🧬 유전자 조합의 가능성은 수학적으로 얼마나 될까?

1. 출발점: 수학이 보는 '유전'의 기본 단위 🧩

계산을 시작하기 전에, 수학적으로 무엇을 '세는지'부터 정리해야 합니다. 경우의 수 문제에서 가장 흔한 실수는 세는 대상을 명확히 하지 않는 것이거든요. 유전학에서 세는 대상은 크게 네 층위로 나눌 수 있습니다.

사람의 몸을 이루는 대부분의 세포(체세포)에는 염색체가 46개 들어 있습니다. 이 46개는 아무렇게나 모인 게 아니라, 모양과 담긴 유전자 위치가 같은 두 개씩 짝(상동염색체)을 이루어 23쌍을 만듭니다. 각 쌍에서 하나는 엄마에게서, 하나는 아빠에게서 왔습니다. 22쌍은 상염색체이고, 마지막 1쌍은 성염색체(XX 또는 XY)입니다.

반면 정자와 난자 같은 생식세포에는 각 쌍에서 하나씩만 골라 담은 23개의 염색체만 들어갑니다. 정자 23개 + 난자 23개가 합쳐져 다시 46개가 되는 것이죠. 이 "쌍에서 하나씩 고르기"가 바로 오늘 이야기의 핵심 엔진입니다. 수학적으로 말하면 '둘 중 하나를 고르는 선택을 23번 독립적으로 반복'하는 문제가 됩니다.

2. 1단계 계산: 한 사람이 만들 수 있는 생식세포는 몇 종류? 🎲

감수분열 과정에서 23쌍의 상동염색체는 세포 가운데에 나란히 줄을 섭니다. 이때 각 쌍에서 "엄마 쪽에서 물려받은 염색체"가 어느 방향으로 갈지는 다른 쌍과 상관없이 정해집니다. 이것이 멘델이 발견한 독립의 법칙(독립 분리)의 세포 수준 실체입니다.

그러니 한 쌍마다 선택지는 2개("할머니 쪽 염색체" 또는 "할아버지 쪽 염색체"), 쌍은 23개. 곱의 법칙에 따라:

즉 한 사람은 염색체 구성이 서로 다른 생식세포를 약 839만 종류 만들 수 있습니다. 서울 인구와 비슷한 숫자가 한 사람의 몸 안에서 가능하다는 이야기예요. 작은 예로 감을 잡아볼까요? 염색체가 딱 3쌍인 가상의 생물을 생각해 봅시다.

그림처럼 쌍이 3개면 8가지, 4개면 16가지, 10개면 1,024가지, 20개면 1,048,576가지(약 105만)가 됩니다. 쌍이 하나 늘 때마다 경우의 수는 두 배가 되죠. 이런 성장을 지수적 증가라고 부릅니다. 덧셈처럼 차곡차곡 쌓이는 게 아니라, 매 단계 전체가 통째로 복제되는 방식이라 체감 속도가 무시무시합니다.

참고로 개는 염색체가 78개(39쌍)라서 같은 방식으로 계산하면 생식세포 종류만 5천억을 넘습니다. 염색체 쌍의 수가 조금만 차이 나도 거듭제곱 때문에 결과는 수백·수천 배씩 벌어집니다.

3. 2단계 계산: 부모 한 쌍이 만들 수 있는 자녀의 조합 👨‍👩‍👧

이제 엄마와 아빠를 함께 놓아 봅시다. 엄마는 2²³가지 난자를, 아빠는 2²³가지 정자를 만들 수 있고, 어떤 난자와 어떤 정자가 만나는지는 서로 독립입니다. 다시 곱의 법칙:

지수법칙 aᵐ × aⁿ = aᵐ⁺ⁿ이 그대로 등장하죠. 결과는 약 70조 3,687억. 지금까지 지구에 태어났던 모든 인류의 수는 인구학자들의 추정으로 약 1,000억 명대(미국 인구조회국 PRB 추정 약 1,170억 명) 수준입니다. 즉 단 한 쌍의 부모가 염색체 섞기만으로 만들 수 있는 조합의 수가, 인류 역사 전체의 인원보다 수백 배 많습니다.

