유전체 구간 검색을 위한 고성능 증강 범위 트리

초록

이 논문은 Allen의 구간 대수에 정의된 13가지 관계를 모두 지원하는 효율적인 구간 검색 방법을 제안한다. 기존 인터벌 트리는 일부 관계만 빠르게 처리하지만, 저자들은 구간 관계를 2차원 범위 질의로 변환하고, 기본 2차원 범위 트리(2D‑RT)와 분수 연쇄(Fractional Cascading)를 적용한 증강 범위 트리(RTFC)를 구현한다. 이론적 복잡도 분석과 개인 유전체 대규모 데이터에 대한 실험 결과, RTFC가 모든 Allen 관계에 대해 가장 빠른 응답 시간을 보이며, 2D‑RT도 인터벌 트리보다 전반적으로 우수함을 확인한다.

상세 분석

본 연구는 유전체 변이 해석에서 필수적인 대규모 구간 주석 검색을 고도화하기 위해 Allen의 구간 대수(13가지 관계)를 완전하게 지원하는 자료구조를 설계하였다. 기존 인터벌 트리(Interval Tree, IT)는 구간이 겹치는지, 포함되는지 등 제한된 관계만을 O(log n + k) 시간에 처리할 수 있다. 그러나 정밀 의학에서는 “구간이 완전히 앞에 있다”, “구간이 뒤에 겹친다” 등 세밀한 관계 구분이 필요하며, 이를 위해서는 질의 연산을 보다 일반화된 형태로 변환해야 한다. 저자들은 Allen 관계를 수학적으로 재정의하여 각 관계를 두 구간의 시작점과 끝점 좌표에 대한 부등식 집합으로 표현하고, 이를 2차원 평면상의 사각형 범위 질의로 매핑하였다. 이렇게 변환된 문제는 2차원 범위 트리(2D‑RT)로 해결할 수 있다. 2D‑RT는 기본적으로 1차원 정렬된 포인터 트리를 두 단계로 중첩시켜 O(log² n + k) 시간 복잡도를 갖는다. 그러나 로그 제곱은 대규모 데이터에서 병목이 될 수 있다. 이를 극복하기 위해 저자들은 분수 연쇄(Fractional Cascading) 기법을 적용한 증강 범위 트리(RTFC)를 설계하였다. 분수 연쇄는 상위 노드에서 검색한 결과를 하위 노드에 효율적으로 전달함으로써 검색 단계마다 로그 비용을 하나로 줄여 O(log n + k) 시간으로 개선한다. 이론적으로 RTFC는 IT와 동일한 최악 시간 복잡도를 유지하면서, 모든 13가지 Allen 관계를 동일한 복잡도로 처리할 수 있다. 구현 측면에서는 각 구간을 (시작, 끝) 좌표 쌍으로 저장하고, 2D‑RT와 RTFC 모두 균형 이진 트리 구조를 사용해 메모리 사용량을 O(n log n)으로 제한하였다. 실험에서는 1000명 이상의 개인 유전체에서 비코딩 요소(예: enhancer, promoter) 주석을 10⁷개 규모로 구축하고, 각 관계별 질의 시간을 측정하였다. 결과는 RTFC가 평균 3045% 정도 IT보다 빠르고, 2D‑RT보다도 1525% 빠른 성능을 보였으며, 특히 “전후 관계”와 같은 복잡한 질의에서 그 차이가 두드러졌다. 따라서 RTFC는 대규모 유전체 데이터베이스에서 정밀한 구간 관계 검색을 필요로 하는 애플리케이션에 최적의 선택이 될 수 있다.