Pharmacogenomic Knowledge Graph Augmentation for Graph Neural Network-Based Drug-Drug Interaction Prediction

기술 요약: GNN 기반 DDI 예측을 위한 약전유전체 지식 그래프 증강

문제 정의
현재의 약물-약물 상호작용(DDI) 예측을 위한 그래프 신경망(GNN) 접근 방식은 SMILES 유래 그래프로 인코딩된 분자 구조에만 전적으로 의존한다. 본 시리즈의 이전 연구에서는 모델의 성능이 구조적 정보 함량($I(S, L)$)에 의해 제한되며, 이는 구조적 정교화만으로는 극복할 수 없는 학습 레이블의 구조적 정보 한계임을 입증하였다. 구체적으로, 구조적으로 보지 못한 약물(drug-level split)에 대해 평가했을 때, 쌍 단위(pair-level) 벤치마크에 비해 성능이 크게 하락하는데, 이는 구조적 개선만으로는 메울 수 없는 격차이다. 본 연구는 약전유전학적 사전 지식—특히 PharmGKB 데이터베이스로부터 추출한 사이토크롬 P450(CYP) 효소 관계—을 통합함으로써, 분자 구조와 독립적인 대사 경로 맥락을 제공하여 이 정보의 천장(Information Ceiling)을 부분적으로 낮출 수 있는지 조사한다.

방법론
본 연구는 약전유전학적 특징을 분자 임베딩에 직접 통합하는 지식 그래프(KG) 증강 GNN 아키텍처를 제안한다.

• 특징 추출: 네 가지 임상적으로 유의미한 CYP 동형 단백질(CYP2D6, CYP3A4, CYP2C19, CYP2C9)에 대한 주석을 PharmGKB에서 추출하였다. 각 약물에 대해, 각 동형 단백질에 대한 기질(substrate), 억제제(inhibitor), 유도제(inducer) 역할을 인코딩하는 12차원 이진 특징 벡터를 구성하였다. 이 벡터는 분자 임베딩에 결합된다. 주석이 없는 약물은 제로 벡터를 받는다.
• 아키텍처: 본 연구는 이전 작업의 2단계 훈련 프로토콜을 확장한다.
  • 1단계: 결합된 분자 임베딩과 CYP 특징 벡터에 대해 KG 증강 교차 주의(cross-attention) 인코더를 훈련한다. 이 단계는 이진 상호작용 탐지와 DDI 유형 분류를 위해 독립적으로 최적화된다.
  • 2단계: 1단계의 가중치를 고정한 후, 물리적 에지 상호작용 그래프(수소 결합 및 정전기적 상보성을 모델링함)를 훈련한다.
• 데이터셋 및 분할: 실험에는 SSI-DDI 데이터셋(38,337쌍)과 Tox21 벤치마크(8,014개 화합물)가 사용되었다. 평가는 다음 두 가지 분할 전략 하에 수행되었다:
  • 쌍 단위(Pair-level): 약물 쌍을 무작위로 할당(8 8% 훈련, 20% 테스트).
  • 약물 단위(Drug-level): 고유한 약물의 20%를 완전히 제외하고, 이 약물들이 포함된 모든 쌍을 테스트 세트에 할당하여 미지의 화합물에 대한 일반화 능력을 측정한다.
• 검증: 기전적 검증 케이스로 사용하기 위해 엄격하게 격리된 화합물(아세틸살리실산 및 와파린)을 모든 훈련 및 평가 분할에서 제외하였다.

주요 기여

1. 특징 파이프라인: 임상 변이 주석, 가이드라인 텍스트 및 관계 플래그를 PharmGKB로부터 추출하여 화합물당 하나의 통합된 12차원 CYP 특징 벡터로 통합하는 파이프라인을 개발하였다.
2. 증강된 아키텍처: 약전유전학적 주석을 분자 임베딩에 결합되는 명시적 이진 특징으로 취급하여, 구조 기반 아키텍처와의 호환성과 해석 가능성을 유지하는 GNN 설계를 구현하였다.
3. 경험적 평가: 구조 전용 베이스라인과 KG 증강 모델을 양쪽 분할 전략(pair-level 및 drug-level) 하에서 엄격하게 비교하여, 일반화 한계를 측정하는 지표로서 "AUC 팽창(AUC inflation, 두 분할 간의 성능 격차)"을 정량화하였다.
4. 독성 확장: 주석 범위에 따른 증강 효과의 의존성을 조사하기 위해 증강 전략을 Tox21 다중 작업 독성 벤치마크에 적용하였다.

