부록 C07: 통계물리의 직관

5 분 소요

이 장에서 배울 것

이번 장에서는 작은 분자 하나하나의 움직임과, 많은 분자가 모였을 때 보이는 전체 성질을 연결하는 생각법을 배웁니다. 이 분야를 통계물리(statistical physics)라고 합니다. 이름은 어렵지만 핵심은 간단합니다. 하나하나는 예측하기 어렵지만, 많이 모이면 패턴이 보인다는 생각입니다.

핵심 용어를 먼저 정리하겠습니다.

미시상태(microstate): 분자 하나하나가 정확히 어디에 있고 어떻게 움직이는지까지 모두 정한 아주 자세한 상태입니다.
거시상태(macrostate): 온도, 압력, 농도처럼 전체적으로 관찰되는 큰 상태입니다.
앙상블(ensemble): 가능한 많은 미시상태를 한꺼번에 생각하는 가상의 모음입니다. 연구자는 실제 분자 하나만 보지 않고 가능한 상태 전체를 함께 생각할 때가 많습니다.
볼츠만 분포(Boltzmann distribution): 에너지가 낮은 상태가 더 자주 나타나고, 에너지가 높은 상태는 덜 자주 나타난다는 경향을 수학적으로 표현한 분포입니다.
열적 요동(thermal fluctuation): 온도 때문에 분자들이 계속 흔들리고 움직이는 현상입니다.

통계물리의 직관

가장 쉬운 비유: 한 사람의 움직임은 모르지만 군중의 흐름은 보입니다

지하철역에 사람이 아주 많다고 해봅시다. 한 사람 한 사람이 정확히 어느 방향으로 몇 초 뒤에 움직일지 맞히기는 어렵습니다. 하지만 전체적으로는 출구 방향으로 사람이 몰린다거나, 출근 시간에는 플랫폼이 붐빈다는 식의 패턴을 볼 수 있습니다.

분자도 비슷합니다. 단백질 안의 원자 하나가 다음 순간 정확히 어디로 움직일지는 매우 복잡합니다. 하지만 많은 분자와 많은 순간을 함께 보면, 어떤 구조가 더 안정한지, 어떤 상태가 더 자주 나타나는지, 온도가 높아지면 움직임이 얼마나 커지는지 같은 전체 패턴을 말할 수 있습니다.

통계물리는 바로 이 중간다리입니다. 너무 작은 세계의 불규칙한 움직임을, 우리가 이해할 수 있는 큰 성질로 연결합니다.

미시상태와 거시상태

미시상태는 세부사항을 모두 적은 상태입니다. 물 한 컵 안에 있는 모든 물 분자의 위치와 속도까지 다 적는다고 생각하면 됩니다. 현실적으로는 거의 불가능할 정도로 정보가 많습니다.

거시상태는 우리가 실제로 측정하기 쉬운 상태입니다. 예를 들어 물의 온도가 25도인지, 얼음인지 액체인지, 압력이 얼마인지 같은 정보입니다. 거시상태는 미시상태보다 훨씬 적은 정보만 담지만, 실험과 해석에서는 매우 유용합니다.

중요한 점은 하나의 거시상태가 수많은 미시상태로 만들어질 수 있다는 것입니다. 온도가 25도인 물이라고 해도, 그 안의 분자 하나하나의 정확한 배치는 셀 수 없이 많습니다. 그래서 생체분자를 이해할 때도 “정확히 한 가지 모양만 있다”고 생각하면 위험합니다. 단백질은 하나의 딱딱한 조각상이 아니라, 여러 비슷한 상태 사이를 흔들리는 분자입니다.

에너지가 낮은 상태가 더 자주 나타납니다

자연계에서는 보통 에너지가 낮고 안정한 상태가 더 자주 나타납니다. 공을 언덕 위에 올려두면 아래로 굴러갑니다. 아래쪽이 더 안정하기 때문입니다. 분자도 마찬가지입니다. 단백질은 가능한 여러 접힘 상태 중에서 상대적으로 안정한 상태를 더 자주 가집니다.

하지만 여기서 조심할 점이 있습니다. 에너지가 높은 상태가 절대 나타나지 않는 것은 아닙니다. 온도가 있으면 분자는 계속 흔들립니다. 그래서 가끔은 에너지가 조금 높은 상태도 나타날 수 있습니다. 볼츠만 분포는 바로 이 경향을 설명합니다. 낮은 에너지 상태는 자주, 높은 에너지 상태는 드물게 나타난다는 것입니다.

