Smoothly Time-Varying Continuous Time Markov Chains in Phylogenetics
이 논문은 분자 서열 데이터로부터 시변 진화율을 유연하고 정확하게 재구성하기 위해 불균질 연속 시간 마르코프 체인과 큐빅 B-스플라인을 활용하는 새로운 "스플라인 클락(spline clock)" 모델을 소개하며, 이는 시뮬레이션과 거품 바이러스 및 SARS-CoV-2를 포함한 실제 응용 사례 모두에서 기존 방법들보다 뛰어난 성능을 보여준다.
원저자:Pratyusa Datta, Philippe Lemey, Marc A. Suchard
당신이 오래된 사진첩 대신 그들의 DNA를 보고 한 가족의 역사를 재구성하려 한다고 상상해 보십시오. 과학자들은 이러한 DNA 서열을 사용하여 서로 다른 종이나 바이러스가 어떻게 연관되어 있는지를 보여주는 "가계도"(계통수라고 불림)를 구축합니다. 이 나무가 언제 일이 일어났는지에 대해 이야기하게 하려면, 과학자들은 DNA가 시간이 흐름에 따라 얼마나 빨리 변하는지 알아야 합니다. 이 변화 속도를 "분자 시계(molecular clock)"라고 부릅니다.
오랫동안 과학자들은 이 시계가 할아버지의 괘종시계처럼 일정하고 변하지 않는 속도로 째깍거린다고 가정했습니다. 나중에 그들은 시계가 때때로 빨라지거나 느려진다는 사실을 깨달았지만, 여전히 이 시계를 특정 시간마다 "느림"에서 "빠름"으로 전환되는 것처럼 큰 폭의 갑작스러운 도약으로 변화하는 시계로 취급했습니다.
문제점: "도약하는" 시계 이 논문의 저자들은 자연이 그렇게 경직되어 있지 않다고 주장합니다. 진화율은 흔히 특정 시점에 즉각적으로 "느림"에서 "빠름"으로 바뀌는 것이 아니라, 자동차가 가속하거나 브레이크를 밟는 것처럼 매끄럽고 점진적으로 변합니다. 기존의 방법들은 이러한 변화를 모델링하려고 시도할 때, 실제 신호와 인위적인 노이즈를 뒤섞어 버려 실제와는 거리가 먼 "도약하는" 혹은 "울퉁불퉁한" 추정치를 만들어내곤 했습니다.
해결책: "스플라인 시계(Spline Clock)" 연구팀은 스플라인 시계 모델이라는 새로운 도구를 소개합니다. 작동 방식은 다음과 같습니다.
매끄러운 곡선: 당신이 롤러코스터의 경로를 그리려고 한다고 상상해 보십시오. 과거의 방식은 점들을 직선으로 연결하여 들쭉날쭉하고 울퉁불퉁한 승차감을 만드는 것이었습니다. 스플라인 시계는 유연한 자( "큐빅 B-스플라인"이라 불림)를 사용하여 데이터에 딱 맞는 완벽하게 매끄럽고 흐르는 듯한 곡선을 그립니다. 이를 통해 진화 속도가 시간에 따라 자연스럽고 점진적으로 변할 수 있게 합니다.
수학적 마법 (가우스-르장드르 구적법): 이 매끄러운 곡선을 따라 DNA가 이동한 "거리"를 계산하려면 복잡한 수학(적분)을 수행해야 합니다. 보통은 물결 모양의 선 아래 면적을 측정하기 위해 아주 작은 사각형들을 세는 것과 같아서, 속도가 느리고 부정확할 수 있습니다. 저자들은 **가우스-르장드르 구적법(Gauss-Legendre quadrature)**이라는 영리한 지름길을 사용합니다. 이것은 매우 적은 단계만으로도 완벽한 답을 얻기 위해 정확히 어디에 측정 지점을 놓아야 하는지 알고 있는 초정밀 자와 같습니다. 덕분에 계산은 빠르고 정확해집니다.
안전망 (가우시안 마르코프 무작위장): 이 모델은 매우 유연하기 때문에, 잠재적으로 지나치게 "창의적"이 되어 데이터에서 가짜 패턴을 만들어낼(과적합) 위험이 있습니다. 이를 방지하기 위해 저자들은 "안전망"(통계적 사전 확률)을 추가했습니다. 이것은 마치 예술가의 어깨 위에 놓인 부드러운 손처럼, 데이터가 강력하게 요구하지 않는 한 곡선이 요동치지 않고 매끄러움을 유지하도록 유도합니다.
그들이 발견한 것 연구팀은 두 가지 방식으로 이 새로운 시계를 테스트했습니다.
시뮬레이션 테스트: 그들은 진화 속도가 특정 방식으로 매끄럽게 변하는 것을 알고 있는 가짜 DNA 데이터를 만들었습니다. 새로운 모델을 실행했을 때, 모델은 진실과 거의 완벽하게 일치하는 매끄러운 선을 그리며 실제 속도를 찾아냈습니다. 기존 모델들은 추세를 놓치거나 들쭉날쭉하고 부정확한 선을 그렸습니다.
