DNA 서열 정렬을 위한 초복소수 기반 매트릭스와 가변 점수 체계

초록

**
본 논문은 DNA 염기코드를 4차원 초복소수(하이퍼컴플렉스) 벡터로 변환하고, 이들 간의 내적을 이용해 점수를 산출한다. 내적값을 임계값으로 절단(truncation)하여 점(dot) 매트릭스를 구성하고, 기존의 전역·국부·반복·오버랩 정렬 알고리즘에 적용한다. 가변적인 절단값과 새로운 점수 행렬을 통해 매칭 문자열의 문자열 길이와 신뢰도를 조절할 수 있음을 보인다.

**

상세 분석

**
이 연구는 DNA 염기 서열을 ‘A, T, G, C’뿐 아니라 ‘W, R, M, K, Y, S, D, H, V, B, N’ 등 혼합코드까지 포괄하는 16가지 심볼을 4차원 실수 벡터(초복소수)로 표현한다. 각 차원은 A, T, G, C의 출현 확률을 의미하며, 모든 원소의 합은 1이 된다. 예를 들어 ‘W(A/T)’는 (½,½,0,0)으로, ‘N(모든 염기)’는 (¼,¼,¼,¼)으로 정의된다. 이러한 표현은 기존의 단순 1대1 매칭(동일 문자 여부)보다 확률적 유연성을 제공한다는 점에서 혁신적이다.

점 매트릭스 생성 시 두 벡터의 내적을 계산하고, 사용자가 지정한 절단값(threshold)보다 크면 점을 찍는다. 절단값을 높이면 높은 확률·높은 신뢰도의 매칭만 남아 잡음이 감소하고, 낮추면 약한 매칭까지 포착해 민감도가 상승한다. 이는 전통적인 dot‑matrix가 ‘일치 여부’만을 고려하던 한계를 확장한다.

점수 체계는 내적값을 01 사이에서 515 사이의 정수 점수로 선형 변환하고, 갭 페널티를 8로 고정한다. 이렇게 만든 스코어 매트릭스는 Needleman‑Wunsch와 Smith‑Waterman 같은 동적 계획법에 그대로 적용 가능하도록 설계되었다. 논문에서는 동일한 예시 서열을 이용해 전역 정렬, 국부 정렬, 반복 정렬, 오버랩 정렬을 수행하고, 각각 14, 38, 38, 38점(또는 절단값에 따라 변동)이라는 결과를 제시한다.

기술적 강점은 다음과 같다. 첫째, 확률 기반 벡터화는 IUPAC 혼합코드 처리에 자연스럽게 대응한다. 둘째, 절단값 조절을 통해 사용자가 매칭 민감도와 특이도를 직접 제어할 수 있다. 셋째, 기존 정렬 알고리즘을 그대로 재사용함으로써 구현 복잡도를 크게 늘리지 않는다.

하지만 몇 가지 한계도 존재한다. ① 벡터 요소를 확률로 가정했으나 실제 서열 데이터베이스에서는 염기 빈도가 균등하지 않으며, 종특이적 편향을 반영하지 않는다. ② 내적값을 정수 점수로 스케일링하는 과정에서 정보 손실이 발생할 수 있다. ③ 실험에서는 하나의 짧은 예시 서열만을 사용했으며, 대규모 유전체 데이터에 대한 성능·시간 복잡도 분석이 부족하다. ④ 절단값 선택 기준이 경험적이며, 자동 최적화 방법이 제시되지 않는다.

전반적으로 초복소수 표현과 가변 절단값을 도입한 점은 DNA 정렬 분야에 새로운 시각을 제공하지만, 실제 바이오인포매틱스 파이프라인에 적용하려면 확률 모델의 정교화와 대규모 검증이 추가로 필요하다.

**