희귀 사건 시뮬레이션을 통한 T세포 활성화 메커니즘 분석

면역 시스템은 외부 병원체가 몸 안에 침입했을 때, 수많은 자기 분자와 섞여 있는 외래 펩티드를 정확히 구별해야 한다. 이 “통계적 인식” 문제는 전통적으로 결정론적 모델로 접근했지만, 실제 세포 간 상호작용은 확률적이며, 특히 중요한 것은 매우 드물게 발생하는 활성화 사건이다. van den Berg, Rand, Burroughs(2001)와 이후 Zin et al.(2005)의 연구는 이러한 현상을 확률 모델로 정형화했으며, 큰 편차(Large Deviation, LD) 이론을 이용해 극한에서의 성공 확률을 분석했다. 그러나 LD 이론은 무한한 항원 종류를 가정하고, 오차 추정이 거칠어 실제 파라미터 범위에서의 정밀한 검증이 어려웠다. 동시에, 기존의 단순 샘플링 시뮬레이션은 희귀 사건 확률이 10⁻⁶ 이하일 경우 수억 번 이상의 시뮬레이션이 필요해 실용적이지 않았다. 본 논문은 이러한 두 가지 한계를 동시에 극복하고자 한다. 먼저, 면역학적 배경을 간략히 정리한다. APC는 수천 종류의 자기 펩티드와 가끔은 하나의 외래 펩티드를 MHC 분자와 결합해 표면에 제시한다. T세포는 각각 하나의 TCR 유형을 수백만 복제본으로 가지고 있으며, APC와 접촉하면 TCR과 펩티드-MHC 복합체가 결합·해리 과정을 반복한다. 결합 지속시간은 해리율 τ에 따라 지수분포 Exp(1/τ) 로 모델링하고, 결합이 최소 1시간 이상 지속될 경우만 신호가 전달된다. 이때 전달되는 신호 강도는 w(τ)=τ⁻¹·exp(−1/τ) 로 정의된다. 수학적으로는 각 항원 유형 j에 대해 독립적인 랜덤 변수 T_j ~ Exp(1/τ̄) 를 두고, 그에 대응하는 신호 W_j = w(T_j) 를 정의한다. APC에 존재하는 자기 항원은 두 클래스(c, v) 로 구분되며 각각 m(c), m(v) 복제본을 가진다. 외래 항원은 z_f 복제본만 존재한다는 가정 하에, 전체 자극은 G(z_f)=∑_{j=1}^{m(c)qz(c)} W_j + ∑_{j=1}^{(m(c)+m(v))qz(v)} W_j + z_f·W_{m(c)+m(v)+1} 와 같이 가중합 형태로 표현된다. 여기서 q는 외래 항원이 차지하는 비율을 보정하는 인자이다. 통계적 인식은 G(z_f) 가 사전 정의된 임계값 g_act 를 초과하는 확률 P(G(z_f)≥g_act)를 비교함으로써 평가한다. 자기만 존재할 때와 외래 항원이 추가될 때 두 확률이 모두 매우 작아야 하며, 후자는 현저히 커야 한다는 조건을 만족해야 실제 면역 반응이 정상적으로 발생한다. 이 확률을 직접 추정하려면 단순 샘플링으로는 수억 번 이상의 시뮬레이션이 필요하지만, 저자들은 LD 이론을 이용해 최적의 “틸팅 파라미터” θ 를 도출한다. θ는 원본 분포 P(W) 를 exp(θ·W) 로 왜곡한 새로운 중요도 분포 P_θ(W) 를 만든다. 이 변형된 분포에서는 희귀 사건(즉, G≥g_act)이 흔히 발생하므로, 샘플링 효율이 크게 증가한다. 구체적인 절차는 다음과 같다. 1. 모델 파라미터(τ̄=0.04, m(c)=50, m(v)=1500, z(c)=500, z(v)=50 등)를 설정하고, 평균 자극 E