단백질 진화 모델링 생성적 추론과 집단유전학 통합

초록

본 연구는 대규모 단백질 서열 정렬에서 추출한 생성 모델을 이용해 비평형 진화 동역학을 모사하는 세 가지 시뮬레이션 방식을 비교한다. 독립 마코프 체인, 계통수 위의 마코프 체인, 그리고 집단유전학 기반 동역학을 실제 in vitro 진화 실험 데이터와 대조한 결과, 집단유전학 모델이 계통 구조와 선택 스윕을 가장 현실적으로 재현한다는 점을 확인하였다.

상세 분석

이 논문은 생성적 확률 모델을 이용해 단백질 적합도 지형을 정량화하고, 이를 기반으로 진화 시뮬레이션을 수행하는 방법론적 차이를 체계적으로 검증한다. 첫 번째 방식인 독립 마코프 체인(MCMC)은 각 서열을 서로 독립적으로 샘플링하므로, 실제 집단 내 상호작용이나 계통적 연관성을 반영하지 못한다. 결과적으로 시뮬레이션된 서열들은 점진적인 변이 누적을 보이며, 실험 데이터에서 관찰되는 급격한 선택 스윕이나 클론 간 계통적 거리와 크게 차이 난다. 두 번째 방식인 계통수 기반 MCMC는 실제 데이터에서 추정된 계통수를 이용해 각 노드에서 마코프 체인을 진행한다. 이 접근법은 시간적 순서를 고려해 변이 발생 시점을 조절함으로써, 진화 경로의 역사적 정확성을 어느 정도 회복한다. 그러나 여전히 각 분기점에서 무한히 큰 집단을 가정하므로, 유전적 부동(drift)이나 제한된 개체수에 의한 선택 압력은 반영되지 않는다. 세 번째 방식인 집단유전학 시뮬레이션은 유한 개체수, 복제, 돌연변이, 선택을 동시에 모델링한다. 이 모델은 적합도에 따라 복제 비율이 달라지는 자연 선택을 구현하고, 변이 발생 확률을 실제 실험 조건에 맞춰 조정한다. 결과적으로 시뮬레이션된 서열 집합은 실험 데이터와 유사한 계통 구조, 변이 빈도 분포, 그리고 선택 스윕 패턴을 보여준다. 다만, 장기적으로는 생성 모델이 정의한 정규화된 확률 분포와는 차이가 발생한다는 점을 저자들은 인정한다. 즉, 집단유전학 접근법은 실제 진화 역학을 잘 재현하지만, 이론적인 생성 모델의 정규화된 샘플링 목표와는 일치하지 않을 수 있다. 이러한 트레이드오프는 “정확한 동역학 재현 vs. 정규화된 확률 분포 샘플링”이라는 근본적인 딜레마를 드러낸다. 논문은 또한, 계통적 상관관계와 유한 집단 효과가 적합도 지형 위에서의 진화 경로를 크게 좌우한다는 점을 강조한다. 따라서 향후 모델링에서는 생성 모델의 정밀도와 집단유전학적 동역학을 통합하는 하이브리드 프레임워크가 필요할 것으로 보인다.