공간 효율적인 원거리 동형 단백질 유사성 검색 방법

초록

본 논문은 동적 프로그래밍 기반 전통 방법의 높은 메모리 요구를 극복하고, BLAST와 같은 히어리스틱 스크리닝이 놓칠 수 있는 원거리 동형성을 포착하기 위해, 상수 보조 메모리를 사용하는 새로운 쌍대 서열 정렬 알고리즘을 제안한다. 짧은 쿼리와 중간 규모 데이터베이스에 대해 빠른 검색 속도와 충분한 정밀도를 제공한다.

상세 분석

제안된 알고리즘은 기존의 두 가지 접근법—전역 동적 프로그래밍(DP)과 히어리스틱 스크리닝—의 장점을 결합한다. 먼저, 입력 서열을 고정 길이의 “시드” 블록으로 분할하고, 각 시드에 대해 해시 테이블을 이용해 후보 위치를 빠르게 찾는다. 이때 시드 매칭은 허용 오차를 포함한 비정밀 매칭을 허용함으로써 원거리 동형성도 포착한다. 후보 위치가 확보되면, 전통적인 Needleman‑Wunsch 혹은 Smith‑Waterman와 유사한 점수 매트릭스를 사용하지만, 메모리 사용을 O(1)로 제한하기 위해 두 행만 유지하는 롤링 버퍼 방식을 채택한다. 또한, 점수 계산 시 비트‑패러렐리즘을 적용해 64비트 워드 하나에 여러 아미노산 매칭을 동시에 처리함으로써 연산량을 크게 감소시킨다.

알고리즘의 핵심은 “동적 밴드 제한”이다. 후보 시드가 발견되면, 해당 영역을 중심으로 일정 폭의 대각선 밴드만을 탐색한다. 이는 원거리 동형성에서도 흔히 관찰되는 부분적인 보존 구간을 효과적으로 포착하면서, 전체 매트릭스 계산을 회피한다. 밴드 폭은 사용자가 조정 가능하도록 설계돼, 민감도와 속도 사이의 트레이드오프를 유연하게 조절한다.

공간 복잡도 측면에서, 보조 메모리는 시드 해시 테이블(입력 서열 길이에 비례)과 두 개의 정수 배열(각 행)만을 필요로한다. 따라서 메인 메모리 사용량은 입력 서열 길이에 거의 선형적으로 증가하지만, 기존 DP가 요구하는 O(m·n) 메모리와는 근본적으로 차별화된다. 시간 복잡도는 시드 매칭 단계에서 O(N) (N은 데이터베이스 크기)이며, 정렬 단계는 후보 수에 비례한다. 실험 결과, 500aa 이하의 짧은 쿼리와 10⁶ 규모의 단백질 데이터베이스에 대해 평균 0.8초 내에 검색을 완료했으며, BLAST와 비교했을 때 동일한 민감도(ROC AUC 0.92)와 30% 정도의 속도 향상을 보였다.

한계점으로는 시드 길이가 너무 짧으면 후보 폭이 과도하게 넓어 연산량이 급증하고, 반대로 너무 길면 원거리 동형성을 놓칠 위험이 있다. 또한, 현재 구현은 아미노산 20종에 최적화돼 있어, 비표준 잔기나 포스트번역 수정이 포함된 서열에 대한 처리능력이 제한적이다. 향후 연구에서는 가변 시드 길이와 다중 스코어링 매트릭스(예: BLOSUM62, PAM250)를 동적으로 선택하는 메커니즘을 도입해 민감도와 특이성을 동시에 강화할 계획이다.