Empirical Bayes Shrinkage of Functional Effects, with Application to Analysis of Dynamic eQTLs

기술 요약: 기능적 효과의 경험적 베이즈 수축 (FASH)

문제 정의
현대 유전체학, 특히 동적 발현 양적 형질 위치(dynamic eQTL) 연구는 연속적인 조건 변수(예: 시간, 산소 농도)에 따라 유전 변이가 유전자 발현에 미치는 효과를 측정하는 방대한 데이터셋을 생성합니다. 이러한 연구는 여러 시점에서 수천에서 수백만 개의 유전체 단위(유전자-변이 쌍)에 대한 노이즈가 섞인 효과 추정치를 생성합니다. 주요 과제는 다음과 같습니다:

1. 추정(Estimation): 노이즈가 있는 데이터로부터 기저에 깔린 "효과 함수"(조건에 따라 효과가 어떻게 변하는지)를 정확하게 복원하는 것.
2. 가설 검정(Hypothesis Testing): 효과 함수의 형태에 대해 제한적인 모수적 가정을 하지 않고도, 어떤 단위가 영(null) 또는 기저(baseline) 행동(예: 시간에 따른 변화 없음, 또는 선형적 변화)에서 벗어나는지 식별하는 것.
3. 보정(Calibration): 대립 가설 하에서의 사전 분포가 잘못 지정(misspecified)되었을 때(고차원 기능적 데이터에서 흔히 발생하는 문제), 경험적 베이즈(Empirical Bayes, EB) 추론이 보정되고 보수적인 상태를 유지하도록 하는 것.

방법론: 기능적 적응형 수축 (FASH)
저자들은 각 단위가 효과 함수를 추정하는 관측 단위의 공동 분석을 위해 설계된 경험적 베이즈 프레임워크인 FASH를 소개합니다.

• 통계적 프레임워크:

  • 데이터 모델: 각 단위 $j$에 대해, 이산적인 시점에서의 관측된 효과 추정치 $\hat{\beta}_j(t)$는 알려진 표준 오차를 가진 진정한 기저 함수 $\beta_j(t)$를 중심으로 정규 분포를 따르는 것으로 모델링됩니다.
  • 사전 분포 지정 (L-GP 계열): 이 방법은 선형 미분 연산자로 정의되는 가우시안 프로세스(GP) 계열인 L-GP 계열을 활용합니다. 기저 모델 $S_0$는 선형 미분 연산자 $L$에 의해 정의됩니다 (예: 상수 함수를 위한 $L=D_1$, 선형 함수를 위한 $L=D_2$). 사전 분포는 $\beta \sim \text{L-GP}(\sigma)$를 가정하며, 여기서 $\sigma$는 기저 공간 $S_0$로부터의 편차를 정량화합니다.
  • 적응형 혼합 사전 분포 (Adaptive Mixture Priors): 데이터 기반의 수축을 허용하기 위해, FASH는 L-GP 사전 분포의 혼합인 $g_\beta = \sum \pi_k \text{L-GP}(\sigma_k)$를 사용합니다. 혼합 가중치 $\pi_k$는 모든 단위를 통해 최대 가능도 추정(MLE)을 통해 학습되며, 이는 각 단위의 데이터가 기저 모델에 얼마나 잘 부합하는지에 따라 수축량을 적응적으로 조절하기 위해 정보를 통합합니다.
  • 사후 추론 (Posterior Inference): 공액성(conjugacy) 덕분에 각 단위의 사후 분포 또한 GP의 혼합 형태를 띱니다. 이를 통해 사후 평균(매끄러운 효과 함수)과 신뢰 구간을 계산할 수 있습니다.

• 가설 검정:

  • FASH는 **국소 허위 발견율(lfdr)**과 **국소 허위 부호율(lfsr)**을 계산합니다.
  • $H_0: \beta_j \in S_0$를 검정하는 것은 해당 단위가 혼합 모델의 영(null) 구성 요소($k=0$)에 속할 사후 확률을 추정하는 것에 해당합니다.
  • 이 프레임워크는 단순한 기저 모델으로부터의 편차뿐만 아니라 임의의 범함수(functional) $F(\beta_j)$(예: "효과의 부호가 바뀌는가?" 또는 "효과가 중간 기간에 가장 강한가?")에 대한 검정을 지원합니다.

