Poisson process factorization for mutational signature analysis with genomic covariates

1. 문제 정의 (Problem)

• 기존 방법의 한계: 돌연변이 서명 분석의 표준 방법은 비음수 행렬 분해 (Non-negative Matrix Factorization, NMF) 를 사용하여 환자별 돌연변이 카운트 행렬을 분해하는 것입니다. 그러나 이 방법은 전체 유전체에 걸쳐 돌연변이 발생률이 균일하다는 가정을 전제로 합니다.
• 현실적 문제: 실제로는 유전체 내 돌연변이 발생률은 균일하지 않습니다. 염색질 접근성, 복제 타이밍 (replication timing), 히스톤 변형 (histone modifications), DNA 메틸화, 그리고 종양 특이적인 복제수 변이 (copy number alterations) 등 다양한 요인에 따라 돌연변이율이 크게 달라집니다.
• 기존 해결책의 부족: 기존 연구들은 유전체를 구간으로 나누어 별도로 모델을 적합하거나, 사후 분석 (post-hoc) 으로 공변량과 서명 활동을 연관 짓는 방식을 사용했습니다. 하지만 서명 자체를 추정하는 과정과 공변량의 효과를 동시에 (jointly) 추정하는 방법은 존재하지 않았습니다.

2. 방법론 (Methodology)

저자들은 **포아송 과정 분해 (PPF)**라는 모델을 제안하여 위 문제를 해결했습니다.

• 비균질 포아송 점 과정 (Inhomogeneous Poisson Point Process):

  • 돌연변이를 유전체 상의 무작위 점들로 간주하고, 각 서명 $k$에 대해 위치 $t$에 의존하는 강도 함수 (intensity function) $\lambda_{ij}(t)$를 사용합니다.
  • 강도 함수는 다음과 같이 정의됩니다:
    $$\lambda_{ij}(t) = \sum_{k=1}^K r_{ik} \vartheta_{kj}(t)$$
    여기서 $r_{ik}$는 돌연변이 서명 (상수), $\vartheta_{kj}(t)$는 환자 $j$와 위치 $t$에 따라 변하는 서명 활동도입니다.

• 로그 - 선형 모델 (Log-linear Model) 을 통한 공변량 통합:

  • 서명 활동도 $\vartheta_{kj}(t)$는 유전체 공변량 $x(t)$와 환자별 복제수 $c_j(t)$를 기반으로 로그 - 선형 모델로 매개변수화됩니다:
    $$\vartheta_{kj}(t) = \frac{1}{2} \phi_{kj} c_j(t) \exp(\beta_k^\top x(t))$$
  • $\phi_{kj}$: 기준 활동도 (baseline activity).
  • $c_j(t)$: 환자별 복제수 (정상 복제수 2 대비 비율).
  • $\beta_k$: 회귀 계수로, 각 공변량이 특정 서명의 활동에 미치는 승법적 (multiplicative) 효과를 정량화합니다. (예: 메틸화 수준이 높을수록 특정 서명의 활동이 얼마나 증가/감소하는지).

• 베이지안 접근 및 자동 선택:

  • 압축적 사전분포 (Compressive Hyperpriors): 불필요한 서명을 자동으로 제거하기 위해 $\mu_k$ (서명 $k$의 관련성 가중치) 에 역감마 (Inverse Gamma) 분포를 사용하여, 필요 없는 서명의 활동을 0 에 가깝게 수축시킵니다. 이를 통해 사전에 정해진 서명 수 ($K$) 를 지정하지 않아도 됩니다.
  • 추정 알고리즘:
    1. MAP (Maximum A Posteriori) 추정: 대주최 - 최소화 (Majorization-Minimization, MM) 알고리즘과 뉴턴 방법을 결합하여 효율적인 점 추정을 수행합니다.
    2. MCMC (Markov Chain Monte Carlo): 불확실성을 정량화하고 완전한 베이지안 추론을 위해 타원형 슬라이스 샘플링 (elliptical slice sampling) 등을 활용한 MCMC 샘플러를 개발했습니다.