직접 확인하고 싶다면 아래처럼 간단히 계산해 볼 수 있습니다.

# 파이썬으로 확인하기
gamete = 2 ** 23
zygote = gamete * gamete
print(gamete)   # 8388608
print(zygote)   # 70368744177664
print(zygote == 2 ** 46)  # True

형제자매가 똑같이 태어날 확률은?

이 숫자를 확률로 바꿔 보면 더 실감이 납니다. 첫째 아이가 어떤 특정한 염색체 배열로 태어났다고 할 때, 둘째가 (교차를 무시하고) 정확히 같은 배열을 받을 확률은:

소수로 쓰면 0.000000000000014. 로또 1등(814만 5,060분의 1)을 연속 두 번 맞힐 확률이 약 1/(6.6×10¹³)이니, 대략 그와 비슷한 수준입니다. 물론 일란성 쌍둥이는 예외인데, 이들은 처음부터 하나의 수정란이 둘로 나뉜 것이라 '두 번 뽑기'가 아니라 '한 번 뽑은 결과를 복사'한 경우입니다. 수학적으로 완전히 다른 사건이죠.

형제는 평균 50%를 공유한다 — 그런데 왜 '평균'일까?

흔히 "형제자매는 유전자의 50%를 공유한다"고 말합니다. 이것은 기댓값입니다. 각 염색체 자리에서 둘째가 첫째와 같은 조부모 쪽 염색체를 받을 확률은 1/2이고, 그런 자리가 46개(엄마 쪽 23 + 아빠 쪽 23)이므로 같은 염색체를 공유하는 자리 수의 기댓값은 46 × 1/2 = 23, 즉 절반입니다.

하지만 이건 어디까지나 평균이라 실제 형제 사이에도 흔들림(분산)이 있습니다. 공유 자리 수 X가 이항분포 B(46, 1/2)를 따른다고 단순화하면 표준편차는 √(46 × 1/2 × 1/2) ≈ 3.4 자리입니다. 실제로는 염색체 길이가 제각각이고 교차가 일어나기 때문에 계산이 더 복잡하지만, 실제 가족 유전체 연구에서도 형제자매 간 공유 비율은 대략 40%대 초반에서 50%대 후반 사이로 흩어지는 것이 관찰됩니다. "50%"라는 말 뒤에 확률분포가 숨어 있다는 점, 기억해 두세요.

4. 3단계: 교차(재조합)가 판을 완전히 뒤집는다 🔀

지금까지는 염색체를 '통째로' 하나씩 고른다고 가정했습니다. 그런데 실제 감수분열에서는 짝을 이룬 상동염색체가 서로 바짝 붙어 일부 구간을 맞바꿉니다. 이를 교차(crossing over)라고 하고, 그 결과 새로운 조합의 염색체가 생기는 현상을 재조합(recombination)이라고 부릅니다.

교차가 왜 수학적으로 결정적일까요? 통째 선택에서는 한 염색체 자리의 선택지가 2개뿐이었습니다. 그런데 교차가 일어날 수 있는 지점이 많아지면, 염색체 하나가 "할아버지 조각과 할머니 조각을 어디서 이어 붙였는가"에 따라 수많은 모자이크가 됩니다.

단순 모델로 감 잡기

염색체 하나를 길이 방향으로 k개의 칸으로 나누고, 칸과 칸 사이 경계 (k−1)곳 각각에서 "교차가 일어난다/안 일어난다"를 독립적으로 정한다고 해 봅시다. 시작을 할아버지 쪽으로 할지 할머니 쪽으로 할지 2가지, 경계마다 2가지이니:

즉 염색체 한 개를 k개의 독립 칸으로 쪼개면, 그 염색체 하나가 마치 k쌍의 염색체처럼 행동합니다. 23개 염색체를 각각 10칸으로만 나눠도 생식세포 하나의 가능성은 2²³⁰ ≈ 1.7 × 10⁶⁹가 되고, 부모 두 사람을 합치면 2⁴⁶⁰ ≈ 3 × 10¹³⁸이 됩니다. 관측 가능한 우주의 원자 수가 흔히 10⁸⁰ 정도로 어림되는 것과 비교하면, 이미 우주가 '한참 작은' 규모입니다.