• 보수성을 위한 사전 분포 조정:

  • 대립 가설의 사전 분포가 잘못 지정되면 추론이 반-보수적(anti-conservative)이 되어(허위 발견율이 팽창됨) 문제가 될 수 있음을 인식하여, 저자들은 베이즈 인자(Bayes Factor, BF) 기반 조정을 제안합니다.
  • 영 가설 하에서 기대 베이즈 인자가 1이라는 성질을 활용하여, 알고리즘은 추정된 영 비율 $\hat{\pi}_0$를 $\hat{\pi}_0 \geq \pi_0$가 되도록 조정함으로써 보수적인 상태를 유지합니다. 이는 대립 가설의 사전 분포 군이 잘못 지정되더라도, 영 모델이 올바르게 지정되어 있다면 결과적인 추론이 보수적임을 보장합니다.

주요 결과: 동적 eQTL에 대한 적용
저자들은 19개의 세포주가 약 16일 동안 심근세포로 분화하는 과정을 다룬 Strober 등(2019)의 동적 eQTL 데이터셋을 재분석하는 데 FASH를 적용했습니다 (약 100만 개의 유전자-변이 쌍).

• 발견 능력 (Discovery Power): 상수 기저 모델($L=D_1$)을 사용하여, FASH는 FDR 0.05에서 9,205개의 동적 eQL (1,177개 유전자)을 식별했습니다. 이는 선형 및 이차 모델을 사용한 기존 연구(각각 5,404개 및 6,824개 식별)와 비교했을 때 상당한 증가입니다.
• 유연성 (Flexibility): FASH는 모수적 모델이 놓친 다양한 시간적 패턴, 즉 효과 강도의 급격한 변화 및 비단조적 궤적을 성공적으로 포착했습니다.
• 특성화 (Characterization): 선형 기저 모델($L=D_2$)을 사용하여, FASH는 44개의 비선형 동적 eQTL (9개 유전자)을 식별했습니다.
• 새로운 생물학적 통찰: 저자들은 동적 eQTL을 시간적 패턴(초기, 중기, 후기, 그리고 효과의 방향이 바뀌는 "스위치")으로 분류했습니다. 유전자 세트 풍부도 분석(GSEA) 결과, "스위치" 동적 eQTL은 줄기 세포의 증식 및 분화에 영향을 미치는 경로인 저산소증(hypoxia) 및 K-Ras 활성화에 의해 상향 조절되는 유전자들이 유의미하게 농축되어 있음을 보여주었습니다.
• 소프트웨어: 이 방법은 요약 통계량(summary statistics)을 기반으로 작동하는 R 패키지 fashr로 구현되어 있어, 개별 수준의 데이터가 불가능한 경우에도 적용 가능합니다.

의의 및 주장
본 논문은 FASH가 기능적 데이터의 공동 분석을 위해 모수적 형태를 요구하지 않으면서도 이를 확장할 수 있는 유연하고 원칙적인 통계적 프레임워크를 제공한다고 주장합니다. 주요 기여는 다음과 같습니다:

1. 적응형 평활화 (Adaptive Smoothing): 효과 함수의 형태에 대해 미리 지정된 모수적 형식을 요구하지 않고도, 단위 간의 적응형 평활화 및 정보 공유를 가능하게 합니다.
2. 강건한 가설 검정 (Robust Hypothesis Testing): 보정된 오류율을 갖는 기능적 형태(예: 비선형성, 부호 전환)에 대한 복잡한 가설 검정을 위한 통합된 프레임워크를 제공합니다.
3. 보수적 추론 (Conservative Inference): 제안된 BF 기반 조정은 사전 분포의 오지정에 관한 경험적 베이즈 방법의 알려진 한계를 해결하여, 고차원 설정에서도 보수적인 추론을 보장합니다.
4. 실용적 유용성 (Practical Utility): 요약 통계량으로 작동하고 접근 가능한 R 패키지를 제공함으로써, FASH는 기존 동적 eQTL 연구의 재분석과 개별 수준 데이터 접근이 제한적인 새로운 데이터셋의 분석을 용이하게 합니다.

저자들은 FASH가 동적 eQTL에 대해 입증되었으나, 이 방법론이 일반적이며 공간 데이터나 단일 세포 RNA 시퀀싱 궤적을 포함한 다른 기능적 데이터 설정에도 적용 가능하다는 점을 언급했습니다.