Learning Multi-Relational Graph Representations for DNA Methylation-Based Biological Age Estimation

기술 요약: DNA 메틸링 기반 생물학적 나이 추정을 위한 RelAge-GNN

문제 제기
노화 시계 (aging clocks) 는 생체 표지자로부터 생물학적 나이를 추정하여 연대기적 나이와 구별되는 생리학적 상태 및 질병 위험을 평가합니다. DNA 메틸링은 그 안정성과 노화와의 강한 상관관계로 인해 주요 생체 표지자로 간주됩니다. 그러나 기존 AI 기반 노화 시계 방법은 다음과 같은 중대한 한계에 직면해 있습니다:

1. 독립성 가정: 대부분의 접근법은 CpG 부위를 독립적인 특징으로 취급하여 공동 메틸링 (co-methylation), 게놈 근접성, 유전자 수준 연관성과 같은 복잡하고 이질적인 생물학적 관계를 무시합니다.
2. 경직된 모델링: 일부 그래프 기반 방법이 존재하지만, 종종 단일 그래프에 의존하거나 서로 다른 관계 유형을 결합하기 위해 고정된 전략을 사용합니다. 이는 샘플 간 다양한 생물학적 관계의 기여도를 구분하지 못하게 하고 모델의 유연성을 제한합니다.
3. 해석 가능성: 딥러닝 모델은 종종 특정 생물학적 구조가 예측에 어떻게 기여하는지에 대한 명확한 해석 가능성을 결여하고 있습니다.

방법론: RelAge-GNN
저자들은 CpG 부위 간의 구조적 의존성을 명시적으로 모델링하도록 설계된 다중 관계 그래프 신경망 프레임워크인 RelAge-GNN을 제안합니다. 방법론은 세 가지 핵심 구성 요소로 이루어져 있습니다:

1. 다중 관계 그래프 구성:
   단일 그래프 대신, 이 프레임워크는 각각 특정 의미론적 관계를 유지하는 세 가지 보완적 그래프를 구성합니다:

   • 공동 메틸링 그래프 ($G_1$): 간선은 CpG 부위 간의 연속적인 상관관계 값 (희소성을 보장하기 위해 임계값 적용됨) 을 나타냅니다.
   • 게놈 공동 위치 그래프 ($G_2$): 간선은 동일한 염색체에 위치한 CpG 부위 간의 불리언 (Boolean) 연결을 나타냅니다.
   • 유전자 수준 연관 그래프 ($G_3$): 간선은 동일한 유전자 내에 위치한 CpG 부위 간의 불리언 연결을 나타냅니다.
     노드 특징에는 메틸링 값, CpG 섬 속성 (위치, 길이), 인접 서열 정보, 그리고 전사 시작 부위까지의 거리가 포함됩니다.

2. PNAConv 를 사용하는 3-분기 인코더:
   각 그래프는 PNAConv(Principal Neighbourhood Aggregation) 를 사용하는 독립적인 GNN 분기에 의해 처리됩니다. PNAConv 는 평균, 최대, 최소, 표준편차 등 여러 집계기 (aggregators) 와 스케일러를 활용하여 다양한 노드 차수 분포를 처리할 수 있는 능력으로 선택되었습니다. 이를 통해 각 분기는 이질적인 간선 유형을 혼동하지 않고 관계별 구조적 표현 ($H_1, H_2, H_3$) 을 학습할 수 있습니다.

3. 학습 가능한 게이트 퓨전 메커니즘:
   고정된 결합 전략의 문제를 해결하기 위해, 모델은 학습 가능한 게이트 네트워크를 사용합니다.

   • 세 분기의 출력이 연결됩니다 ($H_{cat}$).
   • 게이트 네트워크 (MLP + Softmax) 가 각 노드에 대해 적응형 가중치 ($\alpha_1, \alpha_2, \alpha_3$) 를 생성합니다.
   • 최종 표현 ($H_f$) 은 분기 출력의 가중 합입니다: $H_f = \sum \alpha_k \odot H_k$.
     이는 모델이 특정 샘플 컨텍스트에 기반하여 노드 수준에서 각 생물학적 관계의 기여도를 동적으로 조정할 수 있게 합니다.

