인간 게놈의 다중프랙탈 정보 생산과 코딩·비코딩 구분

초록

본 논문은 인간 염색체 서열을 기호열로 변환하여 Rényi 엔트로피 K_q를 계산하고, q값에 따른 비선형 변화를 관찰한다. q≈1 근처에서 열역학적 위상전이와 유사한 현상이 나타나며, 이를 코딩 영역과 비코딩 영역의 서로 다른 통계적 특성을 반영하는 두 개의 다중프랙탈 집합의 중첩 모델로 설명한다. 모델은 실제 인간 염색체 데이터와 높은 일치를 보인다.

상세 분석

논문은 먼저 인간 염색체 서열을 4개의 염기(A, C, G, T)로 이루어진 기호열로 변환하고, 일정 길이 L의 윈도우를 슬라이드하면서 각 윈도우에 등장하는 기호 조합의 빈도를 추정한다. 이 빈도 분포를 기반으로 Rényi 엔트로피 K_q = lim_{L→∞} (1/L)·(1/(1−q))·log Σ_i p_i^q 를 계산한다. q가 0에 가까울수록 희귀한 패턴이 강조되고, q가 크게 양수일수록 빈번한 패턴이 지배한다. 결과적으로 K_q는 q에 대해 비선형적인 곡선을 그리며, 특히 q=1 근처에서 급격한 기울기 변화가 관측된다. 이는 열역학에서 자유 에너지의 1차 미분이 불연속을 보이는 1차 위상전이와 유사한 ‘위상전이‑유사 현상’으로 해석된다.

저자들은 이러한 현상이 인간 게놈이 코딩 영역(단백질을 암호화하는 구간)과 비코딩 영역(조절, 구조, 진화적 잔재 등)으로 구성된 이중 구조를 갖기 때문이라고 주장한다. 코딩 영역은 상대적으로 높은 복잡도와 균일한 염기 비율을 보이며, 비코딩 영역은 반복 서열, 전위성(전사) 요소, 전이(transposon) 등으로 구성돼 더 높은 프랙탈 차원을 가진다. 이를 수학적으로 표현하기 위해 두 개의 독립적인 다중프랙탈 집합 M₁, M₂를 정의하고, 전체 기호열을 이들의 가중합(α·M₁ + (1−α)·M₂) 형태로 모델링한다. 여기서 α는 코딩 영역의 비율을 나타낸다.

이론적 모델은 각각의 집합에 대해 스펙트럼 f(α)와 τ(q) 함수를 구하고, 두 집합의 합성으로부터 전체 K_q를 유도한다. 모델 파라미터(α, 각 집합의 프랙탈 차원, 스케일링 지수 등)를 실제 염색체 데이터에 피팅한 결과, 실험적으로 측정된 K_q 곡선과 거의 일치함을 보였다. 특히 q≈1 부근에서 관측된 급격한 변화는 두 집합의 스펙트럼이 교차하는 지점과 일치한다는 점에서 모델의 타당성을 뒷받침한다.

이 연구는 게놈 서열을 단순한 통계적 문자열이 아니라, 복합적인 다중프랙탈 구조를 가진 정보 시스템으로 바라볼 수 있음을 시사한다. 또한 Rényi 엔트로피와 열역학적 형식주의를 결합함으로써, 코딩·비코딩 구분뿐 아니라 진화적 압력, 기능적 제약 등을 정량화하는 새로운 도구를 제공한다. 향후 다른 종의 게놈, 혹은 질병 관련 변이 영역에 적용하면, 기능적 중요도와 구조적 복잡성을 보다 정밀하게 구분할 수 있을 것으로 기대된다.