기술 요약: 다기관 오믹스 연구에서 배치 효과가 연합 학습에 미치는 악영향

문제 정의

연합 학습(Federated Learning, FL)은 민감한 환자 수준의 데이터를 교환하지 않고도 기관들이 협력하여 모델을 학습할 수 있게 해주는 개인정보 보호 프레임워크를 제공한다. 그러나 다기관 오믹스 연구에서 연합 학습의 성능은 실험 조건, 장비 또는 프로토콜의 차이로 인해 발생하는 체계적 편향인 **배치 효과(batch effects)**에 의해 크게 저해된다.

배치 효과 보정(Batch Effect Correction, BEC)은 중앙 집중식 분석에서는 표준적인 절차이지만, 분산된 환경에서의 적용은 여전히 충분히 규명되지 않았다. 기존의 분산형 BEC 도구들은 다음과 같은 결정적인 한계점을 가진다:

• 적용 가능성: FedscGen 및 federated Harmony와 같은 방법들은 단일 세포 RNA-seq을 위해 설계되었으며, 샘플 크기가 작은 경우가 많은 벌크(bulk) 오믹스 데이터에는 적합하지 않을 수 있다.
• 보안성: d-ComBat와 같은 도구는 수동적인 데이터 조정이 필요하며 디자인 행렬(design matrices)을 노출시켜 재구성 공격(reconstruction attacks)에 대한 취약성을 만든다.
• 데이터 처리: 대부분의 기존 도구는 결측값의 전처리나 임퓨테이션(imputation)을 요구하며, 이는 비무작위적 결측(non-random missingness)이 빈번하게 발생하는 벌크 오믹스 데이터셋(예: 단백질체학 및 대사체학)에는 부적합하다.

저자들은 보정되지 않은 배치 효과가 분산된 데이터의 다운스트림 연합 분석에 부정적인 영향을 미치며, 이에 따라 개인정보를 보호하면서도 견고한 BEC 솔루션이 필요하다고 가설을 세웠다.

방법론: fedRBE 프레임워크

이러한 과제를 해결하기 위해 저자들은 인기 있는 R 패키지인 limma의 removeBatchEffect() 메서드를 연합 방식으로 구현한 fedRBE를 소개한다. 이 프레임워크는 데이터 프라이버시를 보장하는 동시에 정확한 배치 보정을 가능하게 하기 위해 **연합 학습(FL)**과 **안전한 다자간 계산(SMPC)**을 통합한다.

핵심 기술 구성 요소

1. 알고리즘 기초:

   • fedRBE는 배치 효과와 알려진 생물학적 공변량(covariates)을 조정하기 위해 선형 모델링을 활용한다.
   • ComBat 기반 접근 방식과 달리, 이는 사전 임퓨테이션 없이도 결측값이 있는 데이터셋을 기본적으로 지원하며, 이는 단백질체학 및 대사체학을 위한 중요한 기능이다.
   • 또한, 클라이언트 간의 비동일한 특징 집합(예: 서로 다른 유전자 또는 단백질 검출)을 처리하기 위해 보정을 위한 특징의 합집합(union of features)을 계산한다.

2. 프라이버시 보존 워크플로우 (FL + SMPC):

   • 설정: 코디네이터가 FeatureCloud 플랫폼을 통해 워크플로우를 시작한다. 참여자들은 로컬 데이터(.csv)와 설정 파일(.yml)을 로컬 Docker 컨테이너에 업로드하며, 원본 데이터는 사이트를 절대 떠나지 않는다.
   • 특징 선택: 코디네이터는 공변량의 교집합과 최소 3개 이상의 클라이언트에 존재하는 특징의 합집합을 식별한다(이는 SMPC 프로토콜의 요구사항이다).
   • 안전한 집계:
     • 각 클라이언트는 로컬 데이터와 디자인 행렬을 기반으로 로컬 중간 행렬($X^T X$ 및 $X^T y$)을 계산한다.
     • 가법적 비밀 공유(Additive Secret Sharing): 재구성 공격을 방지하기 위해, 클라이언트는 이러한 행렬들을 무작위 쉐어(shares)로 나눈다. 이 쉐어들은 교환 및 집계되어, 코디네이터가 개별 클라이언트의 기여도에 접근하지 않고도 오직 글로벌 합계($\sum X^T X$ 및 $\sum X^T y$)만을 받도록 한다.
   • 보정: 코디네이터는 집계된 합계로부터 글로벌 회귀 계수($\beta$)를 계산하고 이를 클라이언트들에게 다시 브로드캐스트한다. 각 클라이언트는 이후 자신의 로컬 데이터를 보정하기 위해 이 계수들을 적용한다.

