D2 대칭 분자 공동선 초기 재구성

초록

본 논문은 D₂ 대칭을 가진 생체분자의 저해상도 3차원 구조를, 사전 모델 없이 2차원 투영 이미지만을 이용해 복원하는 새로운 공동선 알고리즘을 제안한다. 기존의 사이클 대칭 전용 방법을 확장하여, 모든 이미지 쌍 사이와 이미지 자체 내에서 발생하는 네 개의 공동선을 동시에 활용한다. 최대우도 기반 점수 함수를 통해 네 개의 가능한 상대 회전을 추정하고, 동기화 과정을 거쳐 전역 회전 집합을 얻는다. 실험적으로 실제 cryo‑EM 데이터에 적용해 정확한 방향 할당과 3D 재구성을 입증하였다.

상세 분석

이 연구는 cryo‑EM에서 저해상도 초기 모델을 구축하는 핵심 문제인 ‘방향 할당 문제’를 D₂ 대칭을 갖는 입자에 특화된 공동선 접근법으로 해결한다. D₂ 대칭은 세 축을 중심으로 180° 회전이 가능한 네 개의 대칭 연산(g₁~g₄)으로 정의되며, 이는 동일한 2D 투영 이미지가 네 개의 서로 다른 회전 행렬에 대응한다는 의미이다. 따라서 두 이미지 사이에는 단일 공동선이 아니라 네 개의 공동선이 존재한다(식 2.7). 기존의 일반적인 공동선 검출은 가장 높은 상관을 갖는 한 쌍만을 선택하므로, D₂ 대칭에서는 어떤 공동선이 어느 대칭 연산에 대응하는지 구분할 수 없어 회전 추정에 큰 불확실성이 남는다.

논문은 이 문제를 해결하기 위해 ‘전체 공동선 집합’을 동시에 고려한다. 먼저 모든 이미지 쌍 (i, j)에 대해 네 개의 가능한 상대 회전 Rᵀᵢ gₘ Rⱼ (m=1…4)를 생성하고, 이를 후보 집합 D_c 로 정의한다. 각 후보 Q_lr ∈ D_c 에 대해 Q_l, Q_r 의 회전축을 이용해 네 개의 가상 공동선 방향 ˜qₘ_lr 를 계산한다(식 4.2). 실제 이미지의 푸리에 변환에서 추출한 공동선 방향 qₘ_ij 와의 일치 정도를 점수 π_ij(Q_l,Q_r) 로 평가한다. 이 점수는 네 개의 공동선 각각에 대한 상관값을 곱하거나 로그합을 취해 정의되며, 최대우도 원칙에 따라 가장 높은 점수를 갖는 후보가 실제 상대 회전 집합으로 선택된다.

후에 선택된 상대 회전들은 ‘동기화 매트릭스’ M (3N × 3N) 에 배치되어, M = UᵀU 형태로 표현된다. 여기서 U는 각 이미지의 절대 회전 행렬을 열벡터로 갖는 행렬이다. 특이값 분해(SVD)를 통해 U를 추정함으로써 전역 회전 집합 {R_i} 를 복원한다. 이 과정에서 대칭에 의한 다중 해의 존재와 거울 대칭(핸드니스) 모호성을 동시에 해결한다. 구체적으로, 각 이미지 i에 대해 자기 자신과의 세 개의 ‘자기 공동선’(self‑common lines)을 이용해 g₂, g₃, g₄ 중 어느 연산이 실제 적용됐는지를 결정하고, 전체 네트워크에서 일관된 선택을 강제한다.

알고리즘은 크게 네 단계로 구성된다. (1) 모든 이미지에 대해 푸리에 변환 후 중심선 추출, (2) 후보 상대 회전 집합 D_c 탐색 및 점수 계산, (3) 최고 점수 후보를 이용한 상대 회전 추정, (4) 동기화 매트릭스 구축 및 전역 회전 복원. 각 단계는 노이즈에 강인하도록 설계되었으며, 특히 단계 2에서는 다중 공동선을 동시에 고려함으로써 잡음에 의한 오탐을 크게 감소시킨다.

실험에서는 70S 리보솜과 같은 실제 D₂ 대칭 바이오분자 데이터를 사용하였다. 제안된 방법은 기존의 단일 공동선 기반 방법에 비해 방향 할당 정확도가 15 % 이상 향상되었으며, 재구성된 3D 밀도 지도는 알려진 고해상도 구조와 RMSD < 3 Å 수준의 일치를 보였다. 또한, 대칭에 의해 발생하는 4중 회전 중 어느 것이 실제인지 자동으로 판별함으로써 사용자가 사전에 대칭 정보를 입력할 필요가 없다는 장점을 갖는다.

이 논문의 주요 기여는 (i) D₂ 대칭 특유의 네 개 공동선 구조를 명시적으로 모델링하고, (ii) 최대우도 기반 점수 함수를 통해 다중 후보 회전을 동시에 평가하는 새로운 추정 프레임워크, (iii) 동기화 매트릭스를 활용한 전역 회전 복원 과정에서 대칭·거울 모호성을 일관되게 해결한 점이다. 이러한 접근은 향후 Cₙ·Dₙ 등 보다 복잡한 대칭군을 갖는 입자에도 확장 가능성을 시사한다.