센티모건(cM): 거리를 확률로 재는 단위

유전학자들은 염색체 위 두 지점 사이의 '거리'를 자(cm)가 아니라 확률로 잽니다. 두 유전자 사이에서 재조합이 1% 확률로 일어나면 그 거리를 1센티모건(cM)이라고 정의합니다. 이 단위는 미국의 유전학자 토머스 헌트 모건의 이름에서 따왔고, 그의 제자 앨프리드 스터티번트가 1913년 초파리에서 최초의 유전자 지도를 그리면서 이 아이디어를 썼습니다.

여기서 재미있는 수학적 사실이 하나 있습니다. 두 지점이 아주 멀어도 관찰되는 재조합 빈도는 50%를 넘지 못합니다. 왜일까요? 두 지점 사이에서 교차가 홀수 번 일어나면 재조합형이 되고, 짝수 번(0회 포함) 일어나면 원래 조합으로 '되돌아가기' 때문입니다. 교차 횟수가 많아질수록 홀수·짝수가 될 확률이 각각 1/2에 가까워지고, 그래서 재조합 빈도는 0.5에 수렴합니다. 결국 아주 멀리 떨어진 두 유전자는 서로 다른 염색체에 있는 것처럼(독립적으로) 행동하게 됩니다.

5. 멘델의 완두콩으로 돌아가기: 퍼넷 사각형의 수학 🌱

이제 시야를 '염색체 전체'에서 '특정 유전자 몇 개'로 좁혀 봅시다. 1865년 그레고어 멘델이 발표한 완두콩 실험은 사실상 확률 계산의 교과서입니다.

유전자 1개: 3 : 1의 비밀

완두의 씨 모양 유전자에 둥근 형질을 만드는 대립유전자 R(우성)과 주름진 형질을 만드는 r(열성)이 있다고 합시다. 부모가 모두 Rr(이형접합)일 때, 각 부모는 R 또는 r을 1/2 확률로 자손에게 줍니다. 가능한 경우는 2 × 2 = 4가지:

유전자형 비율은 RR : Rr : rr = 1 : 2 : 1, 그리고 R이 하나라도 있으면 둥근 모양이므로 표현형 비율은 둥근 : 주름 = 3 : 1. 여기서 '2'는 "엄마가 R·아빠가 r"과 "엄마가 r·아빠가 R"이라는 서로 다른 두 경로가 같은 결과로 합쳐졌기 때문입니다. 순서를 구분하면 4가지, 결과만 보면 3가지 — 이 차이가 바로 순열과 조합의 차이입니다.

유전자 2개: 16칸과 9 : 3 : 3 : 1

씨 모양(R/r)과 씨 색깔(Y/y, 노랑 우성) 두 유전자를 동시에 보면, RrYy 부모 한쪽이 만드는 생식세포는 RY, Ry, rY, ry의 2² = 4종류. 양쪽을 곱하면 4 × 4 = 16칸의 퍼넷 사각형이 나옵니다.

표현형으로 묶으면 둥글고 노랑 9, 둥글고 초록 3, 주름지고 노랑 3, 주름지고 초록 1, 즉 9 : 3 : 3 : 1입니다. 이 비율은 사실 (3 : 1) × (3 : 1)을 전개한 것입니다. (3 + 1)² = 9 + 3 + 3 + 1. 독립인 두 유전자의 비율은 각 비율의 곱이라는 게 한눈에 보이죠.

유전자 n개로 일반화하기

이형접합인 유전자가 n개라면, 각 유전자는 독립적으로 행동하므로 모든 수치가 거듭제곱으로 늘어납니다(유전자들이 서로 다른 염색체에 있거나 충분히 멀리 떨어져 있다는 가정 아래).

왜 유전자형이 3ⁿ일까요? 유전자 하나당 가능한 유전자형이 AA, Aa, aa 3가지이고, 이를 n번 독립적으로 고르니 3ⁿ입니다. 유전자 10개면 유전자형은 3¹⁰ = 59,049가지, 퍼넷 사각형은 4¹⁰ = 1,048,576칸. 손으로 그리려면 A4 용지가 수천 장은 필요할 겁니다. 그래서 유전학자들은 사각형을 그리지 않고 곱의 법칙으로 계산합니다. 예를 들어 AaBbCc × AaBbCc에서 자손이 AABbcc일 확률은?

