Optimal control applied to viral competition

바이러스는 정적인 적이 아니라, 끊임없이 형태를 바꾸는 존재입니다. 하나의 감염된 숙주 내부에서 바이러스는 단순히 복제만 하는 것이 아니라, 돌연변이를 일으켜 미세하게 다른 버전들, 즉 계통(lineages)을 만들어내며 동일한 생물학적 자원을 두고 경쟁합니다. 이 경쟁은 자연의 근본적인 법칙인 '경쟁 배제의 원리'를 따르는데, 이는 동일한 제한된 자원을 두고 싸우는 두 종은 영원히 공존할 수 없음을 규정합니다. 결국 한 종이 다른 종을 압도하여, 그 약한 경쟁자를 숙주 내에서 멸종시키게 됩니다. 인류의 건강 측면에서 이러한 생물학적 투쟁은 흔히 돌연변이에게 유리하게 작용합니다. 더 공격적이거나 생존에 더 잘 적응한 새로운 변이들이 빈번하게 등장하는 반면, 원래의 균주를 겨냥해 설계된 기존의 치료법과 약물들은 이러한 새로운 형태들에 대해 효과가 떨어지게 됩니다. 이러한 역동성은 가장 위험한 버전의 바이러스가 지배적인 존재가 됨에 따라, 관리 가능한 감염을 공중보건 위기로 변화시킵니다.

연구자 하비에르 로페즈-페드라레스(Javier López-Pedrares), 크리스티아나 J. 실바(Cristiana J. Silva), M. 엘레나 바스케스-센돈(M. Elena Vázquez-Cendón), 그리고 알베르토 P. 무뉴즈리(Alberto P. Muñuzuri)는 수학적 모델링의 관점을 통해 이 문제를 탐구하며, 다음과 같은 결정적인 질문을 던졌습니다. "우리가 이 생물학적 경쟁에 개입하여 저울의 추를 우리에게 유리한 쪽으로 기울일 수 있는가?" 이들은 감염을 경쟁하는 개체군들의 체계로 취급하여, '최적 제어 이론(optimal control theory)'이라 불리는 수학의 한 분야를 적용했습니다. 이 접근 방식은 단 하나의 '만능' 용량을 찾는 것이 아니라, 시간에 따라 치료를 투여하는 가장 효과적인 전략을 계산하는 데 목적이 있습니다. 목표는 위험한 돌연변이 계통의 확산을 최소화하는 동시에 치료 비용을 최대한 낮게 유지함으로써, 수학을 사용하여 바이러스가 숙주에게 덜 해로운 방식으로 행동하도록 강제하는 치료 일정을 설계하는 것입니다.

문제를 이해하기 위해 연구팀은 먼저 숙주 내부의 바이러스 개체군을 단순화한 디지털 모델을 구축했습니다. 그들은 두 개의 뚜렷한 집단을 가정했습니다: 원래의 균주와 돌연 변이 변이체입니다. 시뮬레이션에서 돌연변이는 자원을 두고 원래의 균주를 압도할 수 있는 특성을 가진, 더 공격적인 존재로 프로그래밍되었습니다. 아무런 개입이 없을 때, 모델은 생물학적 이론이 예측하는 대로 작동했습니다: 원래의 균주는 사라지고, 돌연변이가 점령하여 높은 개체군 밀도에 도달했습니다. 이 결과는 더 강력한 변이가 기존의 것을 대체하여 숙주를 더 심각한 감염에 취약하게 만드는 실제 사례를 반영합니다. 연구진은 자유로운 경쟁 상태에서는 가장 적합하고 공격적인 균주가 항상 승리한다는 것을 확인했습니다.

연구진은 그다음 항바이러스제와 같은 의료적 처치를 나타내는 변수를 방정식에 도입했습니다. 그들은 약물이 보통 새로운 돌연변이보다 원래의 균주에 더 효과적이라는 중요한 현실을 고려했습니다. 모델 내에서 약물은 두 바이러스 집단의 성장을 억제하는 압력으로 작용했지만, 돌연변이보다 원래의 균주에 더 강력하게 작용했습니다. 연구팀은 이 치료를 적용하는 특정한 방법을 찾아내어 자연적인 결과를 역전시킬 수 있는지 자문했습니다. 그들은 단순히 바이러스를 늦추는 것이 아니라, 경쟁의 승자를 실제로 바꿀 수 있는 전략, 즉 덜 공격적인 원래의 균주가 생존할 수 있도록 하면서 위험한 돌연변이를 억제하는 전략을 추구했습니다.

