복잡 네트워크 현상의 최적 분류이론 및 방법을 개발하고 이를 암 유전체 발현정보의 분석에 적용하여 암의 유형을 규명하는 연구결과가 국내연구진에 의해 발표했다.
교육과학기술부와 한국과학재단이 지원하는 국가지정연구실사업(NRL)과 선도기초연구실사업(ABRL)을 수행하는 부산대학교 통계학과 김충락(金忠洛, 50) 교수와 물리학과 장익수(張益壽, 50세) 교수 연구팀은 이 연구의 결과가 세계적 과학학술지인 미국 국립과학원회보(PNAS)의 온라인판에 오는 12일 게재될 예정이라고 밝혔다.
자연계 현상 및 복잡한 사회 현상들은 그 계를 구성하는 구성요소 한 개 만의 역할에 의해서 지배받는 것이 아니라, 복잡하지만 많은 구성요소 사이의 유기적인 관계를 통해서 조절, 유지 및 변화의 과정을 거치게 된다.
구성요소들 사이의 복잡 네트워크 현상(complex network phenomena)을 완벽하게 분석할 수 있다면 유전자 발현정보, 단백질과 단백질 간의 상호작용, 생명대사과정의 네트워크현상 및 복잡한 사회적 네트워크현상들을 거시적으로 간단하게 그룹화하여 기술할 수 있다. 이러한 복잡 네트워크 현상들을 사전에 어떠한 가정도 없이 완벽하게 분석하는 것은, 특히 생명정보학의 분야에서는 이 분야의 획기적인 발전을 위한 패러다임으로 여겨져 왔으나, 현재까지는 불가능한 것으로 알려졌다.
김 교수와 장 교수는 복잡 네트워크 현상을 나타내는 상관관계들을 라플라스 행렬로 표현하였다. 그리고 동 연구성과는 비평형 통계물리학, 통계학 및 생명정보학을 넘나드는 아이디어들의 융합을 통해 라플라스 행렬이 비평형 통계물리학에서의 마스터 방정식을 만족한다는 사실에 착안됐다.
라플라스 행렬의 완벽한 대수적인 성질들과 마스터 방정식의 정확한 해의 성질들을 파악 및 응용하여, 어떤 복잡한 상관관계를 갖는 현상이라도 그 구성요소들의 그룹화에 대한 사전 가정이 전혀 없어도 네트워크 현상을 그룹화 할 수 있는 분석 이론 및 방법을 확립했다.
동 연구결과는 백혈병과 림프종암의 유전체 발현자료에 적용하여 세계 유수의 연구그룹이 사이언스 저널에 발표하였던 기존의 분류방법보다 더 정확한 분류결과를 얻었다. 이 방법을 이용하면, 암 환자의 유전체 발현정보를 이용하여 암의 유형이 어떤 것인지 혹은 새로운 것인지를 쉽게 파악하여 정확한 암 치료의 방향을 설정하는데 큰 도움을 준다.
동 연구성과는 전적으로 국내 연구진들이 국내에서 수행한 연구의 결과이며, 특히 제1저자인 김충락 교수는 한국 통계학자로서는 매우 드물게 PNAS에 논문을 게재함으로써 한국 통계학의 위상을 제고한 것으로 평가되고, 또한, 장익수 교수는 PNAS에 최근 세 편의 논문을 발표함으로써 한국의 대표적 생물물리학자로서의 위상을 굳히게 됐다.
암과 질병의 최적 분류이론 및 방법 확립
