[논문 리뷰] The Biological Consequences of the Computational World: Mathematical Reflections on Cancer Biology

Giuseppe Longo|arXiv (Cornell University)|2017. 01. 27.

Genetics, Bioinformatics, and Biomedical Research인용 수 3

한 줄 요약

이 논문은 현대 생물학—특히 암 연구에서—이산적이고 계산 기반의 모델이 지배함에 따라 디지털 정보를 연속적이고 동적인 생물학적 과정보다 우선시함으로써 근본적인 편향을 유도한다는 주장을 펼친다. 롱고는 암을 계산 기반의 관점에서 바라보는 것은 암을 데이터 기반 패턴으로 환원하는 위험을 내포하고 있으며, 대신 연속성과 물리적 제약 조건에 뿌리를 둔 조직 및 생체 수준의 원리로의 전환을 주장한다.

ABSTRACT

The role of continua has been clear since antiquity in the mathematical approaches to physics, while discrete manifolds were brought to the limelight mostly by Quantum and Information Theories, in the XX century. We first recall how theorizing and measuring radically change in physics when using discrete vs. continuous mathematical manifolds. It will follow that the reference to discrete structures and digital information is far from neutral in knowledge construction. In biology, in particular, the introduction of information as a new observable on discrete data types has been promoting a dramatic reorganization of the tools for knowledge. We briefly analyze the origin and the nature, then some consequences of the bias thus induced in life sciences, with particular emphasis on research on cancer. We finally summarize new theoretical frames that propose different directions as for the organizing principles for biological thinking and experimenting, including in cancer research. Cancer is now viewed as an organismal, tissue based issue, according to the perspective proposed in (Sonnenschein, Soto, 1999; Baker, 2015).

연구 동기 및 목표

• 과학에서 연속적 프레임워크에서 이산적 수학적 프레임워크로의 전환을 통해 생물학 지식 구성 방식이 어떻게 영향을 받는지 분석하기.
• 생물학적 체계를 디지털 정보 처리 과정으로 간주함으로써 유도되는 인지론적 및 방법론적 편향을 특정하기.
• 특히 유전적 또는 분자적 데이터 패턴으로 환원되는 바이오정보학적 모델의 문제점을 지적하며, 현재 암 연구에서 지배적인 계산 기반 패러다임을 비판하기.
• 암을 이해하는 데 있어 조직의 구조, 연속성, 물리적 제약 조건을 중심으로 하는 대안적 이론적 프레임워크를 제안하기.
• 유전자 중심의 데이터 기반 모델을 넘어서 생체 수준과 전체 시스템 원리에 기반한 암 연구의 재편을 주장하기.

제안 방법

• 물리학에서의 수학적 모델링의 역사적 및 철학적 분석을 바탕으로, 연속적(고전적)과 이산적(양자/정보 기반) 프레임워크를 대비 분석하기.
• 연속성 이론과 연속성의 원리들을 특히 조직과 다세포 생물의 조직 구조에 적용하기.
• 유전체학과 시스템 생물학 분야에서 디지털 정보의 역할을 생물학적 지식에 대한 인지론적 편향의 원천으로 비판하기.
• 암을 유전적 질환으로 보는 것이 아니라 조직 수준의 조직화 및 항상성 실패로 재해석하기.
• 손넨슈타인과 소토의 연구를 기반으로, 생체 수준과 조직 기반의 모델로의 이론적 전환 제안하기.
• 연속성과 물리 법칙에 대한 수학적 고찰을 통해 암 생물학에서의 감소론적이고 계산 기반 접근 방식에 도전하기.

실험 결과

연구 질문

• RQ1 연속적 모델과 이산적 모델 간의 선택이 생물학적 체계에 대한 이해에 어떻게 영향을 미치는가?
• RQ2 생물학적 현상이 디지털 정보 처리 과정으로 모델링될 때 어떤 인지론적 편향이 발생하는가?
• RQ3 암 연구에서의 계산 기반 패러다임이 조직 수준과 전체 시스템 메커니즘을 얼마나 가로막는가?
• RQ4 연속적이고 물리적이며 생체 수준의 원리로의 복귀가 암 연구와 이론에 어떻게 향상될 수 있는가?
• RQ5 암을 조직 수준의 질환으로 더 잘 포괄할 수 있는 대안적 이론적 프레임워크는 무엇인가?

주요 결과

• 생물학—특히 암 연구에서—이산적이고 계산 기반의 모델이 지배함에 따라 디지털 정보를 연속적이고 동적인 과정보다 우선시함으로써 근본적인 편향이 발생한다.
• 양자 이론과 정보 이론의 영향을 받는 이산적 프레임워크로의 전환은 측정과 이론 구축 방식을 과학 전반에서 재정의하였으며, 생물학에 매우 깊은 영향을 미쳤다.
• 암은 점점 더 유전적 질환으로 보는 것보다 조직의 구조적 조직화와 항상성의 실패로 이해되고 있으며, 이는 손넨슈타인과 소토가 제안한 생체 수준의 관점과 일치한다.
• 논문은 현재 암 생물학에서 사용하는 계산 기반 모델이 복잡하고 동적인 전체 시스템적 현상을 정적 데이터 패턴으로 환원함으로써 이론적 진전을 제한할 위험성이 있다고 주장한다.
• 암을 이해하는 데 있어 연속성, 물리적 제약 조건, 조직 수준의 조직화를 중심으로 하는 새로운 이론적 프레임워크가 제안된다.
• 논문은 생물학적 연속성과 전체 시스템 조절 원리를 통합하는 원리로의 패러다임 전환을 촉구하며, 유전자 중심의 데이터 기반 모델을 넘어서야 한다고 주장한다.