이질적 시간 동역학을 위한 복합 RJMCMC 변형으로 변화점 탐지 향상

본 논문은 형광 단일분자 현미경(FLImP)에서 발생하는 짧은 블링·다크 상태를 정확히 추정하기 위한 새로운 통계적 방법을 제시한다. 기존의 변화점 탐지 기법인 RJMCMC는 변동 차원 모델링에 강점이 있지만, 짧은 지속시간을 갖는 상태를 표현하려면 두 개의 인접한 변화점을 별도로 제안해야 하는 구조적 제약이 있다. 이 과정에서 중간 상태의 우도가 급격히 감소해 제안이 거부되는 경우가 빈번하며, 결과적으로 블링·다크와 같은 짧은 이벤트가 누락되거나 노이즈로 오인된다. 이를 극복하기 위해 저자들은 ‘복합 변화점 쌍(Compound Change‑point Pair)’이라는 새로운 이동 연산자를 도입하였다. 이 연산자는 두 개의 변화점을 동시에 추가하거나 제거함으로써, 짧은 상태의 시작과 종료를 한 번에 모델링한다. 제안 분포는 형광체의 전이 확률과 평균 체류 시간을 사전 지식으로 활용해, 변화점 간 간격이 실제 블링·다크 지속시간에 부합하도록 설계된다. 따라서 중간 우도 감소 없이 높은 수용 확률을 유지할 수 있다. 알고리즘은 세 단계로 구성된다. 첫째, 다중 변화점 모델을 정의하고, 각 구간마다 활성 형광체 수와 배경 강도를 파라미터화한다. 둘째, RJMCMC 샘플링 과정에 복합 변화점 연산자를 삽입하고, 기존의 추가·삭제·이동 연산자와 함께 사용한다. 셋째, 강도 파라미터(단일 형광 강도 µ_f와 배경 µ_b)를 Gibbs 샘플러로 업데이트한다. 초기값은 전체 데이터와 개별 트레이스의 통계량을 결합해 설정하며, 이는 사전 교정 데이터나 사용자 지정 파라미터에 대한 의존도를 크게 낮춘다. 수렴 진단은 3개의 독립 체인을 병렬 실행하고, Gelman‑Rubin R̂<1.1을 기준으로 판단한다. 필요 시 최대 10 000번의 추가 샘플링을 수행해 수렴을 보장한다. 성능 평가는 시뮬레이션과 실제 실험 데이터를 모두 사용하였다. 시뮬레이션에서는 형광체 수 1~7, 신호‑대‑노이즈 비율(SNR) 0.001~1, 블링·다크 빈도와 지속시간을 폭넓게 변동시켜 18 600개의 데이터셋을 생성했다. 평가 지표는 루트 평균 제곱 오차(RMSE), 프레임별 활성 형광체 정확도, 정밀도 등이다. 결과는 다음과 같다. 높은 형광체 수(>4)와 높은 SNR에서는 기존 MAP 기반 순차·단조 감소 방법이 과소/과대 추정으로 RMSE가 크게 증가한다. 반면, CRJMCMC는 낮은 RMSE를 유지하며, 특히 SNR이 0.001 수준으로 매우 낮은 경우에도 과적합 없이 정확한 추정을 제공한다. factorial HMM‑MCMC는 낮은 형광체 수에서 빈 트레이스를 반환하거나 추정이 실패하는 반면, CRJMCMC는 일관된 결과를 도출한다. 또한, 블링·다크 빈도가 증가해도 CRJMCMC는 변동을 정확히 포착한다. 실험 검증에서는 DNA origami ruler에 결합된 ATTO‑647N 형광체(최대 4개)로부터 얻은 FLImP 트레이스를 분석하였다. 기존 FLImP 파이프라인은 블링·다크를 무시하거나 필터링해 데이터 손실이 발생했으나, CRJMCMC는 이러한 이벤트를 명시적으로 모델링함으로써 평균 단일 형광 강도 추정이 개선되고, per‑frame 활성 형광체 카운트가 실제와 높은 상관관계를 보였다. 이는 EGFR와 같은 단백질의 올리고머화 상태를 정량화하는 데 필수적인 전처리 단계의 신뢰성을 크게 향상시킨다. 마지막으로 저자들은 이 방법이 단일분자 형광 영상 외에도 뇌 전기생리학(ECoG)에서의 뇌 상태 구분, 산업 공정의 결함 탐지, 금융 시계열의 실현 변동성 분석 등 다양한 분야에 적용 가능함을 강조한다. 복합 변화점 연산자를 통한 변동 차원 MCMC의 확장은 이질적 시간 동역학을 갖는 시계열 데이터에서 짧은 이벤트를 효과적으로 탐지하고 정량화하는 새로운 패러다임을 제시한다.