실제 사례:
포미 바이러스(Foamy Virus): 그들은 1억 년 이상 진화해 온 바이러스를 조사했습니다. 스플라인 시계는 깊은 시간 동안 이 바이러스의 변화 속도가 어떻게 격렬하게 변동했는지를 보여주었습니다. 즉, 속도가 엄청나게 빨라지기도 하고 느려지기도 했다는 것입니다. 또한, 이 바이러스가 최근에 훨씬 더 빠르게 진화하고 있으며, 이는 수백만 년 전과는 다르다는 것을 보여주었습니다. 또한 그 패턴은 기존 이론들이 주장했던 단순한 직선형 감소가 아니었습니다.
유럽 내 SARS-CoV-2: 그들은 2020년 동안 유럽 10개국에서 확산된 코로나바이러스를 추적했습니다. 이 모델은 바이러스의 이동 속도를 측정하는 속도계 역할을 했습니다. 모델은 엄격한 봉쇄 조치 기간 동안 바이러스의 속도가 거의 제로에 가깝게 떨어졌음을 명확히 보여주었습니다. 또한 봄에 규제가 완화되면서 속도가 붙고, 여름에 정점을 찍었다가, 다시 두 번째 파동이 닥치고 새로운 조치가 시행되면서 속도가 느려지는 과정을 완벽하게 보여주었습니다. 모델은 실제 공중보건 사건들을 그대로 반영했습니다.
핵심 요약 스플라인 시계 모델은 진화가 얼마나 빨리 일어나는지 측정하는 새롭고 유연한 방법입니다. 자연을 경직된 틀이나 들쭉날쭉한 단계에 강제로 끼워 맞추는 대신, 이 모델은 자연계에서 실제로 발생하는 속도의 매끄럽고 흐르는 듯한 변화를 포착할 수 있게 해줍니다. 이를 통해 연구자들은 진화의 역사와 질병이 시간에 따라 어떻게 퍼지는지에 대해 더 명확하고 정확한 그림을 얻을 수 있습니다.
기술 요약: 계통 발생학에서의 매끄럽게 변화하는 시변 연속 시간 마르코프 체인
문제 정의 분자 서열 데이터로부터 진화적 역사를 재구성하는 것은 진화 생물학 및 감염병 연구의 핵심이다. 표준 계통 발생 추론은 분자 시계 모델에 의해 재조정된 균질 연속 시간 마르코프 체인(CTMC)에 의존한다. 완화된 시계 모델(relaxed clock models)은 가지(branch)를 따라 진화율이 변하는 것을 허용하지만, 체계적이고 시간 의존적인 속도 변화를 포착하는 데는 종종 실패한다. 급격히 진화하는 바이러스(예: foamy virus, SARS-CoV-2)에 대한 실증 연구는 진화율 추정치가 샘플링 시점에 매우 민다는 현상, 즉 '시간 의존적 속도 현상(time-dependent rate phenomenon)'을 보여주었다. 이를 모델링하려는 이전의 시도들, 예를 들어 "폴리에포크 시계(polyepoch clock)"(Datta et al., 2025)는 구간별로 일정한(piecewise constant) 속도 함수를 활용한다. 이는 계산적으로는 다루기 쉽지만, 에포크 경계에서 인위적인 불연속성을 유발하여, 특히 텍슨 샘플링이 밀집된 영역에서 속도 추정치의 가짜 국소적 진동과 더 넓은 신뢰 구간을 초래한다. 따라서 시간 변화하는 속도를 수용하면서도 시간 영역 전체에 걸쳐 매끄러움과 연속성을 강제할 수 있는 모델이 필요하다.
방법론 저자들은 유연한 비매개변수적 속도 매개변수화를 결 ด้วย 결합한 **스플라인 시계 모델(spline clock model)**을 제안한다. 이는 불균질 연속 시간 마르코프 체인(ICTMC)을 통합한 것이다.
ICTMC 프레임워크: 서열 치환 과정은 계통수의 가지를 따라 작용하는 ICTMC로 모델링된다. 저자들은 시간 변화하는 속도 함수 f(t)가 미분 생성 행렬 Q의 모든 요소를 동일하게 스케일링한다고 가정하며, 즉 Q(t)=f(t)Q이다. 이 가정하에, 한 가지에 대한 전이 확률 행렬 P(t0,t)는 속도 함수의 적분에 대한 함수로 축약된다: P(t0,t)=exp(∫t0tf(τ)dτ⋅Q).
스플라인 매개변수화: 매끄러움을 보장하기 위해, 로그 변환된 속도는 3차 B-스플라인 기저 확장(cubic B-spline basis expansion)으로 모델링된다: g(t)=β0+∑βiBi,d(t), 여기서 d=3이다. 속도 함수는 f(t)=exp(g(t))로 정의된다. 이 선택은 속도가 양수임을 보장하며, 제곱 연결 함수(squared link functions)와 관련된 식별성 문제를 피할 수 있는 로그-선형 해석을 가능하게 한다.
