기술 요약: 공간 전사체 및 원격 탐사 데이터를 위한 공간적 직교 요인 모델 (Spatially Orthogonal Factor Models)

문제 정의

공간 전사체학 및 원격 탐사와 같은 분야에서 널리 쓰이는 공간 인덱스 데이터는 잠재적인 공간 변동 모드를 추론하기 위해 차원 축소가 자주 필요하다. 확률적 주성분 분석(PCA)은 표준적인 도구이지만, 공간 정보를 이 프레임워크에 통합하는 기존 방식들은 세 가지 주요 한계점에 직면해 있다:

1. 비직교 로딩(Non-Orthogonal Loadings): 표준 확률적 PCA의 로딩은 직교하지 않는다. 이후에 수행되는 로딩의 직교화 과정은 원래의 사전 공간 정보를 훼손한다.
2. 정상성 가정(Stationarity Assumptions): 현재의 방법들은 대개 공간 사전 분포의 정상성을 가정하며, 데이터로부터 공분산 구조를 학습하기보다는 고정된 사전 분포나 경험적인 추정치에 의존한다.
3. 계산 복잡도(Computational Complexity): 공간 정보를 포함하는 방법들은 공간 위치의 수($m$)에 대해 선형 시간 계산 복잡도를 달성하는 데 실패하며, 일반적으로 거대한 공분산 행렬의 고유값 분해로 인해 삼차 복잡도를 요구한다.

또한, 이러한 환경에서 공간 정보의 통합이 최대 가능도(ML) 또는 최대 사후 확률(MAP) 추론을 어떻게 변화시키는지에 대해서도 여전히 불분명하다.

방법론

모델 공식화

저자들은 **공간적 직교 요인 모델(SOFM)**을 제안하며, 이는 모델을 직접 직교 로딩($U$)으로 매개변수화한다. 기존 방식들이 잠재 요인에 공간 의존성을 두는 것과 달리, SOFM은 로딩 행렬 $U$에 공간 의존성을 배치한다. 모델은 다음과 같이 명시된다:
$$y_i | U, L, \sigma^2 \sim N(0, UL^2U' + \sigma^2 I_m)$$
여기서 $y_i$는 위치 $i$에서의 관측 벡터이며, $L$은 특이값(singular values)을, $U$는 공간 패턴을 나타내는 직교 행렬이다.

사전 분포 유도

직교하지 않는 표준 사전 분포의 문제를 해결하기 위해, 저자들은 처음 $k$개의 특이값은 고유하고 나머지 $m-k$개는 반복되는 행렬의 특이값 분해(SVD)에 대한 표본 분포를 유도한다. James (1964)로부터 유도되어 PCA 제약 조건에 맞게 조정된 이 분포는 $U, L, \sigma^2$를 위한 사전 분포 역할을 한다.

• Proposition 1: $L, \sigma^2, \Sigma$가 주어졌을 때 $U$의 조건부 사전 분포는 행렬-피셔-빙엄(matrix-Fisher-Bingham) 분포임을 확립하며, 이는 가능도(likelihood)에 공액(conjugate) 관계에 있다.
• Theorem 1: 직교 로딩 $U$에 대한 무조건적 MAP 추정량은 경험 공분산 행렬 $S$와 사전 공간 공분산 행렬 $\Sigma$의 합, 즉 $(S + \frac{1}{n}\Sigma)$의 고유벡터와 일치함을 입증한다.

추정 알고리즘 (MM-EM)

$(S + \frac{1}{n}\Sigma)$의 직접적인 고유값 분해는 큰 $m$에 대해 계산적으로 불가능하다(삼차 복잡도). 이를 해결하기 위해 저자들은 MM-EM(Minorization-Maximization within Expectation-Maximization) 알고리즘을 개발하였다:

• E-step: 잠재 상태의 사후 기댓값을 계산한다.
• M-step: $U$를 업데이트하기 위해 minorization-maximization 접근법을 사용한다. 목적 함수의 볼록성(convexity)과 프로크루스테스 해(Procrustes solution, Schönemann, 1966)를 활용하여, $\text{tr}(M^T U)$ 형태의 대리 함수를 최대화한다.
• 복잡도: 이 접근법은 공간 위치의 수에 대해 선형 시간 계산 복잡도를 달성한다.

비정상성 공분산 추정

정상성 한계를 해결하기 위해, 저자들은 비정상성 공간 공분산 함수(Paciorek and Schervish, 2006 기반)를 추정하기 위한 검증 프레임워크를 제안한다.

