토양 시스템에서 미생물 역학 및 유기물 전환을 예측하기 위한 제약 하이브리드 모델링
Constrained hybrid modelling to predict microbial dynamics and organic matter turnover in soil systems
토양 미생물은 유기물 순환을 조절하며, 토양 시스템이 기후 변화와 환경적 위협에 어떻게 대처하고 완화할 수 있는지를 크게 결정합니다. 따라서 과정 기반(process-based) 토양 모델에서 미생물 역학을 표현하는 것은 토양 내 탄소 순환을 예측하는 데 필수적이지만, 데이터를 통해 이를 파악하는 것은 매우 어렵습니다. 매개변수화를 개선하기 위한 유망한 접근법 중 하나는 유전체 데이터를 통합하는 것이지만, 미생물이 주도하는 과정과 유전체 사이의 복잡하고 알려지지 않은 관계를 모델링하는 것은 미해결 문제입니다. 본 연구에서는 DNA 염기서열 데이터를 기반으로 한 메타게놈 유추 기능적 형질(metagenome-inferred functional traits)로부터 과정 기반 토양 유기물 전환 모델의 생물역학 매개변수 값을 도출하기 위한 최초의 하이브리드 모델링 프레임워크를 제시합니다. 우리의 모델은 신경망(neural network)을 사용하여 유전체 형질 데이터로부터 과정 기반 모델의 생물역학 매개변수를 예측하며, 관측되지 않은 상태 변수의 행동조차 현실적이도록 보장하기 위해 생태학 이론과 문헌의 제약 조건을 통합합니다. 우리는 다양한 복잡성을 가진 합성 유전체 형질 데이터셋과 실제 데이터를 통해 방법을 평가했으며, 우리의 접근법이 여러 베이스라인(baseline) 대비 성능을 향상시키고 작은 학습(training) 데이터셋에서도 과정 기반 모델의 측정 불가능한 구성 요소의 역학을 효과적으로 학습함을 보여줍니다.