DNA를 포함한 생체고분자(biopolymer)들의 굽힘 유연성(bendability)은 세포 운동성과 골격( cytoskeletal )의 조직화와 같은 다양한 생물학적 과정에 필수적이다. 웜-라이크 체인(worm-like chain) 모델과 같은 기존의 고분자 모델은 굽힘 강성이 곡선(contour) 전체에 걸쳐 균일하다고 가정하지만, 실제 생체고분자는 복잡한 세포 상호작용의 결과로 공간적으로 변하는 굽힘 강성을 종종 갖는다. 예를 들어, 액틴 필라멘트(actin filaments)와 미세소관(microtubules)의 굽힘 강성은 결합 단백질 또는 화학적 변형과의 연관에 따라 달라진다. 이러한 생물학적 함의에도 불구하고, 고분자 곡선을 따라 위치에 의존하는(per-position dependent) 영속길이(persistence length)를 측정하는 일은 여전히 어렵다. 본 연구에서는 생체고분자의 공간적으로 변하는 굽힘 강성을 정량적으로 예측하는 딥러닝(DL) 기반 방법을 제시한다. 우리의 프레임워크는 고분자 사슬을 짧고 서로 겹치는 조각들로 분절하고, DL 모델을 이용해 국소 영속길이를 예측한 뒤, 전체 프로파일을 재구성한다. 시뮬레이션 데이터를 사용하여, 이 접근법이 데이터가 부족한 조건에서도 높은 정확성과 강건성을 달성함을 보인다. 다양한 생물학적 시스템에 적용한 결과, 본 방법은 필로포디아(filopodia)에서 끝(tip)부터 바닥(base)까지 공간적으로 변하는 강성을 밝혀내었으며, 또한 미세소관에서는 공간적으로 이질적인 강성이 나타남을 확인하였다. 더 나아가, 본 연구는 DL 모델의 내부 메커니즘을 조사하여, 모델이 영속길이 추정을 위해 다수의 물리 관련 특성을 활용하면서도 고분자 강성에 따라 주의(attention)를 적응적으로 조정함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.