6. 대립유전자가 여러 개라면? 조합 공식의 등장 🩸

한 유전자 자리에 대립유전자가 꼭 두 종류만 있는 건 아닙니다. 대표 예가 ABO 혈액형으로, A, B, O 세 대립유전자가 있습니다. 사람은 이 중 두 개를 (중복을 허용해) 가지므로 유전자형은:

일반적으로 대립유전자가 k종류일 때 가능한 유전자형의 수는 'k개 중 2개를 중복 허용해 순서 없이 고르는 경우의 수', 즉 중복조합 ₖH₂입니다.

k = 3이면 3 × 4 / 2 = 6, 맞죠? 동형접합(같은 것 2개) k가지 + 이형접합(서로 다른 것 2개) ₖC₂ = k(k−1)/2가지를 더해도 같은 결과가 나옵니다. 그런데 표현형은 4가지(A형, B형, AB형, O형)뿐입니다. A와 B는 O에 대해 우성이고, A와 B끼리는 둘 다 드러나는 공우성이기 때문에 AA와 AO가 같은 A형으로 보이는 것이죠. 유전자형의 수 ≥ 표현형의 수, 이 부등식이 "보이는 것이 전부가 아니다"를 수학적으로 말해 줍니다.

대립유전자가 많은 유전자에서는 이 숫자가 빠르게 커집니다. 면역과 관련된 HLA(사람 백혈구 항원) 유전자들은 인간 유전자 중 다양성이 가장 높은 축에 속해서, 국제 데이터베이스(IPD-IMGT/HLA)에 등록된 대립유전자 수가 수만 개에 이릅니다. 예를 들어 어떤 자리에 대립유전자가 1,000개만 있다고 해도 유전자형은 1,000 × 1,001 / 2 = 500,500가지. 장기 이식 때 기증자와 수혜자의 HLA를 맞추기가 어려운 이유가 바로 이 조합 폭발 때문입니다.

7. DNA 서열이라는 거대한 문자열: 4ⁿ의 세계 🔤

이제 가장 바닥 층위, 염기 서열로 내려가 봅시다. DNA는 A, T, G, C 네 글자로 쓰인 문자열입니다. 길이 n의 서열이 가질 수 있는 경우는 자리마다 4가지씩이므로 4ⁿ가지입니다.

왜 코돈은 3글자일까? — 경우의 수로 보는 진화적 '최소 설계'

단백질을 이루는 표준 아미노산은 20종류입니다. 만약 코돈이 2글자였다면 4² = 16가지라서 20종을 다 표현할 수 없습니다. 3글자면 4³ = 64가지로 충분하죠. 즉 4ⁿ ≥ 20을 만족하는 가장 작은 n이 3입니다. 남는 44가지는 버려지는 게 아니라, 여러 코돈이 같은 아미노산을 지정하는 '동의 코돈(축퇴)'과 번역을 끝내는 종결 코돈(3개)으로 쓰입니다. 예를 들어 류신·세린·아르지닌은 각각 6개의 코돈을 갖고, 메싸이오닌과 트립토판은 1개씩만 갖습니다. 이런 중복 덕분에 염기 하나가 바뀌어도 아미노산이 그대로인 경우가 많아, 돌연변이에 대한 일종의 오류 완충 장치가 됩니다.

이것은 정보이론의 언어로도 표현할 수 있습니다. 염기 1개는 4가지 중 하나이므로 log₂4 = 2비트의 정보를 담을 수 있고, 코돈 하나는 6비트, 20종의 아미노산을 구별하는 데 필요한 최소 정보는 log₂20 ≈ 4.32비트입니다. 6비트 공간에 4.32비트짜리 내용을 담으니 여유가 생기는 것이죠.

유전체 전체의 경우의 수는?

