개미 작업자들의 지배 위계 네트워크 구조

초록

본 연구는 Diacamma 속 개미 작업자들 사이에 형성되는 공격 기반 지배 위계를 큰 방향성 네트워크로 분석한다. 관찰된 지배 네트워크는 완전하거나 근사적인 방향성 비순환 그래프(DAG) 형태를 보이며, 이는 완전한 선형 위계와 일치한다. 네트워크는 희소하고 무작위적이지만, 모든 쌍이 연결된 완전 선형 토너먼트를 얇게 만든 모델과는 통계적으로 차이가 있다. 또한, 외향 차수(공격한 상대 수)의 분포는 오른쪽으로 치우쳐 있으며, 과도히 큰 외향 차수를 가진 개미는 위계의 최상위는 아니지만 상위에 위치한다. 이러한 구조적 특성은 기존의 삼각형(트라이드) 빈도 분석과는 다른 전역적 관점을 제공한다.

상세 분석

이 논문은 대규모 군집에서의 지배 위계를 정량화하기 위해 네트워크 과학적 접근을 적용한 점이 가장 큰 혁신이다. 기존 연구는 주로 소규모 집단에서 서열을 직접 관찰하거나, 삼각형(트라이드) 구조의 빈도를 통해 위계의 선형성을 추정했다. 그러나 작업자 개미 군집은 수십에서 수백 마리까지 규모가 커지면서 모든 가능한 쌍에 대한 공격 관계를 일일이 기록하는 것이 현실적으로 불가능하다. 저자들은 ‘공격’이라는 행동을 방향성 엣지로 정의하고, 전체 군집을 하나의 큰 유향 그래프(Directed Graph)로 모델링하였다.

관찰된 네트워크가 ‘완전한 방향성 비순환 그래프(Directed Acyclic Graph, DAG)’ 혹은 그 근사 형태라는 결과는, 개미 사회가 실제로 거의 완전한 선형 서열을 유지한다는 강력한 증거다. DAG 구조는 사이클이 없음을 의미하므로, A가 B를 공격하고 B가 C를 공격하면, C가 A를 공격하는 경우는 존재하지 않는다. 이는 위계가 순환 없이 위에서 아래로 일관되게 흐른다는 것을 보여준다.

또한 네트워크의 ‘희소성(sparsity)’과 ‘무작위성(randomness)’을 검증하기 위해 두 가지 대조 모델을 사용하였다. 첫 번째는 완전 선형 토너먼트(모든 개체가 서로 비교 가능한 완전 순위)를 엣지를 무작위로 제거해 만든 ‘thinning’ 모델이며, 두 번째는 동일한 엣지 수를 갖는 무작위 DAG 모델이다. 통계적 검정(예: 그래프 밀도, 클러스터링 계수, 경로 길이 분포) 결과, 실제 관찰된 네트워크는 두 모델 모두와 유의하게 차이가 있음을 보였다. 즉, 단순히 완전 토너먼트를 얇게 만든 것만으로는 실제 네트워크의 구조적 특성을 설명할 수 없으며, 개미가 선택적으로 공격 관계를 형성한다는 행동적 메커니즘이 작용한다는 뜻이다.

특히 외향 차수(out-degree) 분포가 오른쪽으로 치우친 ‘우측왜도(right‑skewed)’ 형태라는 점은, 소수의 개미가 다수의 동료를 공격하는 ‘핵심 공격자’ 역할을 수행함을 시사한다. 흥미롭게도 이러한 고외향 차수를 가진 개미는 서열의 최상위(절대적인 알파)보다는 약간 아래에 위치한다. 이는 위계가 절대적인 ‘왕’이 아니라, 여러 단계에 걸쳐 공격력이 분산된 ‘계층적 리더십’ 구조를 가질 수 있음을 암시한다.

진화적 해석 측면에서 저자들은 이러한 네트워크 특성이 작업 분업 효율성, 자원 할당 최적화, 그리고 군집 내 갈등 최소화에 기여할 수 있다고 논한다. 선형 위계가 유지되면서도 일부 개미가 과도하게 공격적인 역할을 맡는 구조는, 급격한 환경 변화나 외부 위협에 대한 빠른 대응을 가능하게 할 뿐 아니라, 위계 붕괴 없이 유연성을 제공한다는 가설을 제시한다.

전반적으로 이 연구는 개미 사회를 복잡계 네트워크로 바라봄으로써, 전통적인 행동생태학적 접근이 놓치기 쉬운 전역적 구조와 그 진화적 의미를 밝히는 데 성공하였다. 향후 다른 사회성 곤충이나 포유류 집단에도 동일한 네트워크 분석 프레임워크를 적용하면, 종 간 위계 형성 메커니즘의 보편성을 비교 연구할 수 있을 것으로 기대된다.