Large datasets and machine learning models fail to capture extremophile enzyme melting and optimum temperatures

당신에게 수백만 개의 레시피가 담긴 도서관(대규모 데이터셋)과 그 모든 레시피를 공부한 아주 똑똑한 요리사(머신러닝 모델)가 있다고 상상해 보세요. 당신은 이 요리사에게 특정 요리가 완벽하게 조리되기 위해 얼마나 뜨거워야 하는지(최적 온도)와 완전히 무너지기 전까지 온도가 얼마나 올라가는지(녹는 온도)를 예측해 달라고 요청합니다.

이 논문은 만약 당신이 이 요리사에게 매우 특정한 두 유형의 손님, 즉 "얼음 손님"(저온성 생물, 극지방의 추위에 사는 존재)과 "불꽃 손님"(고온성 생물, 뜨거운 열기에 사는 존재)을 위해 요리하도록 요청한다면, 요리사가 완전히 틀린 답을 내놓게 된다고 주장합니다.

논문이 발견한 내용을 쉬운 비유를 들어 다음과 같이 정리했습니다:

1. "얼음 손님"의 미스터리

과학자들은 오래전부터 "얼음 손님"의 효소들이 특별한 기술을 가지고 있다고 의심해 왔습니다. 그들은 이 효소들이 추위 속에서도 작동할 수 있지만, 완벽하게 작동하는 지점을 아주 조금만 넘어서 온도가 높아지면, 실제로 녹거나 부서지기 훨씬 전에 작동을 멈춘다고 생각합니다. 이것은 마치 섬세한 얼음 조각상과 같습니다. 태양 빛이 닿는 순간, 아직 물웅덩이가 되지 않았음에도 불구하고 이미 조각상의 형태를 유지하지 못하고 멈춰버리는 것과 같습니다.

연구자들은 알고 싶었습니다: 이것이 모든 "얼님 손님"이 가진 공통된 기술일까요, 아니면 운 좋게 몇몇만이 가진 기술일까요? 그들은 이 똑똑한 요리사와 거대한 레시피 도서관을 사용하여 한 번에 수천 개의 효소를 확인하고 싶었습니다.

2. 요리사의 큰 실수

불행히도 요리사는 테스트에서 실패했습니다. 이 극한 환경의 온도들을 예측하도록 요청받았을 때, 머신러닝 모델들은 두 가지 주요한 실수를 저질렀습니다.

• 불가능한 예측: "불꽃 손님"의 경우, 요리사는 효소가 이미 녹아버린 후에 작동을 멈출 것이라고 예측했습니다. 이것은 케이크가 오븐 속에서 반죽이 액체 수프가 된 후에도 계속 부풀어 오를 것이라고 말하는 것과 같습니다. 이는 물리적으로 불가능합니다.
• "평균"의 함정: 요리사는 "불꽃 손님"과 "얼음 손님"이 사실은 그냥 "상온 손님"(중온성 생물)이라고 계속해서 추측했습니다. 이는 마치 요리사가 수천 개의 상온 요리 레시피만을 보았기 때문에, 손님이 화산 속에 있든 빙하 속에 있든 상관없이 모든 요리는 상온에서 조리되어야 한다고 가정하는 것과 같습니다.

3. 왜 요리사는 실패했을까요?

논문은 요리사가 학습한 "레시피 도서관"(훈련 데이터)에 두 가지 문제가 있다고 설명합니다.

• 레시피가 잘못되었습니다: 요리사가 공부한 많은 기록에 오류가 있었습니다. 효소가 실제로 어떤 온도를 좋아하는지에 대한 데이터가 지저분하고 신뢰할 수 없었습니다.
• 도서관의 균형이 맞지 않았습니다: 도서관은 "상온 손님"을 위한 레시피로 압도적으로 가득 차 있었습니다. "불꽃"과 "얼음" 손님을 위한 레시피는 매우 적었습니다. 요리사는 대부분의 데이터로부터 학습했기 때문에, 극한의 특수성을 무시하고 모든 예측을 평균 쪽으로 몰아가려 했습니다 했습니다.

결론

논문은 현재의 거대 컴퓨터 모델들을 사용하여 "얼음 손님"이 정말로 녹기 전에 작동을 멈추는 특별한 기술을 가지고 있는지 알아낼 수 없다고 결론짓습니다. 도구들이 너무 편향되어 있고 데이터가 너무 지저분하기 때문입니다.

이 미스터리를 해결하기 위해, 저자들은 낡고 지저진 데이터에 의존하는 것을 멈추고, 대신 직접 나가서 이 극한 효소들의 열적 행동을 측정하여, "불꽃"과 "얼음" 손님을 위한 새롭고 깨끗하며 정확한 데이터 도서관을 만들어야 한다고 말합니다. 그래야만 소수의 작은 연구에서 보이는 경향이 생명 전체에 적용되는지 알 수 있을 것입니다.