이 생각은 단백질 접힘, 약물 결합, 막 단백질의 모양 변화, 효소 반응의 전이상태를 이해할 때 중요합니다.

앙상블은 가능한 상태들의 묶음입니다

앙상블은 처음 보면 이상한 말입니다. 하지만 쉽게 말하면 “가능한 경우들을 한꺼번에 모아 생각하는 방법”입니다. 실제 단백질 하나만 보면 그 순간의 모양 하나만 볼 수 있습니다. 그러나 연구자는 그 단백질이 가질 수 있는 여러 모양, 여러 에너지 상태, 여러 움직임을 함께 생각해야 합니다.

예를 들어 어떤 단백질이 열린 모양과 닫힌 모양을 오간다고 합시다. 한 장의 구조 그림만 보면 단백질이 고정된 것처럼 보입니다. 하지만 실제로는 열린 상태와 닫힌 상태가 일정 비율로 존재할 수 있습니다. 이때 단백질을 이해하려면 두 상태를 모두 포함한 앙상블 관점이 필요합니다.

열적 요동은 생체분자의 정상 상태입니다

생체분자는 절대 멈춰 있지 않습니다. 체온 정도의 온도에서도 원자와 분자는 계속 진동하고 흔들리고 부딪힙니다. 이런 움직임을 열적 요동이라고 합니다.

열적 요동은 단순한 방해물이 아닙니다. 어떤 효소는 작은 흔들림 덕분에 기질을 더 잘 받아들입니다. 어떤 단백질은 구조가 조금씩 흔들리며 신호를 전달합니다. 세포 안의 분자들은 완벽하게 정렬된 기계 부품처럼 움직이지 않고, 계속 흔들리는 환경 속에서 기능합니다.

그래서 구조생물학 그림을 볼 때는 “이 모양으로 영원히 얼어붙어 있다”고 생각하면 안 됩니다. 그림은 대표 장면이고, 실제 분자는 그 근처에서 계속 움직이는 영상에 가깝습니다.

계산생물학에서 왜 중요할까

계산생물학에서 통계물리의 사고는 매우 자주 등장합니다. 단백질 구조 예측은 안정한 상태를 찾는 문제와 연결됩니다. 분자 동역학은 원자들이 시간에 따라 어떻게 움직이는지 계산합니다. 약물 결합 예측은 결합한 상태와 결합하지 않은 상태의 에너지 차이를 따집니다.

또한 생물 데이터 자체도 흔들림과 잡음을 가집니다. 한 세포에서 유전자가 켜지는 정도는 매번 똑같지 않습니다. 단일세포 데이터에서는 이런 확률적 변동을 자주 봅니다. 통계물리적 사고는 “생명체는 완벽히 결정된 기계가 아니라, 확률적 흔들림 위에서 안정된 기능을 만드는 시스템”이라는 관점을 줍니다.

데이터 해석 관점: 한 번의 관찰보다 빈도와 분포를 봅니다

통계물리에서 가장 중요한 습관은 “한 번 본 장면”보다 “여러 번 보았을 때 어떤 장면이 얼마나 자주 나오는가”를 보는 것입니다. 예를 들어 단백질이 열린 상태 80번, 닫힌 상태 20번 관찰되었다면, 열린 상태가 이 조건에서 더 자주 나타나는 상태라고 말할 수 있습니다. 이것은 열린 상태가 항상 옳다거나 닫힌 상태가 틀렸다는 뜻이 아닙니다. 두 상태가 모두 가능하지만, 조건에 따라 나타나는 비율이 다르다는 뜻입니다.

생물정보학 데이터에서도 같은 생각이 필요합니다. 단일세포 RNA-seq에서 어떤 유전자가 모든 세포에서 똑같이 발현되지 않는 것은 이상한 일이 아닙니다. 세포마다 상태가 조금씩 다르고, 측정에도 잡음이 있기 때문입니다. 따라서 연구자는 평균, 분포, 드문 상태, 상태 사이의 비율을 함께 봐야 합니다.

상태 A: 80회 관찰
상태 B: 15회 관찰
상태 C: 5회 관찰

이 표에서 A는 가장 자주 관찰된 상태입니다. 하지만 B와 C가 “없는 상태”는 아닙니다. 드문 상태라도 약물 결합, 효소 반응, 세포 운명 전환에서는 중요할 수 있습니다.