사람 유전체를 약 30억 글자로 잡으면, 같은 길이로 만들 수 있는 서로 다른 서열은 4^(3×10⁹)가지. 이 수를 10의 거듭제곱으로 바꾸면 지수는 3×10⁹ × log₁₀4 ≈ 3×10⁹ × 0.602 ≈ 18억. 즉 1 뒤에 0이 약 18억 개 붙는 수입니다. 이 숫자를 한 자리에 1mm씩 적어도 1,800km, 서울에서 부산을 두 번 왕복하고도 남는 길이의 종이가 필요합니다.

물론 이 대부분은 생물로서 작동할 수 없는 '의미 없는 문자열'입니다. 무작위 문자를 아무리 늘어놓아도 대부분은 문장이 되지 않는 것과 같아요. 중요한 포인트는 가능성의 공간은 상상을 초월할 만큼 넓고, 실제 생명은 그 안의 아주 좁은 영역에서만 존재한다는 것입니다.

단백질의 경우의 수: 20ⁿ

같은 논리를 단백질에 적용하면, 길이 n인 아미노산 사슬은 20ⁿ가지입니다. 길이 100짜리 작은 단백질만 해도 20¹⁰⁰ = 10^(100 × log₁₀20) ≈ 10^130.1, 약 1.27 × 10¹³⁰가지. 우주의 원자 수 어림값 10⁸⁰보다 10⁵⁰배나 큽니다. 그런데 사람 단백질의 평균 길이는 수백 개 아미노산에 이르니, 단백질 서열 공간은 그야말로 '무한에 가까운 바다'입니다. 생물학자들이 단백질 설계에 인공지능을 적극 활용하는 이유도 이처럼 전수조사가 원천적으로 불가능한 공간을 영리하게 탐색해야 하기 때문입니다.

8. 사람마다 실제로 얼마나 다를까? 숫자로 본 개성 🧑‍🤝‍🧑

가능성의 크기와 별개로, 실제 사람들 사이의 차이는 얼마나 될까요? 대규모 국제 연구(1000 Genomes Project 등)에 따르면 두 사람의 유전체를 비교하면 염기 서열은 대략 99.9%가 같고, 한 사람의 유전체는 표준 참조 유전체와 비교해 약 400만~500만 곳에서 차이를 보입니다. 이 중 대부분은 염기 한 글자가 다른 단일염기다형성(SNP)입니다.

"0.1%밖에 안 다르네?"라고 생각할 수 있지만, 수학적으로 보면 이야기가 달라집니다. 차이가 나는 자리가 수백만 개이고, 각 자리마다 적어도 2가지 이상의 변이가 있다면 조합은 최소 2^(수백만)입니다. 작은 비율 × 큰 기반 = 거대한 절대량, 이것이 99.9% 같은데도 모두가 다르게 생긴 비밀입니다.

법의학 DNA 감식의 확률 계산

이 다양성은 실생활에서도 쓰입니다. 범죄 수사나 친자 확인에서 쓰는 DNA 감식은 반복 서열 길이가 사람마다 다른 STR(짧은 연쇄 반복) 자리를 여러 곳 조사합니다. 미국 FBI의 CODIS 시스템은 2017년부터 20개의 핵심 STR 자리를 표준으로 쓰고 있습니다.

계산 원리는 여기서도 곱의 법칙입니다. 각 자리에서 특정 유전자형이 인구 중에 나타날 빈도가 예컨대 1/10 정도라고 하면, 자리들이 서로 독립일 때 20개 자리가 우연히 모두 일치할 확률은 대략 (1/10)²⁰ = 10⁻²⁰ 수준이 됩니다. 실제 빈도는 자리와 집단에 따라 다르고, 친척 관계나 집단 구조를 고려한 보정이 필요하지만, 핵심은 "하나하나는 흔한 특징이라도, 독립적인 특징을 여러 개 곱하면 사실상 유일해진다"는 점입니다. 이를 무작위 일치 확률(random match probability)이라고 부릅니다.

9. 다인자 형질과 종 모양 곡선: 이항분포가 정규분포가 되는 순간 📊

키, 피부색, 몸무게처럼 연속적으로 변하는 형질은 유전자 하나가 아니라 수많은 유전자의 작은 효과가 더해져 결정됩니다(물론 환경 영향도 큽니다). 이런 형질을 다인자 형질이라고 합니다. 단순한 모델로 계산해 봅시다.