결과

• DDI 유형 분류: KG 증강은 쌍 단위 분할에서 특정 DDI 유형을 분류하는 데 상당한 개선을 보였다. 매크로 평균 F1 점수는 0.241(구조 전용 베이스라인)에서 0.532로 증가하였다. 이는 CYP 역할이 86가지 상호작용 유형과 관련된 중요한 기전적 변이를 인코딩하고 있음을 시사한다.
• 이진 상호작용 탐지: 개선 폭은 미미했다. 쌍 단위 AUC는 0.865에서 0.892로 약간 상승했으나, 약물 단위 AUC는 0.639로 하락했다. AUC 팽창(쌍 단위와 약물 단위 분할 간의 차이)은 베이스라인인 0.250과 유사한 0.224로 여전히 높게 나타났으며, 이는 이진 상호작용 존재 여부에 대한 정보의 천장이 지속됨을 나타낸다.
• 기전적 검증: 엄격히 격리된 화합물에 대해, KG 증강은 CYP2C9 매개 상호작용(예: 와파린 + 플루코나졸 확률이 0.033에서 0.586으로 증가)에 대한 예측 확률을 유의미하게 개선하였다. 약리학적 작용에 의한 상호작용(예: 와파린 + 이부프로펜)은 구조적 특징만으로도 탐지가 가능했다.
• Tox21 확장: 매우 낮은 CYP 커버리지(0.7%)에도 불구하고, Tox21 벤치마크에서 KG 증강은 평균 AUC +0.018의 완만한 개선을 제공했다. 이는 증강 효과가 주석 커버리지에 따라 달라짐을 확인시켜 준다. ChEMBL 용량 특징(88% 커버리지)을 추가하는 것은 CYP 증강 단독보다 성능을 개선하지 못했다.
• 물리적 에지 중복성: 구조 전용 모델과 달리, KG 증강 모델에 물리적 에지 정교화(2단계)를 추가하면 성능이 저하되었다(쌍 단위 분할에서 F1-macro가 0.532에서 0.258로 하락). 이는 CYP 사전 지식과 물리적으로 유도된 상호작용 에지 사이에 정보적 중복성이 존재함을 시사한다.

의의 및 주장
본 논문은 약전유전학적 사전 지식이 특정 DDI 유형의 식별 능력은 향상시키지만, 이진 상호작용 탐지 및 미지의 약물에 대한 일반화에 한계가 되는 근본적인 정보의 천장을 극복하지는 못한다고 결론짓는다. 연구는 레이블의 정보가 구조적 신호를 결여할 때, 풍부한 약전유전학적 사전 지식조차 이를 완전히 해결할 수 없음을 입증한다.

이러한 결과는 향 $\text�연구를 위한 멀티모달 프레임워크로의 전환을 지지하며, 주석의 품질이 이질적일 경우 잠재적 지식 그래프 임베딩보다 명시적 약전유전학적 특징이 선호된다고 주장한다. 저자들은 후속 연구를 위한 세 가지 구체적인 방법론적 확장을 제시한다:

1. 결합 훈련(Joint Training): 2단계에서 가중치를 고정할 때 유형 분류 능력이 저하되는 것을 방지하기 위해, 이진 및 다중 클래스 작업을 위한 단일 1단계 인코더를 훈련한다.
2. 증거 가중 인코딩(Evidence-Weighted Encoding): 커버리지를 희생하지 않으면서 주석 품질(예: Level 1A vs. Level 3)을 차별화하는 로그 가중 스킴을 구현한다.
3. 직접 비교: 동일한 커버리지 조건 하에서 명시적 특징 벡터를 잠재적 KG 임베딩(예: TransE, RotatE)과 비교한다.

본 연구는 관찰된 제한 사항이 모델 용량의 문제가 아니라 훈련 레이블에 내재된 정보량 때문임을 강조하며, 분자 구조 이상의 보완적인 데이터 소스의 필요성을 재확인한다.