초보자가 자주 하는 오해

첫째, “에너지가 낮은 상태만 존재한다”고 생각하면 안 됩니다. 낮은 에너지 상태가 더 자주 나타날 뿐, 온도 때문에 높은 에너지 상태도 가끔 나타날 수 있습니다.

둘째, “구조 그림 하나가 실제 분자의 전부”라고 생각하면 안 됩니다. 구조 그림은 대표 장면입니다. 실제 분자는 그 주변에서 계속 흔들리고, 여러 상태 사이를 오갈 수 있습니다.

셋째, “잡음은 무조건 버려야 할 오류”라고 생각하면 안 됩니다. 측정 오류는 줄여야 하지만, 생물학적 요동 자체는 실제 생명 현상의 일부일 수 있습니다. 단일세포 데이터에서 보이는 변동성은 때로 세포 상태 차이를 알려주는 단서가 됩니다.

이전 개념과 다음 개념의 연결

앞에서 배운 에너지, 열, 확률 개념은 여기서 상태의 빈도와 안정성으로 연결됩니다. 다음 장의 생체고분자 물리에서는 이 관점을 DNA, RNA, 단백질 같은 긴 분자 사슬에 적용합니다. 즉 “분자는 하나의 고정된 물체가 아니라 가능한 여러 상태의 묶음”이라는 생각이 다음 장의 출발점입니다.

보강 학습: 볼츠만 직관과 `P ∝ e^(-E/kBT)`

통계물리에서 자주 만나는 직관은 “낮은 에너지 상태가 더 자주 보이지만, 높은 에너지 상태도 완전히 사라지지는 않는다”입니다. 이를 짧게 표현하면 P ∝ e^(-E/kBT)입니다. P는 어떤 상태가 나타날 가능성, E는 그 상태의 에너지, kB는 볼츠만 상수, T는 절대온도이며, kBT는 온도에서 오는 열에너지의 대표 크기입니다. 실제로는 절대 에너지 하나보다 “상태 A와 상태 B의 에너지 차이”를 비교하는 데 더 많이 씁니다.

이 식은 외우기보다 방향을 읽는 것이 중요합니다. E가 커지면 -E/kBT가 더 작아지고, e의 지수 때문에 가능성이 빠르게 줄어듭니다. 반대로 T가 커지면 같은 에너지 차이도 상대적으로 덜 커 보이므로 높은 에너지 상태가 조금 더 나타날 수 있습니다.

예를 들어 상태 A의 에너지를 0, 상태 B의 에너지를 1kBT만큼 높다고 합시다. 그러면 B는 A보다 대략 e^-1 ≈ 0.37배 정도로 덜 나타납니다. 상태 C가 3kBT만큼 높다면 e^-3 ≈ 0.05배 정도로 훨씬 드뭅니다. 정확한 확률값보다 중요한 것은 에너지 차이가 분포의 모양을 바꾼다는 점입니다.

에너지 차이	상대적으로 나타날 가능성의 감각
`0 kBT`	기준 상태와 비슷하게 자주 보일 수 있습니다
`1 kBT`	꽤 줄지만 여전히 관찰될 수 있습니다
`3 kBT`	훨씬 드문 상태가 됩니다

계산생물학에서는 이 관점이 단백질 구조 앙상블, ligand binding, 분자동역학 trajectory, 단일세포 발현 분포 해석에 연결됩니다. 드문 상태가 무조건 오류는 아닙니다. 다만 드문 상태 하나를 발견했다고 해서 바로 기능적으로 결정적이라고 단정해서도 안 됩니다. 빈도, 에너지, 실험 잡음, 생물학적 맥락을 함께 봐야 합니다.

핵심 정리

통계물리는 작은 분자의 불규칙한 움직임과 큰 규모에서 보이는 안정된 패턴을 연결합니다. 미시상태는 분자 하나하나까지 모두 포함한 자세한 상태이고, 거시상태는 온도나 압력처럼 전체적으로 관찰되는 상태입니다. 낮은 에너지 상태는 더 자주 나타나지만, 온도 때문에 분자는 계속 흔들립니다. 앙상블 관점은 생체분자를 하나의 고정된 모양이 아니라 가능한 여러 상태의 묶음으로 보게 해줍니다.