파이썬 Mesa 기반 종양 에이전트 모델 개발과 네트워크 분석

초록

본 논문은 기존 NetLogo 종양 모델의 성능·확장성 한계를 극복하고자, 파이썬 Mesa 프레임워크를 이용해 에이전트 기반 종양 성장·혈관신생 모델을 구현한다. 무작위·Erdős‑Rényi 그래프를 네트워크 토폴로지로 채택하고, 각 세포를 Boolean 유전망을 가진 에이전트로 설계한다. 파라미터 스위치(혈관신생, 회복, 휴면)와 다중 스케줄러·데이터콜렉터를 활용해 대규모 시뮬레이션 데이터를 자동 수집하고, 브라우저 시각화와 HPC 클러스터 분산 실행을 지원한다.

상세 분석

이 연구는 시스템생물학에서 에이전트 기반 모델(ABM)의 필요성을 강조하면서, 기존 미분방정식 기반 ‘lumped’ 모델이 세포 간 상호작용·미세환경을 충분히 포착하지 못한다는 점을 지적한다. 저자는 NetLogo 구현 시 메모리·CPU 제한으로 20만 개 이상의 세포(에이전트)를 다루기 어려웠던 문제를, 파이썬 Mesa 의 모듈식 설계와 웹 기반 시각화, 그리고 데이터콜렉터를 통한 실시간 로그 수집으로 해결한다. 특히, 스케줄러와 멀티스레드·멀티코어 지원을 통해 에이전트 활성화를 효율적으로 관리하고, HPC 클러스터와 연동해 파라미터 스위프를 병렬 실행함으로써 실험 반복에 필요한 시간을 크게 단축한다. 네트워크 토폴로지는 Barabási‑Albert 스케일프리 모델 대신 Erdős‑Rényi 무작위 그래프를 선택했으며, 이는 세포 간 연결이 시간에 따라 동적으로 변하는 종양 미세환경을 단순화해 구현한다는 장점이 있다. 그러나 무작위 그래프는 실제 종양 조직의 계층적·공간적 구조를 충분히 반영하지 못한다는 한계가 있다. 파라미터 표에서는 혈관신생·회복·휴면을 각각 Low/Medium/High 수준으로 정의했지만, 구체적인 확률값이나 전이 메커니즘이 명시되지 않아 재현성이 떨어진다. 또한, 모델 검증을 위한 실험 데이터와의 비교가 전혀 제시되지 않아, 시뮬레이션 결과가 생물학적 현실과 얼마나 일치하는지 판단하기 어렵다. 코드 공개 여부와 재현 가능성을 위한 GitHub 링크가 없으며, Mesa 의 기본 기능을 활용한 수준이라 혁신성은 제한적이다. 전반적으로 파이썬 Mesa 를 활용한 구현은 기술적 장점을 보여주지만, 모델 설계의 생물학적 근거와 검증 절차가 부족해 학술적 기여도가 낮다.