키에 관여하는 유전자가 4개(대립유전자 총 8개)이고, 각 대립유전자가 '키를 키우는 쪽(+)'일 확률이 1/2이며, + 하나당 일정한 만큼 키가 커진다고 가정합니다. 그러면 + 대립유전자의 개수 k는 이항분포 B(8, 1/2)를 따르고, k개일 경우의 수는 ₈Cₖ입니다.

막대 위 숫자 1, 8, 28, 56, 70, 56, 28, 8, 1은 파스칼의 삼각형 여덟 번째 줄 그대로입니다. 합은 2⁸ = 256. 가장 극단적인 '모두 +'나 '모두 −'는 각각 256분의 1(약 0.39%)이고, 딱 중간(4개)은 70/256 ≈ 27.3%로 가장 흔합니다. 중간에 가까운 3~5개를 합치면 (56+70+56)/256 = 182/256 ≈ 71%. 그래서 대부분의 사람은 '평균 근처'에 모이고 양 끝은 드뭅니다.

유전자 수를 늘릴수록 막대는 촘촘해지고 모양은 점점 매끄러운 종 모양(정규분포)에 가까워집니다. 이것이 확률론의 꽃인 중심극한정리의 직관입니다. 많은 독립적인 작은 효과들의 합은, 개별 효과의 분포와 상관없이 정규분포에 가까워진다는 정리죠. 실제로 20세기 초 로널드 피셔는 1918년 논문에서 수많은 멘델 유전자의 작은 효과가 합쳐지면 연속적인 형질 분포가 나타난다는 것을 수학적으로 보여 주며, 당시 대립하던 '멘델 유전학'과 '연속 변이 연구'를 화해시켰습니다. 사람의 키가 종 모양 분포를 보이는 것도 이 원리와 연결됩니다.

10. 조건부확률로 보는 가계도: 숫자가 사람을 돕는 순간 🩺

유전 확률 계산이 가장 현실적으로 쓰이는 곳은 유전 상담입니다. 기초 수학 중 조건부확률이 빛을 발하는 대표 예시를 하나 풀어 보겠습니다.

많은 사람이 직관적으로 "1/2"이라고 답합니다. Aa × Aa의 자녀 중 Aa는 2/4 = 1/2이니까요. 하지만 문제에는 "건강하다"는 조건이 붙어 있습니다.

정답은 2/3입니다. 정보가 주어지면 표본 공간 자체가 줄어든다는 조건부확률의 핵심이 그대로 드러나죠. 이 형제가 나중에 보인자인 상대를 만나 아이를 가질 때, 그 아이가 질환을 가질 확률은 2/3 × 1/4 = 1/6로 계산됩니다(상대가 확실한 보인자라는 가정 아래). 이런 계산은 실제 유전 상담에서 기본 도구로 쓰이며, 여기에 유전자 검사 결과나 집단의 보인자 빈도를 더해 베이즈 정리로 확률을 정교하게 갱신합니다.

아이들의 성별 조합: 이항계수의 일상 버전

아이 넷을 둔 가족에서 아들 둘·딸 둘일 확률은 얼마일까요? 직관적으로 "반반이 가장 흔하니 꽤 높겠지" 싶지만, 각 아이의 성별 확률을 1/2로 단순화하면(실제 출생 성비는 남아가 약간 더 많습니다):

나머지 62.5%는 3:1(아들 셋 딸 하나 또는 그 반대, 합쳐서 8/16 = 50%)이나 4:0(2/16 = 12.5%)입니다. 즉 '정확히 반반'은 가장 흔한 단일 결과이지만, 과반은 아니다. 이 역시 이항분포가 알려 주는 반직관적 진실입니다.

11. 집단 수준의 수학: 하디-바인베르크 법칙 🌍

개인과 가족을 넘어 집단 전체로 시야를 넓히면, 기초 대수의 완전제곱식이 등장합니다. 1908년 영국 수학자 고드프리 하디와 독일 의사 빌헬름 바인베르크가 각각 독립적으로 발표한 이 법칙은 다음과 같습니다.

