불연속과 연속 사이의 안정성 차이: Boolean 네트워크와 연속 동역학의 새로운 시각

초록

이 논문은 생물학적 조절 시스템을 연속 미분방정식과 이진 Boolean 모델로 각각 기술했을 때, 작은 상태 교란에 대한 안정성 판단이 크게 다름을 밝힌다. 특히, 높은 민감도를 가진 무작위 Boolean 네트워크도 연속 모델에서는 작은 교란에 대해 안정적일 수 있음을 보여준다.

상세 분석

본 연구는 생물학적 조절 회로를 연속적인 농도 변수와 이산적인 0/1 변수 두 가지 관점에서 분석한다. 연속 모델은 일반적인 미분방정식 형태 (\dot{x}=F(x)) 로 기술되며, 각 변수는 화학 물질 농도를 나타낸다. 반면 Boolean 모델은 상태 공간을 이진화하고, 시간도 이산화하여 (x_i(t+1)=f_i(\mathbf{x}(t))) 형태의 업데이트 규칙을 사용한다. 기존 문헌에서는 Boolean 네트워크의 안정성을 “플립 교란(한 노드의 상태를 반전) 후 손상이 퍼지는가”로 정의했으며, 이를 통해 네트워크의 민감도(sensitivity)와 손상 전파 속도를 정량화했다. 그러나 이러한 정의는 연속 시스템에서 흔히 사용되는 미소 교란(상태 벡터에 아주 작은 변동)과는 본질적으로 다르다.

논문은 먼저 연속 모델을 Boolean 형태로 근사화하는 방법을 제시한다. 각 연속 변수 (x_i)에 임계값 (\theta_i)를 두고, (x_i>\theta_i)이면 1, 이하이면 0으로 이진화한다. 이렇게 얻은 Boolean 함수 집합 ({f_i})은 원래 연속 시스템의 비선형 특성을 보존한다. 이어서 두 종류의 교란을 각각 정의한다. ① 플립 교란: 특정 노드의 이진 상태를 0↔1 로 바꾸는 급격한 변동; ② 미소 교란: 연속 변수에 (\epsilon) 수준의 작은 변동을 가하는 연속적인 교란. 두 교란에 대한 시스템 응답을 수치 시뮬레이션과 선형 안정성 분석을 통해 비교한다.

핵심 결과는 다음과 같다. (1) 높은 평균 민감도(예: Kauffman 네트워크에서 평균 입력 수 K가 2 이상)를 가진 무작위 Boolean 네트워크는 플립 교란에 대해 “불안정”으로 분류된다. 즉, 초기 한 노드의 반전이 네트워크 전반에 퍼져 결국 대다수 노드가 바뀐다. (2) 그러나 동일한 네트워크를 연속 미분방정식 형태로 구현하고, 미소 교란을 가하면 대부분의 경우 교란이 감쇠하고 시스템은 원래 궤도로 복귀한다. 이는 연속 시스템의 야코비안 행렬이 대부분의 고유값이 음의 실수부를 가져, 작은 교란에 대해 지수적으로 수렴하기 때문이다. (3) 민감도가 매우 높은 경우에도, 연속 모델에서는 비선형 포화 효과와 피드백 억제 메커니즘이 교란을 제한한다. 따라서 “높은 민감도 = 불안정”이라는 Boolean 기반 직관은 연속 동역학에서는 성립하지 않는다.

이러한 차이는 모델링 관점에서 중요한 함의를 가진다. 유전자 발현 네트워크와 같은 생물학적 시스템을 Boolean 형태로 단순화할 때, 플립 교란 기반의 안정성 평가는 실제 세포 내 농도 변동(노이즈)와는 다른 종류의 교란을 가정한다. 따라서 Boolean 모델이 예측한 “혼돈” 혹은 “안정성”은 실제 연속 시스템에서 관찰되는 동역학적 거동과 일치하지 않을 가능성이 크다. 논문은 또한, 연속 모델의 안정성을 정량화하기 위해 Lyapunov 지수를 도입하고, Boolean 네트워크의 평균 민감도와 연속 모델의 최대 Lyapunov 지수 사이에 비선형적인 관계가 있음을 보였다.

결론적으로, 연구진은 Boolean 네트워크의 “불안정성”이 반드시 연속 시스템의 불안정성을 의미하지 않으며, 특히 무작위 네트워크에서 높은 민감도를 가진 경우에도 연속 동역학은 작은 교란에 대해 강인함을 유지한다는 점을 강조한다. 이는 생물학적 조절 회로를 모델링할 때, Boolean 근사와 연속 미분방정식 사이의 차이를 명확히 인식하고, 적절한 교란 유형을 선택해야 함을 시사한다.