3. 검증 전략:

   • 저자들은 네 가지 실제 다기관 데이터셋에 대해 fedRBE를 평가하였다:
     1. MS 기반 단백질체학 (E. coli).
     2. 마이크로어레이 기반 난소암 전사체학.
     3. ccRCC 단백질체학.
     4. Quartet 멀티오믹스 (전사체학, 단백질체학, 대사체학).
   • 이들은 fedRBE의 출력을 중앙 집중식 limma 결과와 비교하였으며, 다운스트림 성능을 평가하기 위해 연합 k-평균 클러스터링(비지도 학습) 및 연합 랜덤 포레스트 분류(지도 학습)를 사용하였다.
   • 두 가지 훈련 시나리오가 테스트되었다: 클라이언트 내 분할(70:30) 및 리브-원-센터-아웃(훈련은 $N-1$개 센터에서, 테스트는 제외된 센터에서 수행).

주요 결과

1. 중앙 집중식 BEC와의 수치적 등가성

fedRBE는 데이터를 통합하여 적용한 limma::removeBatchEffect()의 결과와 수학적으로 동일한 결과를 생성한다.

• 정밀도: fedRBE와 중앙 집중식 결과 사이의 최대 절대 요소별 차이는 매우 미미했다 ($\le 2.49 \times 10^{-13}$).
• 견고성: 이러한 등가성은 강한 데이터 불균형이 있는 시뮬레이션 시나리오에서도 유지되었다.
• 분산 감소: fedRBE 보정 후, 배치별 분산은 모든 데이터셋에서 15~99%에서 거의 0으로 감소하였다.

2. 연합 학습 성능에 미치는 영향

연구는 보정되지 않은 배치 효과가 특히 모델이 보지 못한 센터로 일반화되어야 하는 시나리오에서 연합 학습 성능을 심각하게 저하시린다는 것을 보여준다.

• 비지도 학습 (k-means):

  • BEC가 없으면 클러스터링이 생물학적 신호가 아닌 기술적 배치 차이에 의해 지배되어 타겟 클래스를 식별하는 데 실패한다.
  • fedRBE를 적용하면 Adjusted Rand Index (ARI)가 크게 향arly하여, 중앙값 0.7–1.0에 도달하며 생물학적으로 의미 있는 구조를 성공적으로 복구한다.

• 지도 학습 (Random Forest):

  • Leave-One-Center-Out: BEC는 일반화를 위해 필수적이었다. E. coli 데이터셋에서 BEC를 적용했을 때, 중간 Matthews Correlation Coefficient (MCC)가 0(무작위 예측)에서 1(완벽한 분류)로 증가했다. 또한 결과의 변동성을 줄이고 모델 수렴을 안정화했다.
  • Within-Client Split: 보정된 경우와 보정되지 않은 경우 모두 높은 성능(완벽에 가까움)을 보였는데, 이는 테스트 세트가 훈련 세트와 동일한 배치 특성을 공유할 때 모델이 배치별 패턴을 학습할 수 있음을 시사한다. 그러나 이는 센터 간의 일반화로 이어지지는 않는다.

의의 및 주장

본 논문은 프라이버시를 고려한 배치 효과 보정이 다기관 오믹스 연구에서 신뢰할 수 있는 연합 학습을 위해 필수적임을 주장한다. 구체적인 기여와 의의는 다음과 같다:

1. 벌크 오믹스를 위한 첫 번째 자동화 도구: fedRBE는 프라이버시를 유지하면서 결측값과 클라이언트 간의 비동-일한 특징 집합을 지원하는 벌크 오믹스 데이터용 최초의 완전 자동화된 BEC 도구로 제시된다.
2. 프라이버시 보존: FL과 SMPC를 결합함으로써, fedRBE는 재구성 공격을 방지하고 원본 데이터나 개별 디자인 행렬이 노출되지 않도록 하여 d-ComBat과 같은 기존 도구의 보안 문제를 해결한다.
3. 실용적 사용성: GUI를 갖춘 FeatureCloud 애플리케이션으로 구현된 fedRBE는 다양한 계산 배경을 가진 연구자들의 진입 장벽을 낮추어, 이전에는 배치 효과로 인해 불가능했던 분산 워크플로우를 가능하게 한다.
4. 경험적 검증: 본 연구는 보정되지 않은 배치 효과가 비지도 연합 학습을 무용하게 만들고 지도 연합 학습의 일반화 능력을 실질적으로 저하시킨다는 것을 보여주는 첫 번째 체계적인 평가를 제공하여, fedRBE와 같은 도구의 필요성을 입증하였다.

저자들은 fedRBE가 limma의 선형 모델링 제약을 상속받는다는 점(비선형 배치 효과나 카운트 기반 RNA-seq에는 불충분할 수 있음)과 비지도 학습 설정에서의 BEC가 실제 생물학적 변이를 과잉 보정할 위험이 있다는 점을 인정하며 신중한 태도를 유지하고 있다.