진화계통수를 만들어 보려는 희망없는 작업
(The Hopeless Task of Building Evolutionary Trees)
David F. Coppedge
2002년 7월 25일자 Proceedings of the National Academy of Sciences의 온 라인 상에 게재된 한 논문은 ”거대 계통발생 평가 문제를 해결위한 효율적 방법” 이라는 낙관적인 부제목으로 시작하고 있다. 그러나 글은 절망적인 논조로 시작한다 :
”최적의 기준을 기초로 한 계통발생 추론은 악명 높도록 어려운 노력이다. 왜냐하면, 해답(solutions)의 수는 분류군(taxa)의 수와 함께 폭발적으로 증가하고 있기 때문이다. 실제로, T-terminal 분류군 사이에서 가능한 두 갈래의 나무 형태의 총 수는... 14개 분류군에 거의 320억 개의 다른 나무들, 그리고 55개 분류군에 3×1084 개(알려진 우주의 총 원자들의 수보다 많은 갯수)의 다른 나무들에 상응한다. 대부분의 수학자들은 그러한 연산(즉, 다항적 시간 해답, polynomial time solution)은 존재하지 않으며, 미래의 어떠한 문명도 그 문제를 해결할 수 있는 컴퓨터를 만들어 적절한 해답을 발견할 수 있을 것처럼 보이지 않는다는 것이다.”
불가능한 수적 시도 대신에, 저자들은 ‘발견적 해결 방법(heuristic approach)’을 제안하고 있다. 발견적 해결 방법은 최적의 나무(optimal tree)를 얻는 것을 단념하고, 최대로 가능성 있는(maximum likelihood, ML) 나무를 빠르게 얻기 위한 시도이다. 렘몬(Lemmon)과 밀린코비치(Milinkovitch)는 많은 수의 분류군(taxa)들을 ML 모델에 빠르게 집중시킬 수 있는 컴퓨터 프로그램을 만들었다. 그들은 그것을 'metapopulation genetic algorithm' 이라고 부른다. 그것은 돌연변이와 자연선택을 기초로 하여 나무들을 최적화하려고 노력하는 유사-다윈주의적 모델이다. 그리고 그것은 모델 안으로 이종률(rate heterogeneity) 평가와 통합될 수 있다. 저자들은 그들의 프로그램을 실제, 그리고 추정 개체집단에 대해 시험해 보고, 그 결과를 다른 발견적 해결 방법과 비교하였다.
당신은 일찍이 기초 자료(raw data)로부터 하나의 계통발생 나무가 만들어지는 것이 수학적으로 불가능하다는 것을 생물학 수업에서 들어본 적이 있는가? 그리고 미래의 어떠한 문명도 이러한 장벽을 극복할 수 없을 것 같다는 이야기를 들어본 적이 있는가? 아마도 아닐 것이다. 오히려, 교과서에는 잘 그려진 권위적인 계통발생 나무들이 가득 그려져 있는 것을 보았을 것이다.
그래서 그들은 그것들을 어떻게 결정하는가? 발견적 해결 방법이란 바꾸어 말하면, 어림짐작, 추론, 시행착오, 예감, 그리고 희망을 의미한다. 그들의 모델은 많은 최적화된 매개변수들을 통합하고 있다. 가령 이종률(rate heterogeneity) 같은 것은 모든 유전자들이 같은 율로 변이되지 않았음을 의미한다. 그리고 가지의 길이(branch length)는 분류군 사이에 진화론적 거리를 추정하고 있다. 잡아당긴 공간은 거대하다. 그리고 그들은 이미 그들이 원하는 그림을 그려 놓고 있다. 그래서 이 전체 시도는 순환논법(circular reasoning)에 기초한다.
만약 프로그램이 진화론적 가정과 일치하는 나무가 나온다면, 높은 점수가 매겨질 것이다. 반면에 그렇지 않은 나무는 제거될 것이다. 이것은 진화가 경험적으로 확립될 수 있다는 어떠한 확실성을 제공하고 있는가? 아니면, 이것은 대학에 있는 과학자들이 다윈주의자의 컴퓨터를 가지고 놀면서, 그들의 시간을 어떻게 보내고 있는지를 보여주고 있는가?
진화론의 과학 논문들은 돌연변이와 자연선택이 어떻게 최초의 제왕나비, 핀치새, 가지나방 등을 만들었는지를 설명하는 대신에, 공통조상이 사실인지 아닌지에 관한 질문도 없이, 독립적으로 입증하기 불가능한, 그리고 객관적으로 계산하기 불가능한 계통발생적 관계를 밝히는 데에만 사로잡혀 있는 것처럼 보인다.
