Bayesian Covariate-Varying Interaction Analysis for Multivariate Count Data: Application to Microbiome Studies

1. 연구 배경 및 문제 제기 (Problem)

• 다변량 계수 데이터의 복잡성: 마이크로바이옴 연구와 같은 생물학적 응용 분야에서 얻어지는 데이터는 종종 다변량 계수 (Multivariate Count) 형태입니다. 이러한 데이터는 이산성 (discreteness), 과산포 (over-dispersion), 구성성 (compositionality), 그리고 특징의 수 (OTU 등) 가 표본 크기보다 훨씬 큰 고차원성 (high dimensionality) 을 특징으로 합니다.
• 공분산의 이질성 (Heteroscedasticity) 과 공변량 의존성: 기존 다변량 분석 방법 (예: PCA, 공분산 추정) 은 데이터가 독립적이고 동일하게 분포되어 있다고 (i.i.d.) 가정하는 경우가 많습니다. 그러나 실제 세계 데이터, 특히 마이크로바이옴 데이터에서는 환경 요인 (공변량, covariates) 에 따라 미생물 간의 상호작용 (공분산 구조) 이 변하는 현상이 빈번하게 발생합니다.
• 기존 방법의 한계:
  • 대부분의 기존 방법 (SparCC, CCLasso, SPIEC-EASI 등) 은 로그 변환된 데이터를 사용하거나 표본 평균에 중심을 맞추며, 모든 공변량 조건에서 공분산 구조가 일정하다고 가정합니다.
  • 연속형 데이터를 위한 공분산 회귀 (Covariance Regression) 모델들은 이산형 계수 데이터에는 적합하지 않습니다.
  • 고차원 환경에서 공변량에 의존하는 공분산을 추정하는 것은 매개변수 수가 급증하여 계산적으로 매우 어렵습니다.

2. 제안된 방법론 (Methodology)

저자들은 베이지안 공변량 가변 상호작용 분석 (Bayesian Covariate-Varying Interaction Analysis) 을 위한 새로운 모델을 제안했습니다. 이 모델은 평균 (Mean) 과 공분산 (Covariance) 구조를 동시에 공변량의 함수로 모델링합니다.

A. 핵심 모델 구조

1. 라운드드 커널 모델 (Rounded Kernel Model):

   • 이산형 계수 데이터 ($Y$) 를 연속형 잠재 변수 ($Y^*$) 로 변환하여 모델링합니다.
   • $Y^*$ 는 로그-정규 분포를 따르며, 실제 관측된 계수 $Y$ 는 $Y^*$ 를 특정 구간 (rounding) 으로 적분하여 얻어집니다. 이를 통해 데이터의 이산성과 과산포를 자연스럽게 처리합니다.
   • 평균 ($\mu$) 은 공변량 ($x$) 에 대한 회귀 구조를 가지며, 베이지안 비모수적 접근 (Dirichlet Process Mixture) 을 사용하여 특징별 기저 풍부도 (baseline abundance) 의 큰 변동을 유연하게 포착합니다.

2. 공변량 가변 희소 인자 모델 (Sparse Covariate-dependent Factor Model):

   • 고차원 공분산 행렬 $\Sigma(x)$ 를 추정하기 위해 저차원 인자 모델 (Low-rank Factor Model) 을 사용합니다.
   • 공분산 행렬은 $\Sigma(x) = \Lambda(x)\Lambda'(x) + \sigma^2 I_J$로 분해되며, 여기서 인자 로딩 행렬 $\Lambda(x)$ 가 공변량 $x$ 에 따라 변합니다.
   • 로딩 행렬의 요소는 $\lambda_{jk}(x) = q_{jk} f'_k x$ 형태로 표현되어, 공변량의 선형 조합이 로딩에 영향을 미치도록 설계되었습니다.

3. 희소성 유도 (Sparsity Induction):

   • Dirichlet-Horseshoe (Dir-HS) 사전분포: 인자 로딩 행렬 $q_{jk}$ 에 적용하여, 불필요한 상호작용을 0 으로 축소 (shrinkage) 시킵니다. 이는 고차원 환경에서 공분산 구조를 안정적으로 추정하고 해석 가능성을 높이는 데 핵심적입니다.
   • 이 사전분포는 0 에서 날카로운 피크를 가지면서 동시에 두꺼운 꼬리 (heavy tails) 를 가져, 관련 없는 특징은 강력하게 억제하고 중요한 특징은 유지합니다.

B. 추정 알고리즘

• MCMC (Markov Chain Monte Carlo): 깁스 샘플링 (Gibbs sampling) 과 적응형 Metropolis-Hastings 알고리즘을 결합한 블록 깁스 샘플링을 사용하여 사후 분포를 추정합니다.
• 잠재 변수 도입: 계산 효율성을 높이기 위해 로그-정규 분포를 따르는 잠재 벡터를 도입하여 계수 데이터의 이산성을 우회합니다.

