Morphogenetic Algorithm

과학 > 생물학
기술 > 응용 > 네오제닉스

이미지 제공: Steve Bowers
정교한 시뮬레이션에서 시작하면, 형태발생 알고리즘은 유전공학으로 만든 생물이 실제로 구현되기 전에 그 특성을 예측할 수 있다

형태발생 알고리즘은 생물학적 시스템을 매우 정밀하게 시뮬레이션하는 소프트웨어 도구이다. 규모와 복잡성 수준이 달라도 이를 다룰 수 있다. 원자·분자·세포 수준의 과정 전체 매개변수 공간에서부터 거시적 형태와 생리, 그리고 해당될 경우 복잡한 인지 과정과 행동까지 아우를 수 있다. 이것은 현대 젠지니어링의 핵심 요소이다. 또한 생물과학의 여러 다른 분야에도 널리 쓰인다.

현대의 형태발생 알고리즘은 현 시대(Current Era)에 매우 다양한 형태로 쓰인다. 그러나 대체로 작동 방식은 비슷하다. 하나 이상의 입력 데이터셋을 분석하고, 그 정보로 대상 바이온트의 고정밀 모델을 아래에서부터 쌓아 올린다. 예를 들어 게놈 서열, 생화학 분석 데이터, 세포나 조직의 단층촬영 스캔 등이 입력으로 쓰일 수 있다. 알고리즘은 가장 단순한 구성요소에서 시작해 복잡성과 창발 현상의 층위를 차례로 올려 간다. 예를 들어 베이스라인 인간의 완전한 DNA 서열이 주어졌다고 하자. 형태발생 알고리즘은 보통 단세포 배아, 즉 접합자를 먼저 모델링한다. 이 과정에서 게놈이 직접 부호화한 수십억 내지 수조 개의 분자, 이를테면 단백질과 RNA를 시뮬레이션한다. 동시에 세포 환경의 일부로 간접적으로 존재가 전제되는 요소도 함께 다룬다. 여기에는 물, 지질, 그리고 게놈이 부호화한 생체분자가 필요로 하거나 만들어 내는 다른 소분자가 포함된다. 그다음에는 세포 분열, 세포 분화, 조직 발달 같은 상위 과정을 시뮬레이션한다. 최종적으로는 갓 태어난 베이스라인 인간의 시뮬레이션에 이른다. 이 과정은 생물학적 성숙과 노화까지 확장할 수 있다. 경우에 따라서는 모델 바이온트의 전 생애주기를 시뮬레이션할 수도 있다. 다만 이때는 생성된 모델의 예측력을 높이기 위해, 그 생물이 현실 환경에서 어떻게 지내고 어떻게 행동했는지에 대한 추가 데이터가 보통 필요하다.

계산 부담을 줄이기 위해 형태발생 알고리즘은 대체로 여러 수준의 "coarse-graining"을 사용한다. 이는 복잡한 현상을 비교적 적은 정보로 부호화할 수 있는 단순화된 표현으로 다루는 방식이다. 예를 들어 세포의 행동을 모델링할 때, 알고리즘은 세포를 이루는 모든 원자를 하나하나 시뮬레이션하지 않을 수 있다. 모든 분자와 세포소기관까지 전부 계산하지도 않을 수 있다. 대신 이런 세부 사항을 더 낮은 해상도의 세포 대사 모델 안에 주석 정보로 압축해 넣는다.

가장 발전한 형태발생 알고리즘은 불완전한 게놈이나 단편적인 입력 데이터셋만으로도 다양한 상위 생물학적 세부를 정확히 추론할 수 있다. 그러나 생성된 모델의 정확도는 결국 가용한 경험적 데이터의 양과 품질에 따라 달라진다. 참고 정보가 제한된 경우에는, 알고리즘이 해당 생물학적 시스템의 기본적인 측면 몇 가지만 예측하고 시뮬레이션할 수 있을 때도 있다. 또는 주어진 데이터가 시사하는 여러 가능성을 포착하려고 서로 다른 모델 여러 개를 만들어 낼 수도 있다.

일부 예외는 있지만, 형태발생 알고리즘에는 보통 안전장치가 들어간다. 이 장치는 지각자(Sentient) 또는 소폰트 존재의 의식 완비 에뮬레이션을 생성하지 못하게 제한한다. 이는 지성체 권리 프로토콜들과 소폰트 권리 보편선언(Universal Declaration of Sophont Rights)를 위반할 가능성을 피하기 위한 것이다.

🐛 문제 신고