3. 주요 기여 (Key Contributions)

1. 공변량 기반의 통합 모델: 돌연변이 서명을 추정하는 동시에 유전체 공변량 (히스톤 변형, 복제 타이밍, 메틸화 등) 이 서명 활동에 미치는 영향을 동시에 추정합니다.
2. 위치 특이적 (Position-specific) 활동 추정: 기존 NMF 가 전체 유전체에 대해 일정한 활동도를 가정하는 것과 달리, PPF 는 유전체 위치마다 서명 활동도가 어떻게 변하는지를 모델링합니다.
3. 개별 돌연변이 귀속 (Attribution): 특정 위치에서 발생한 개별 돌연변이가 어떤 서명에 기인할 확률을 계산할 수 있게 하여, 생물학적 메커니즘 가설 생성에 기여합니다.
4. 자동 서명 수 선택: 압축적 사전분포를 통해 데이터에 적합한 서명의 수를 자동으로 선택하며, 계산적으로 비효율적인 순위 선택 절차를 피합니다.

4. 결과 (Results)

• 시뮬레이션 연구:
  • 다양한 시나리오 (독립적 및 상관관계 있는 공변량) 에서 PPF 모델이 기존 NMF (CompNMF) 보다 서명 ($R$), 활동도 ($\Theta$), 회귀 계수 ($B$) 를 더 정확하게 복원함을 보였습니다.
  • 특히 공변량을 포함하지 않은 모델에 비해 재구성 오차 (reconstruction error) 가 현저히 감소했습니다.
• 실제 데이터 적용 (유방암 ICGC 코호트, 113 명):
  • 서명 발견: COSMIC 데이터베이스의 서명 (예: SBS1, SBS2, SBS3, SBS5 등) 을 성공적으로 재발견했습니다.
  • 공변량 효과 규명:
    • 메틸화: 메틸화 수준이 높은 지역에서 SBS1 (C>T 돌연변이) 의 활동이 크게 증가함을 확인했습니다.
    • 복제 타이밍: 늦은 복제 타이밍 (late replication) 지역에서 산화 손상 (SBS7) 및 APOBEC 관련 서명 (SBS2) 의 활동이 증가하는 경향을 보였습니다.
    • 히스톤 변형: H3K9me3 (이질염색질) 영역에서 전반적인 돌연변이 부담이 증가하는 반면, H3K36me3 는 특정 서명 (SBS5, SBS6, SBS7) 의 활동을 억제하는 것으로 나타났습니다.
  • 모델 비교: PPF 는 공변량을 고려하지 않은 모델 (CompNMF, SignatureAnalyzer) 에 비해 유전체 영역별 돌연변이 수 예측 정확도 (RMSE) 가 더 높았습니다.
  • 귀속 분석: 특정 유전체 영역 (예: 복제 타이밍이 늦은 영역) 에서는 서명 8 (SBS8) 이, 빠른 영역에서는 서명 3 (SBS3) 이 우세하게 작용함을 보여주어, 기존 방법론이 놓칠 수 있는 미세한 생물학적 패턴을 포착했습니다.

5. 의의 및 결론 (Significance)

• 정밀 의학 (Precision Medicine) 지원: 돌연변이 서명의 활동을 유전체 맥락 (genomic context) 에서 해석함으로써, 특정 환자나 종양 부위에서 어떤 돌연변이 과정이 활발한지 더 정밀하게 파악할 수 있습니다.
• 생물학적 통찰력 제공: 돌연변이 발생 메커니즘과 유전체 구조 (히스톤 변형, 복제 타이밍 등) 사이의 인과적 관계를 통계적으로 규명하여, 새로운 생물학적 가설을 생성하는 데 기여합니다.
• 방법론적 발전: 돌연변이 분석 분야에서 NMF 기반의 정적 (static) 접근에서, 공변량을 고려한 동적 (dynamic) 포아송 과정 모델로의 전환을 이끌었습니다.

이 논문은 암 유전체학에서 돌연변이 서명 분석의 정확도와 해석력을 획기적으로 높일 수 있는 강력한 통계적 도구를 제시했습니다.