3. 주요 기여 (Key Contributions)

1. 평균과 공분산의 동시 모델링: 공변량에 따라 변하는 평균 풍부도와 상호작용 (공분산) 을 하나의 통합된 베이지안 프레임워크 내에서 동시에 추정합니다.
2. 고차원 계수 데이터에 대한 적합성: 로그 변환과 같은 임의의 변환 (ad hoc transformation) 없이 원본 계수 데이터의 이산성, 과산포, 0 의 과다 발생 (excess zeros) 을 직접적으로 처리합니다.
3. 유연한 공분산 회귀: 공변량에 의존하는 공분산 구조를 저차원 인자 모델을 통해 효율적으로 추정하며, Dir-HS 사전분포를 통해 고차원성 문제를 해결합니다.
4. 비모수적 접근: Dirichlet Process를 사용하여 평균 분포의 형태에 대한 강한 가정을 피하고 데이터의 복잡한 분포를 유연하게 학습합니다.

4. 실험 결과 (Results)

저자들은 시뮬레이션 연구와 실제 마이크로바이옴 데이터 분석을 통해 모델의 성능을 검증했습니다.

• 시뮬레이션 연구:

  • Simulation 1 (분류 공변량): 마이크로바이옴 데이터 구조를 모방한 시나리오에서 제안된 모델은 공변량에 따른 공분산 변화를 MOFA+, SparCC, CCLasso 등 기존 방법보다 훨씬 정확하게 추정했습니다 (RMSE 기준).
  • Simulation 2 (반복 측정 및 개체 간 변이): 개체 간 변이 (inter-subject variability) 와 연속형 공변량이 포함된 시나리오에서도 모델은 기저 공분산과 공변량 의존적 상호작용을 성공적으로 분리하여 추정했습니다.
  • Simulation 3 (임의 공분산): 공분산 행렬이 공변량에 따라 임의로 변하는 복잡한 상황에서도 모델은 낮은 차수의 인자 모델로 이를 잘 근사했습니다.
  • 전반적으로 제안된 모델은 다른 방법들보다 추정된 상관관계의 RMSE 가 가장 낮았습니다.

• 실제 데이터 분석 (마우스 장내 마이크로바이옴):

  • 데이터: Patnode et al. (2019) 의 마우스 장내 미생물 데이터 (15 종의 세균 군집, 3 가지 식이 조건, WH2 균주 유무).
  • 결과:
    • 상호작용 변화: 식이 (fiber supplement) 와 WH2 균주 유무에 따라 미생물 간의 상관관계 구조가 유의미하게 변화하는 것을 발견했습니다. 예를 들어, 특정 균주 간에는 모든 조건에서 음의 상관관계 (경쟁) 가 관찰되었고, 다른 균주 간에는 양의 상관관계 (협력) 가 관찰되었습니다.
    • 평균 풍부도 변화: 식이 조건 (피자 섬유, 감귤 펙틴 등) 에 따라 특정 OTU 의 풍부도가 통계적으로 유의하게 변화하는 것을 포착했습니다.
    • 기존 방법과의 비교: MOFA+ 와 SparCC 등은 공변량에 따른 미세한 상호작용 변화를 포착하지 못하거나, 그룹별로 별도로 분석해야 하는 한계가 있었습니다.

5. 의의 및 결론 (Significance)

• 방법론적 혁신: 이 연구는 공분산 회귀 (Covariance Regression) 를 고차원 계수 데이터 영역으로 확장하고, 이를 비모수 베이지안 프레임워크에 통합했다는 점에서 중요한 의의를 가집니다.
• 실용적 가치: 마이크로바이옴 연구뿐만 아니라, 환경 요인에 따라 상호작용이 변하는 다양한 고차원 계수 데이터 (예: 단일 세포 RNA 시퀀싱, 생태학 데이터 등) 분석에 적용 가능한 강력한 도구를 제공합니다.
• 해석 가능성: 희소성 (Sparsity) 을 유도하여 어떤 공변량 조건에서 어떤 미생물 간의 상호작용이 활성화되거나 억제되는지 명확하게 해석할 수 있게 합니다.
• 향후 연구 방향: 선형 공분산 회귀를 더 복잡한 비선형 형태로 확장하거나, 시간적/공간적 이질성을 고려한 시계열/공간 데이터 분석으로의 확장이 가능함을 제시했습니다.

요약하자면, 이 논문은 공변량에 따라 변하는 미생물 상호작용을 고차원 계수 데이터에서 정확하게 추정하기 위한 혁신적인 베이지안 모델을 개발하여, 기존 방법들의 한계를 극복하고 더 정교한 생물학적 통찰을 가능하게 했습니다.