유리식 재구성을 테일러 전개로 빠르게 전개하는 기법이다. 생물학적 사례(염색체 5 전사인자와 PROSITE 서명)에서 두 방법의 상보적 효율성을 입증한다.

상세 분석

이 연구는 마코프 소스로부터 생성된 긴 상태 시퀀스에서 특정 패턴이 나타나는 횟수의 정확한 확률분포를 구하는 문제를 다룬다. 전통적으로는 전체 전이 행렬을 이용한 동적 프로그래밍이나 마코프 체인 임베딩을 통해 분포를 계산하지만, 시퀀스 길이가 수천에서 수만에 달하고 패턴이 복잡해질수록 행렬의 차원이 급격히 증가한다. 저자들은 이러한 상황에서 행렬이 매우 희소(sparse)하다는 점을 핵심으로 삼아 두 가지 알고리즘을 설계하였다. 첫 번째 접근법은 전이 행렬 A의 두 번째 큰 고유값 λ₂를 빠르게 추정하는데, 이는 Perron‑Frobenius 이론에 기반해 A의 지배 고유값 λ₁과는 별도로 수렴 속도를 결정한다. λ₂를 정확히 알면, Aⁿ을 직접 계산하지 않고도 부분 재귀식
  Pₙ = λ₁·Pₙ₋₁ + λ₂·Pₙ₋₂ + …
을 통해 n번째 단계의 분포를 효율적으로 구할 수 있다. 여기서 “부분”이라는 의미는 실제로 비제로 원소가 존재하는 행과 열만을 대상으로 연산을 제한함으로써 메모리와 시간 복잡도를 O(k·log n) 수준으로 낮춘다(k는 비제로 원소 수). 두 번째 접근법은 패턴 카운트를 변수 x, 시퀀스 길이를 변수 y로 하는 이중 변수 생성함수 G(x,y)를 유리식 형태로 정확히 재구성한 뒤, 이를 테일러 전개하여 원하는 차수까지 전개한다. 핵심은 G(x,y)의 분모와 분자를 각각 희소 다항식으로 표현하고, 빠른 다항식 곱셈(FFT 기반)과 부분 분수 전개를 이용해 계수를 추출하는 것이다. 이 과정에서 “정확한 유리식 재구성”이라는 단계가 중요한데, 이는 수치적 근사 대신 기호적 연산을 통해 오차 없이 결과를 얻을 수 있게 한다. 두 방법 모두 복잡도 분석에서 전통적인 O(N·m) (N은 시퀀스 길이, m은 패턴 길이)보다 훨씬 낮은 비용을 보이며, 특히 전이 행렬이 매우 희소할 때 그 차이가 극명하게 나타난다. 실험에서는 인간 염색체 5의 전사인자 결합 부위와 PROSITE 단백질 서명을 대상으로, 기존 방법이 메모리 초과나 실행 시간 폭증을 겪는 경우에도 제안된 알고리즘은 수십 분에서 수시간 내에 정확한 분포를 산출했다. 또한 두 알고리즘은 서로 보완적인 특성을 지니는데, 첫 번째는 고유값 계산이 효율적인 경우에, 두 번째는 테일러 전개 차수가 낮을 때 유리하다. 이러한 상보성은 실제 응용에서 사용자가 문제 특성에 맞춰 최적의 방법을 선택할 수 있게 한다.