4. 예측 및 해석 가능성:
   퓨전된 표현은 압축 층과 MLP 회귀 헤드를 거쳐 나이를 예측합니다. 해석 가능성을 위해 저자들은 GNNExplainer 프레임워크를 확장하여 다음 요소들의 중요성을 정량화합니다:

   • 개별 CpG 노드.
   • 노드 속성 (특징).
   • 세 가지 서로 다른 그래프 분기 (관계 구조).

주요 기여

• 한계 식별: 본 논문은 현재 방법론이 복잡한 생물학적 의존성을 포착하지 못하며, 관계 중요도의 샘플별 변이에 적응할 수 없는 경직된 퓨전 전략을 종종 사용한다는 점을 강조합니다.
• 새로운 프레임워크: RelAge-GNN 은 공동 메틸링, 동일 염색체, 동일 유전자 연관을 독립적인 분기를 통해 명시적으로 모델링하는 다중 관계 아키텍처를 도입합니다.
• 적응형 퓨전: 학습 가능한 게이트 메커니즘의 도입은 관계 가중치의 동적, 노드 수준 조정을 가능하게 하여 고정 가중치 기준 모델 대비 유연성을 향상시킵니다.
• 향상된 해석 가능성: 이 프레임워크는 특정 생물학적 관계와 CpG 부위의 기여도를 정량화할 수 있는 메커니즘을 제공하여 나이 예측의 동인을 파악하는 통찰력을 제공합니다.

실험 결과
이 모델은 혈액 조직에서 유래한 3,707 개의 건강한 샘플과 624 개의 질병 샘플 (난소암, 조현병, 골다공증) 로 구성된 대규모 데이터셋에서 평가되었습니다.

• 예측 성능: RelAge-GNN 은 최첨단 기준 모델 (Horvath, AltumAge, DeepMAge, GraphAge) 과 비교하여 경쟁력 있는 정확도를 달성했습니다. 기준 모델보다 더 높은 피팅 회귀 계수 (FRC = 0.962) 와 더 낮은 평균 절대 오차 (MAE = 3.43) 및 평균 제곱 오차 (MSE = 29.46) 를 보여주었습니다.
• 노화 가속 (AA) 민감도: 이 모델은 다양한 질병 코호트 전반에 걸쳐 노화 가속을 감지하는 데 있어 우수한 민감도를 보여주었습니다. 예를 들어, 폐경 후 난소암의 경우 약 40% 의 샘플에서 양의 AA 를 식별하여 GraphAge(<20%) 와 AltumAge(<10%) 를 크게 능가했습니다.
• 결손 연구 (Ablation Studies): 단일 그래프 분기를 제거하면 성능이 저하되었으며, 특히 공동 메틸링 그래프 ($G_1$) 와 유전자 수준 그래프 ($G_3$) 가 특히 중요했습니다. 게이트가 포함된 전체 다중 분기 모델은 단일 그래프 구성보다 우수한 성능을 보여 이질적 관계를 모델링하는 가치성을 확인시켰습니다.
• 해석 가능성 발견:
  • 메틸링 값이 가장 중요한 노드 속성이었습니다.
  • CpG 섬 정보(시작/종료 위치, 길이) 와 인접 서열 또한 주요 요인이었으며, 이는 신호와 구조적 컨텍스트의 계층적 패턴을 시사합니다.
  • 그래프 중요도: 공동 메틸링 그래프가 예측에 가장 크게 기여했으며, 그 다음으로 유전자 수준 그래프와 동일 염색체 그래프가 이어졌습니다.

의의 및 주장
본 논문은 다중 관계 구조를 명시적으로 모델링하는 것이 노화 시계 모델을 개선하기 위한 효과적인 방향이라고 주장합니다. 독립적인 특징과 고정된 그래프 결합에 대한 가정을 넘어선 RelAge-GNN 은 생물학적 노화 메커니즘을 더 잘 반영하는 이질적 구조적 패턴을 포착합니다. 모델이 다양한 생물학적 관계를 적응적으로 퓨전하고 세분화된 해석 가능성을 제공한다는 점은 질병 특성화에 잠재적 유용성을 시사하며, 향후 노화 연구에 생물학적으로 의미 있는 방향을 제시합니다. 저자들은 현재 프레임워크가 혈액 조직에서 견고하지만, 이를 다조직 설정으로 확장하고 더 세분화된 생물학적 상호작용을 통합하는 것이 향후 방향이라고 언급합니다.