*참조 : Evolutionary Trees Are All Wrong
https://crev.info/2022/06/evolutionary-trees-all-wrong/
번역 - 미디어위원회
링크 - http://www.creationsafaris.com/crev0702.htm#darwin148
출처 - CEH, 2002. 7. 25
진화계통수를 만들어 보려는 희망없는 작업
(The Hopeless Task of Building Evolutionary Trees)
David F. Coppedge
2002년 7월 25일자 Proceedings of the National Academy of Sciences의 온 라인 상에 게재된 한 논문은 ”거대 계통발생 평가 문제를 해결위한 효율적 방법” 이라는 낙관적인 부제목으로 시작하고 있다. 그러나 글은 절망적인 논조로 시작한다 :
불가능한 수적 시도 대신에, 저자들은 ‘발견적 해결 방법(heuristic approach)’을 제안하고 있다. 발견적 해결 방법은 최적의 나무(optimal tree)를 얻는 것을 단념하고, 최대로 가능성 있는(maximum likelihood, ML) 나무를 빠르게 얻기 위한 시도이다. 렘몬(Lemmon)과 밀린코비치(Milinkovitch)는 많은 수의 분류군(taxa)들을 ML 모델에 빠르게 집중시킬 수 있는 컴퓨터 프로그램을 만들었다. 그들은 그것을 'metapopulation genetic algorithm' 이라고 부른다. 그것은 돌연변이와 자연선택을 기초로 하여 나무들을 최적화하려고 노력하는 유사-다윈주의적 모델이다. 그리고 그것은 모델 안으로 이종률(rate heterogeneity) 평가와 통합될 수 있다. 저자들은 그들의 프로그램을 실제, 그리고 추정 개체집단에 대해 시험해 보고, 그 결과를 다른 발견적 해결 방법과 비교하였다.
당신은 일찍이 기초 자료(raw data)로부터 하나의 계통발생 나무가 만들어지는 것이 수학적으로 불가능하다는 것을 생물학 수업에서 들어본 적이 있는가? 그리고 미래의 어떠한 문명도 이러한 장벽을 극복할 수 없을 것 같다는 이야기를 들어본 적이 있는가? 아마도 아닐 것이다. 오히려, 교과서에는 잘 그려진 권위적인 계통발생 나무들이 가득 그려져 있는 것을 보았을 것이다.
그래서 그들은 그것들을 어떻게 결정하는가? 발견적 해결 방법이란 바꾸어 말하면, 어림짐작, 추론, 시행착오, 예감, 그리고 희망을 의미한다. 그들의 모델은 많은 최적화된 매개변수들을 통합하고 있다. 가령 이종률(rate heterogeneity) 같은 것은 모든 유전자들이 같은 율로 변이되지 않았음을 의미한다. 그리고 가지의 길이(branch length)는 분류군 사이에 진화론적 거리를 추정하고 있다. 잡아당긴 공간은 거대하다. 그리고 그들은 이미 그들이 원하는 그림을 그려 놓고 있다. 그래서 이 전체 시도는 순환논법(circular reasoning)에 기초한다.
만약 프로그램이 진화론적 가정과 일치하는 나무가 나온다면, 높은 점수가 매겨질 것이다. 반면에 그렇지 않은 나무는 제거될 것이다. 이것은 진화가 경험적으로 확립될 수 있다는 어떠한 확실성을 제공하고 있는가? 아니면, 이것은 대학에 있는 과학자들이 다윈주의자의 컴퓨터를 가지고 놀면서, 그들의 시간을 어떻게 보내고 있는지를 보여주고 있는가?
진화론의 과학 논문들은 돌연변이와 자연선택이 어떻게 최초의 제왕나비, 핀치새, 가지나방 등을 만들었는지를 설명하는 대신에, 공통조상이 사실인지 아닌지에 관한 질문도 없이, 독립적으로 입증하기 불가능한, 그리고 객관적으로 계산하기 불가능한 계통발생적 관계를 밝히는 데에만 사로잡혀 있는 것처럼 보인다.
*참조 : Evolutionary Trees Are All Wrong
https://crev.info/2022/06/evolutionary-trees-all-wrong/
번역 - 미디어위원회
링크 - http://www.creationsafaris.com/crev0702.htm#darwin148
출처 - CEH, 2002. 7. 25