Module-Structured Mixture Factor Models to Identify Outcome-Specific Signatures in Gene Expression Data

기술 요약: 유전자 발현 데이터의 질환 특이적 시그니처를 위한 모듈 구조 혼합 인자 모델

문제 정의
고처리량 유전자 발현 데이터는 높은 차원성, 복잡한 유전자 간 의존성, 그리고 뚜렷한 생물학적 이질성으로 인해 비지도 클러스터링 및 질환 하위 유형 발견에 있어 상당한 과제를 안겨준다. 기존의 접근 방식들은 두 가지 딜레마에 직면해 있다: 모듈 구조를 무시하는 방법(주변부 유전자 효과나 단순한 공분산 가정에 의존함)은 수치적 불안정성과 낮은 해석력을 초래하며, 완전히 구조화되지 않은 공분산을 모델링하는 방법은 고차원 환경에서 통계적으로 불가능하거나 계산적으로 매우 부담스럽다. 또한, 기존의 혼합 모델들은 유전자를 교환 가능한 변수로 취급하여, 생물학적 시스템에 내재된 모듈 조직을 명시적으로 고려하지 못하며, 이는 경로 특이적 변이 소스를 포착하는 데 한계를 보인다.

방법론
저자들은 유한 혼합 모델링과 유전자-모듈 수준에서 정의된 저계수(low-rank) 잠재 인자 표현을 통합한 **모듈 구조 혼합 인자 모델(Module-Structured Mixture Factor Model, MS-MFM)**을 제안한다.

• 모델 프레임워크: 이 모델은 $K$개의 잠재 클러스터로 구성된 유한 혼합을 가정한다. 유전자 발현 벡터 $x_i$는 클러스터 멤버십 $z_i=k$에 대해 다음과 같은 계층적 생성 과정을 통해 모델링된다:
  $$x_i | (z_i=k) = \delta + M\alpha_k + Bf_i + \varepsilon_i$$
  여기서:

  • $\delta$는 전역적인 유전자별 기저 효과를 나타낸다.
  • $M\alpha_k$는 클러스터 특이적 모듈 수준의 변화($\alpha_k$)를 인코딩하며, 여기서 $M$은 유전자-모듈 할당 행렬이다. 이는 평균 차이가 개별 유전자 수준이 아닌 경로/모듈 수준에서 포착될 수 있도록 한다.
  • $Bf_i$는 모듈 내 잠재적 의존성을 모델링한다. 로딩 행렬 $B$는 $B = SMU$로 제약되며, 여기서$S$는 유전자별 스케일링을,$U$는 모듈 수준의 로딩 방향을 포함하고,$f_i$는 잠재 인자를 나타낸다. 이러한 구조는 동일한 모듈 내의 유전자들이 공통된 인자 방향을 공유하도록 강제한다.
  • $\varepsilon_i \sim N(0, D)$는 대각 공분산 $D$를 갖는 유전자별 잔차 노이즈를 나타낸다.

• 파라미터 추정: 파라미터 추정을 위해 기대-조건 최대화(Expectation–Conditional Maximisation, ECM) 알고리즘이 개발되었다. ECM 프레임워크는 최대화 단계를 혼합 비율, 모듈 효과, 전역 평균, 스케일링 계수, 로딩 방향, 그리고 잔차 분산을 각각 업데이트하는 일련의 저차원 조건부 최대화 문제로 분해한다. 이 접근 방식은 고차원 전사체 환경에서 수치적 안정성과 확장성을 보장한다.

• 유전자 모듈 구축: 전처리 단계로서, 유전자는 중앙값 절대 편차(MAD)에 의해 필터링되며, 쌍별 상관관계를 기반으로 한 계층적 응집 클터링을 사용하여 공발현 모듈을 정의한다. 논문은 본 모델링 프레임워크가 특정 모듈 구축 방법에 구애받지 않으며 외부에서 정의된 모듈을 수용할 수 있음을 명시한다.