고급 계산 도구를 사용하여 연구팀은 치료가 일정하고 꾸준한 용량으로 적용되는 시나리오를 테스트했습니다. 그들은 특정 매개변수 세트에서, 만약 용량이 충분히 높고 약물이 원래의 균주에 충분히 효과적이라면, 역학 관계를 뒤집는 것이 가능하다는 것을 발견했습니다. 이러한 특정 시뮬레이션에서, 약물의 지속적인 압력은 돌연변이가 점령하는 것을 방지했습니다. 대신, 시스템은 원래의 덜 공격적인 균주가 지배적인 상태로 남고 돌연변이는 매우 낮은 수준으로 유지되는 상태로 안착했습니다. 이는 의료적 개입이 특정 안정성 조건이 충족된다면, 체계 내의 진화적 궤적을 이론적으로 변화시켜 경쟁이 덜 위험한 변이에게 유리하도록 강제할 수 있음을 보여주었다는 점에서 중요한 발견이었습니다.

그러나 일정한 용량이 항상 가장 효율적이거나 실용적인 해결책은 아닙니다. 연구진은 더 정교한 접근 방식인 '최적 제어(optimal control)'로 넘어갔습니다. 이 방법은 가능한 최선의 결과를 얻으면서 약물 사용량을 최소화하기 위해 시간에 따라 조정되는 가변적인 치료 일정을 계산합니다. 목표는 전체 감염 기간 동안 돌연변이 개체군을 0에 가깝게 유지하면서 사용되는 약물의 총량을 최소화하는 것입니다. 시뮬레이션 결과, 이러한 동적인 접근 방식은 매우 효과적이었습니다. 치료를 세밀하게 조절함으로써, 시스템은 돌연변이 균주가 중요한 거점을 확보하기 전에 임계치 미만으로 억제할 수 있었습니다. 모델은 원래의 균주를 지배적인 개체군으로 유지하는 치료 경로를 성공적으로 식별해 냈습니다. 그러나 연구진은 최적 제어 방식이 돌연변이를 완전히 박멸하는 것은 아니며, 오히려 약물 투여를 위한 가장 비용 효율적인 전략과 예상되는 시간적 분포를 식별하는 것이라고 언급했습니다.

연구는 또한 치료가 중단될 때 어떤 일이 발생하는지도 탐구했습니다. 시뮬레이션에서 약물이 제거되자마, 돌연변이 균주는 다시 기하급급수적으로 성장하기 시작하여 빠르게 지배적인 상태로 돌아갔습니다. 이는 핵심적인 한계이자 중요한 통찰을 시사합니다: 제어 전략은 개입이 유지되는 동안에만 유효하다는 것입니다. 치료는 돌연변이의 경쟁 능력을 영구적으로 박멸하는 것이 아니라, 원래의 균주가 생존할 수 있는 일시적인 환경을 조성하는 것입니다. 이는 바이러스의 진화를 관리하는 것이 일회성 해결책이 아니라 지속적인 유지 과정임을 시사합니다. 연구진은 모든 시나리오에서 돌연 de 변이를 완전히 제거할 수는 없었지만, 이를 통제하기 위한 가장 비용 효율적인 전략을 찾아내어 그 해로운 영향을 지연시킬 수 있음을 발견했습니다.

궁극적으로, 이 연구는 수학적 모델이 단순히 질병의 확산을 예측하는 것을 넘어, 바이러스의 내부 경쟁을 조작하는 전략을 설계하는 데 도움을 줄 수 있음을 보여줍니다. 번식률이나 경쟁 우위와 같이 바이러스 진화를 주도하는 구체적인 매개변수를 이해함으로써, 과학자들은 이론적으로 덜 위험한 바이러스 계통의 생존을 선호하는 치료 프로토콜을 설계할 수 있습니다. 논문은 치료를 나타내는 제어 변수를 도입하는 것이 바이러스 경쟁의 메커니즘을 근본적으로 변화시킨다고 결론짓습니다. 이는 적절한 전략이 있다면, 감염된 숙주 내부의 권력 균형을 기울여 생존하는 바이러스가 최소한의 해를 끼치는 것이 되도록 보장할 수 있다는 개념 증명을 제공합니다. 이 접근 방식은 새로운 변이를 관리하는 방식에 대한 새로운 틀을 제공하며, 미래의 바이러스 통제가 단순히 더 강한 약물이 아니라, 약물을 사용하는 더 똑똑하고 정밀한 방법에 달려 있을 수 있음을 시사합니다.