• 보류된 위치(Held-Out Locations): 훈련 과정 중 일부 공간 위치를 보류한다. 모델은 이 위치에서의 결과를 잠재 변수로 취급한다.
• 최적화: 알고-리즘은 보류된 예측 가능도(held-out predictive likelihood)를 최대화함으로써 국소적 길이 척도(length scales)와 실(sill) 파라미터를 추정한다.
• 평활화(Smoothing): 공분산 파라미터의 공간적 매끄러움을 보장하기 위해, 국소적 추정치를 2차원 P-스플라인(P-splines)을 사용하여 도메인 전체로 일반화한다.

주요 기여

1. 이론적 유도: PCA 제약 조건 하의 반복되는 고유값에 대한 SVD 표집 분포를 유도하여, 직교 로딩을 위한 공액 사전 분포를 가능하게 했다.
2. MAP 특성화: 직교 로딩에 대한 MAP 추정량이 경험적 및 사전 공간 공분산의 합의 고유값 분해라는 것을 증명했다.
3. 확장 가능한 알고리즘: 계산 복잡도를 공간 위치에 대해 삼차에서 선형으로 줄이는 MM-EM 알고리즘을 개발했다.
4. 비정상성 추정: 보류된 데이터와 P-스플라인 평활화를 사용하여 비정상성 공간 공분산 파라미터를 추정하는 새로운 검증 전략을 제시했다.
5. 응용: 인간 뇌 공간 전사체 및 대륙 규모의 원격 탐사라는 두 가지 뚜렷한 데이터셋에 대한 방법론을 입증했다.

결과

사례 연구 1: 공간 전사체학 (DLPFC)

배측외측 전전두엽 피질(DLPFC)의 사후 인간 뇌 조직에 적용:

• 층판 및 비층판 패턴: 모델은 피질 층(laminar structure)에 해당하는 공간적 요인뿐만 아니라 비층판 패턴을 성공적으로 식별했다.
• 생물학적 관련성: 혈액(예: HBB) 및 면역 세포 집단(예: IGKC)과 관련된 유전자를 포착하였으며, 이는 Maynard 등(2021)의 기존 연구 결과와 일치한다.
• 성능: SOFM 모델은 비층판 공간 변동성을 포착하는 데 있어 표준 PCA 및 지도 학습 기반의 "Laminae-PCA"보다 우수한 성능을 보였으며, 처음 몇 개의 요인에 대해 경험 공분산의 더 높은 분산을 설명했다.
• 효율성: 32개 코어를 사용하여 전체 유전자 세트(33,538개)에 대해 알고리즘이 90초 이내에 실행되었다.

사례 연구 2: 원격 탐사 (사하라 이남 아프리카)

사하라 이남 아프리카의 GIMMS 데이터셋 내 NDVI 데이터에 적용:

• 비정상성: 추정된 길이 척도는 공간적으로 변화하였으며, 전이 지대보다 사헬(Sahel) 및 아열대 습윤 지역에서 더 강한 의존성을 보였다.
• 단기 vs 장기: 단일 연도 데이터(2022)에 적용했을 때, SOFM은 40년치 PCA 모델에는 존재하지만 단일 연도 PCA 모델에서는 놓쳤던 공간 패턴(특히 동부 습윤 열대 및 모잠비크 지역)을 식별했다.
• 의의: 이는 공간적 정규화가 표준 PCA가 감지할 수 없는, 제한된 시간적 데이터로부터 기저의 공간적 요인을 복구할 수 있음을 보여준다.

의의 및 주장

본 논문은 SOFM이 공간 정보를 통합하는 것과 직교하고 해석 가능한 요인을 유지하는 것 사이의 절충안을 해결한다고 주장한다. 직교 로딩을 위한 특정 사전 분포를 유도함으로써, 사후 직교화 과정에서 발생하는 공간 정보의 훼손을 방지한다. 선형 시간 복잡도는 이 방법이 대규모 공간 데이터셋(예: 대륙 규모 또는 고해상도 조직 섹션)에 확장 가능하게 만든다.

저자들은 보류된 가능도 최대화를 통해 비정상성 공분산을 추정하는 접근 방식이 공간 전사체학 및 환경 과학 분야에 대한 새로운 기여임을 강조한다. 결과는 공간적으로 직교하는 요인이 표준 차원 축소 기술에 의해 가려질 수 있는 생물학적 및 환경적 관련 변동 모드를 드러낼 수 있음을 시사한다.

논문은 현재 프레임워크가 잠재 변수의 시간적 의존성이나 진화하는 로딩을 탐구하는 것, 그리고 전사체학에서의 유전자 연관성에 대한 공식적인 추론 절차를 포함하는 향후 연구를 언급하며 겸허하게 결론을 맺는다.