주요 결과
본 프레임워크는 전신성 홍반성 관절염(SLE)과 류마티스 관절염(RA)이라는 두 가지 자가면역 질환의 785개 샘플로 구성된 대규모 임상 전사체 데이터셋에 적용되었다.

• 비지도 질환 분리: 모델 학습 과정에서 질환 레이블을 사용하지 않았음에도 불구하고, 모델(BIC를 통해 $K=9$ 클러스터와 $q=8$ 잠재 인자로 선택됨)은 샘플들을 자연스럽게 RA 또는 SLE가 지배적인 클러스터로 분리하였다. 이는 주요 질환 관련 분자 구조가 감독 없이도 데이터로부터 직접 추출될 수 있음을 나타낸다.
• 하위 유형 발견: 모델은 각 질환 내에서 상당한 이질성을 식별하였다.
  • RA 클러스터: 리보솜 생합성, RNA 가공 및 단백질 변형과 관련된 모듈에서 협응된 양의 모듈 효과(활성화)를 특징으로 한다. 특히 한 클러스터(클러스터 6)는 강력한 활성화와 억제가 동시에 나타나는 독특한 양방향 시그니처를 보여, 조절 장애가 일어난 분자 상태를 시사했다.
  • SLE 클러스터: 면역 신호 전달 및 염증 경로에 풍부한 모듈에서 광범위한 음의 모듈 효과(억제)를 특징으로 한다.
• 기능적 해석: GO, KEGG 및 Human Phenotype Ontology를 통한 농축 분석은 추론된 클러스터를 특정 생물학적 과정 및 임상 표현형과 연결시켰다. 예를 들어, SLE 지배적 클러스터는 면역 억제 및 자가면역 표현형과 연결된 반면, RA 클러스터는 생합성 활동과 연결되었다.
• 비교 성능: WGCNA를 통해 구축된 모듈을 사용하는 모델과의 비교 분석 결과, 제안된 접근 방식의 우월성이 입증되었다. 3개의 모듈만을 생성한 WGCNA 기반 모델은 질환의 이질성을 포착하지 못하였고(혼합된 질환 클서 생성), 제안된 MAD-HC 기반 모델(19개 모듈)에 비해 현저히 낮은 BIC($\Delta$BIC $\approx$ 250,000)를 기록하였다. 이는 더 세밀한 모듈 구조가 고해상도 클러스터링에 필수적임을 시사한다.

의의 및 주장
본 논문은 제안된 프레임워크가 모델의 유연성, 생물학적 해석력, 그리고 계산적 용이성 사이의 원칙적인 균형을 달성한다고 주장한다. 주요 기여는 다음과 같다:

1. 명시적 모듈 구조: 평균(클러스터 특이적 변화를 통해)과 공분산(공유된 잠재 인자를 통해) 구조 모두에 유전자 모듈을 통합함으로써, 전통적인 혼합 모델이 놓치는 생물학적으로 의미 있는 의존 패턴을 포착한다.
2. 해석력: 변동성을 전역 효과, 모듈 수준의 변화, 잠재적 의존성 및 잔차 노이즈로 분해함으로써, 단순한 유전자 수준의 클러스터링을 넘어 "시그니처 모듈"을 식별할 수 있게 한다.
3. 확장성: ECM 알고리즘은 유전자 수가 샘플 수보다 훨씬 많은 고차원 환경에서도 안정적인 추론을 가능하게 한다.
4. 임상적 관련성: 복잡한 자가면역 질환 내에서 기능적으로 구별되는 뚜렷한 분자 하위 유형을 식별할 수 있는 능력은 환자 계층화 및 표적 치료를 위한 전략을 제시하며, 이진 질환 분류를 넘어서는 이질성의 존재를 강조한다.

저자들은 현재의 접근 방식이 모듈을 고정된 입력값으로 취급하고 있으나, 향후 연구에서는 모듈 구조를 혼합 프레임워크 내에서 공동으로 학습하거나 단백질체학과 같은 다른 고차원 생물학적 양식에 이 공식을 적용할 수 있을 것이라고 결론지었다.