수치 적분: 라이클리후드 평가에 필요한 exp(g(t))의 적분은 폐쇄형 해(closed-form solution)를 갖지 않는다. 저자들은 이를 효율적으로 근사하기 위해 가우스-레전드(Gauss-Legendre, GL) 구적법을 사용한다. B-스플라인의 구간별 다항식 특성을 활용하여, GL 규칙을 가지와 겹치는 각 매듭(knot) 구간에 국소적으로 적용한다. 이 접근 방식은 반복적인 수렴 문제를 피하면서 결정론적이고 고정된 계산 비용으로 높은 정확도를 제공한다.
베이지안 추론: 이 모델은 베이지안 프레임워크를 채택한다. 거칠기(roughness)를 억제하고 과적합을 방지하기 위해 스플라인 계수에 가우시안 마르코프 랜덤 필드(GMRF) 사전 분포를 배치한다. 구체적으로, 정밀도 매개변수 τ를 사용하는 1차 랜덤 워크 사전 분포가 사용된다. 사후 분포의 적절성(posterior propriety)을 보장하기 위해(계수가 무한대로 갈 때 라이클리후드가 0으로 감소하지 않으므로), 저자들은 수정된 정밀도 행렬(D−ρA, ρ=0.99)을 사용하는 적절한 GMRF 사전 분포를 활용한다. 스무딩 정밀도를 포함한 하이퍼파라미터는 데이터로부터 추정된다. 추론은 Metropolis-within-Gibbs MCMC 방식으로 수행된다.
주요 기여
새로운 모델 아키텍처: 구간별 상수 가정을 연속 미분 가능한 3차 B-스플라인 기저로 대체한 스플라인 시계 모델을 도입하였다.
계산 효율성: ICTMC 전이 확률에 필요한 속도 함수의 수치 적분을 효율적이고 정확하게 수행함으로써, 완전한 비매개변수적 프레임워크의 계산적 제약을 우회하는 구간별 가우스-레전드 구적법 전략을 개발하였다.
규제화 전략: 임의의 매듭 제약 없이 데이터 기반 정밀도 매개변수에 의해 제어되는 매끄러움과 유연성 사이의 균형을 맞추는 적절한 GMRF 사전 분포를 구현하였다.
결과
시뮬레이션 연구: 모델은 알려진 시변 속도 궤적(로그-선형 증가 후 급격한 감소)을 가진 시뮬레이션 데이터로 테스트되었다.
스플라인 시계 모델은 상관관계가 없는 완화된 시계(UCLD) 및 폴리에포크 시계(PCM)에 비해 높은 정확도와 더 좁은 신뢰 구간으로 실제 속도 궤적을 복구하였다.
UCLD 모델은 체계적인 시간적 추세를 포착하는 데 실패한 반면, PCM은 이산적 특성으로 인해 거칠기와 불연속성을 보였다.
Foamy Virus (FV) 분석: 약 1억 년에 걸친 14개의 FV pol 서열 데이터셋에 적용되었다.
모델은 4 자릿수(orders of magnitude)에 달하는 속도 변화를 포함한 강력한 시변 신호를 드러냈다.
기존의 멱법칙(power-law) 붕괴 모델과 달리, 스플라인 시계는 뿌리 근처(약 90 MYA)에서의 높은 속도와 이후의 하락, 그리고 최근의 상승을 포함하는 비단조적(non-monotonic) 궤적을 복구하였다. 이는 시간과 계통 특이적 요인 모두에 의해 구동될 수 있는 복잡한 속도 이질성을 시사한다.
SARS-CoV-2 공간 확산: 2020년에 수집된 유럽 10개국의 3,959개 게놈을 사용하여 공간 확산 속도를 모델링하였다.
추론된 확산 속도는 실제 공중보건 개입 조치와 밀접하게 일치했다.
모델은 첫 번째 파동의 봉쇄 기간(1월4월) 동안의 확산 속도 감소, 조치 완화 시기(4월7월)의 급증, 그리고 두 번째 파동(7월~10월) 동안의 쇠퇴를 탐지했다.
이 분석은 특정 변이(B.1.160/20A.EU2 및 B.1.177/20E(EU1))의 기원과 확산을 성공적으로 식별하였다.
의의 및 주장 본 논문은 스플라인 시계 모델이 경직된 매개변수 시계 모델과 계산적으로 불가능한 완전 비매개변수적 대안 사이의 중요한 방법론적 간극을 메운다고 주장한다. 진화 속도의 체계적인 시간적 변화를 설명하는 원칙적인 방법을 제공함으로써, 모델은 더 높은 정밀도로 더 매끄럽고 정확한 추정치를 산출한다. 저자들은 이 프레임워크가 뉴클레오타이드 치환율에 국한되지 않고, 공간 확산과 같은 다른 시변 이산 프로세스에도 자연스럽게 확장될 수 있다고 단언한다. 깊은 진화적 시간 척도(FV)와 빠른 역학적 역동성(SARS-CoV-2) 모두에서 강력한 시변 신호를 복구하는 능력은 모델의 다재다능함과 견고함을 입증한다. 저자들은 향arian 향후 연구가 시간과 계통 모두에 걸친 속도 변화를 공동으로 포착하도록 확장될 수 있음을 시사한다.