어떤 유전자 자리에 대립유전자 A의 빈도를 p, a의 빈도를 q라고 하면(p + q = 1), 무작위 교배 등 몇 가지 이상적 조건 아래에서 다음 세대 유전자형의 빈도는:

원리는 간단합니다. 집단 전체의 생식세포를 거대한 주머니라고 생각하고, 두 개를 무작위로 꺼내 짝지으면 AA가 될 확률은 p × p, aa는 q × q, Aa는 "A 다음 a" + "a 다음 A"로 2pq입니다. 중학교에서 배운 (a + b)² = a² + 2ab + b²이 그대로 생물 집단을 설명하는 셈이죠.

물론 하디-바인베르크 평형은 돌연변이, 자연선택, 이주, 작은 집단에서의 우연한 변동(유전적 부동), 무작위가 아닌 짝짓기가 없다는 이상적 가정 위에 서 있습니다. 실제 집단이 이 평형에서 얼마나 벗어나는지를 측정하면, 거꾸로 어떤 진화적 힘이 작용하고 있는지를 추리할 수 있습니다. 수학 모델이 '정답'이라기보다 비교의 기준선 역할을 하는 좋은 예입니다.

12. 계산의 한계와 정직한 해석: 숫자를 읽는 법 🧭

지금까지 본 숫자들은 모두 놀랍지만, 정확하게 이해하려면 각 계산이 깔고 있는 가정을 함께 봐야 합니다. 수학은 가정이 맞을 때만 결론도 맞으니까요.

또 하나 중요한 구분이 있습니다. '가능한 조합의 수'와 '실제로 다른 결과의 수'는 다릅니다. 앞서 보았듯 서로 다른 유전자형이 같은 표현형을 만들 수 있고(AA와 Aa), 같은 유전자형이라도 환경과 발생 과정의 우연에 따라 다른 모습이 될 수 있습니다. 일란성 쌍둥이가 유전적으로 거의 같은데도 지문이 다르고 성격이나 건강 상태가 달라질 수 있는 것이 그 예입니다. 유전자는 '설계도'라기보다 확률적인 레시피에 가깝습니다.

13. 한눈에 정리: 유전 다양성의 '숫자 사다리' 🪜

오늘 계산한 숫자들을 작은 것부터 큰 것 순서로 늘어놓아 보겠습니다. 숫자가 커지는 방식에 주목해 보세요. 매 단계마다 등장하는 수학 도구가 조금씩 달라집니다.

14. 마무리: 당신이라는 '확률적 기적'의 수학 ✨

정리해 보면, 부모 한 쌍이 염색체를 섞는 방식만으로도 약 70조 가지, 교차를 더하면 우주의 원자 수조차 초라해지는 규모의 조합이 가능합니다. 그리고 그 모든 계산은 결국 "독립이면 곱한다"는 기초 수학의 한 줄에서 시작했습니다. 거듭제곱은 다양성을 폭발시키고, 이항분포는 그 다양성이 왜 평균 근처에 모이는지 설명하며, 조건부확률은 그 숫자를 실제 사람의 삶을 돕는 판단으로 바꿔 줍니다.

이런 개념은 교과서 속 공식으로만 보면 딱딱하지만, 생명이라는 렌즈를 끼우면 갑자기 생생해집니다. 수학을 이렇게 '내 삶과 연결된 이야기'로 풀어 가르치는 방식은 학습 효과도 큽니다. 실제로 재능넷처럼 다양한 재능이 오가는 곳에서는 수학·과학 과외나 학습 콘텐츠 제작 재능을 찾는 사람이 꾸준한데, 이런 주제형 설명법이 특히 좋은 반응을 얻는 이유도 여기에 있습니다.

다음에 거울을 볼 때 한 번 떠올려 보세요. 지금의 나는 2⁴⁶을 훌쩍 넘는 가능성 중 단 하나로 실현된 결과이고, 그 뒤에는 수십억 년 동안 이어진 곱셈이 쌓여 있다는 사실을요. 🧬 수학은 그 기적을 숫자로 증명해 주는, 가장 정직한 언어입니다.