Assessing the impact of parental linear gene normalization on the performance of statistical models for circular RNA differential expression analysis

본 연구는 자동화된 필터링과 선형 RNA 정보를 고려한 정규화 전략이 원형 RNA 차등 발현 분석의 민감도와 재현성을 크게 향상시켜 보다 신뢰할 수 있는 바이오마커 발견을 가능하게 함을 규명했습니다.

핵심

🕵️‍♀️ 배경: 원형 RNA라는 '불사신' 단서

우리의 몸속에는 DNA 라는 설계도가 있고, 그걸 바탕으로 RNA 라는 작업 지시서가 만들어집니다. 보통 RNA 는 선형 (줄) 모양인데, 가끔은 **고리 모양 **(원형)으로 만들어지는 경우가 있어요. 이를 원형 RNA(circRNA)라고 부릅니다.

• 비유: 일반 RNA 는 종이 조각처럼 쉽게 찢어지거나 사라지지만, 원형 RNA 는 고리 모양으로 묶인 튼튼한 밧줄처럼 생겼습니다. 그래서 몸속에서도 쉽게 부서지지 않고 오래 살아남죠.
• 중요성: 이 '튼튼한 밧줄'들이 암 환자나 건강한 사람의 혈액 (특히 혈소판) 에는 다르게 많이 들어있습니다. 그래서 암을 조기에 발견하는 **마법 같은 단서 **(바이오마커)로 기대를 모으고 있습니다.

🧩 문제: 수사팀의 혼란 (데이터 분석의 어려움)

하지만 이 단서들을 찾아내는 것은 매우 어렵습니다.

1. 너무 많고 희미함: 혈액 속에는 원형 RNA 가 아주 적게 섞여 있고, 대부분은 '0 개'로 기록될 정도로 희미합니다.
2. 분석 도구 불일치: 연구자들은 이 단서들을 찾아내기 위해 여러 가지 통계 프로그램 (DESeq2, edgeR, limma 등) 을 쓰는데, 어떤 프로그램을 쓰고, 어떤 기준으로 걸러내야 할지 정해진 규칙이 없었습니다.
   • 비유: 범인을 잡으려고 하는데, 어떤 형사는 "모든 흔적을 다 수집해라"라고 하고, 다른 형사는 "중요한 것만 추려라"라고 합니다. 그래서 결론이 매번 달라지고 신뢰할 수 없게 된 거죠.

🔍 연구 내용: 3 가지 전략 테스트

이 연구팀은 5 가지 다른 데이터 (실제 환자 혈액, 암 조직, 그리고 컴퓨터로 만든 가짜 데이터) 를 가지고 어떤 분석 방법이 가장 잘 작동하는지 실험했습니다.

1. '걸러내기'의 중요성 (Filtering)

데이터에는 쓸모없는 잡음 (숫자가 0 인 것들) 이 너무 많았습니다.

• 실험: "아주 엄격하게 걸러내기 (Auto-filter)" vs "너무 관대하게 걸러내기 (Min 1)"
• 결과: 엄격하게 걸러내는 것이 가장 좋았습니다.
  • 비유: 진주 (유용한 원형 RNA) 를 찾기 위해 모래 (잡음) 를 다 씻어내야 합니다. 너무 관대하게 씻어내면 모래가 섞여 진주를 찾을 수 없게 되죠. 연구팀은 edgeR 이라는 프로그램의 자동 필터 기능이 모래를 가장 깔끔하게 씻어내어 진주를 찾아낸다고 결론 내렸습니다.

2. '선형 RNA'라는 조력자 활용 (Normalization)

원형 RNA 는 보통 부모가 되는 '선형 RNA'와 함께 만들어집니다.

• 실험: 원형 RNA 만 따로 분석할 때 vs 선형 RNA 정보도 함께 참고할 때
• 결과: **선형 RNA 정보를 함께 참고하는 방법 **(CIRI-DE 등)이 훨씬 더 많은 진짜 단서 (차이가 있는 원형 RNA) 를 찾아냈습니다.
  • 비유: 범인을 찾을 때, 범인 혼자만 보는 게 아니라 범인이 타고 온 **차 **(선형 RNA)도 함께 분석하면 범인을 더 쉽게 찾아낼 수 있는 것과 같습니다.

3. 어떤 수사팀 (프로그램) 이 가장 잘했나?

• limma-voom: 어떤 상황에서도 가장 안정적이고 일관된 결과를 냈습니다. (가장 신뢰할 수 있는 베테랑 형사)
• edgeR: 잘했지만, 데이터에 따라 결과가 조금씩 들쑥날쑥했습니다.
• DESeq2: 너무 보수적이라 진짜 단서를 놓치는 경우가 많았습니다.

💡 결론: 더 나은 암 진단을 위한 길

이 연구는 우리에게 두 가지 중요한 교훈을 줍니다.

1. 정리 정돈이 생명: 원형 RNA 데이터를 분석할 때는 **자동 필터링 **(Auto-filtering)을 통해 잡음을 깔끔하게 제거해야 합니다. 그래야 분석 프로그램이 헷갈리지 않고 정확한 결론을 내립니다.
2. 함께 보면 더 잘 보인다: 원형 RNA 를 혼자 분석하지 말고, 선형 RNA 정보도 함께 활용하면 훨씬 더 많은 암 단서를 찾아낼 수 있습니다.

한 줄 요약:

"암을 찾아내는 '원형 RNA'라는 단서를 찾기 위해, **잡음을 깔끔하게 치우고 **(필터링), 부모인 선형 RNA 정보도 함께 참고하면 훨씬 더 정확한 진단이 가능하다는 것을 증명했습니다."

이 연구 결과는 앞으로 혈액 한 방울로 암을 조기에 발견하는 **정밀 의료 **(Liquid Biopsy) 기술이 더 발전하는 데 큰 발판이 될 것입니다.

기술 요약

1. 문제 제기 (Problem)

• 배경: circRNA 는 안정성과 체액 내 풍부함으로 인해 암 바이오마커로 각광받고 있으나, 차등 발현 분석 (DEA) 시 전처리 과정 (필터링 및 정규화) 에 대한 합의가 부족합니다.
• 현황: 기존에 개발된 벌크 RNA 시퀀싱 (Bulk RNA-seq) 기반의 통계 모델 (DESeq2, edgeR, limma-voom 등) 이 circRNA 데이터에 널리 적용되고 있으나, circRNA 는 선형 RNA 와 달리 백스플라이싱 접합부 (BSJ) 카운트가 매우 희소하고 제로 (Zero) 값이 많아 (Zero-inflated) 기존 모델이 최적의 성능을 내지 못합니다.
• 핵심 이슈:
  1. circRNA 분석 시 필터링 임계값 설정에 대한 표준이 부재하여 모델 성능이 크게 좌우됩니다.
  2. circRNA 는 종종 부모 선형 유전자 (Parental Linear Gene) 와 독립적으로 조절될 수 있지만, 많은 분석 방법이 선형 RNA 정보를 무시하고 BSJ 카운트만 기반으로 정규화합니다.
  3. CIRI-DE 와 같이 선형 및 원형 정보를 통합하는 새로운 접근법의 효과에 대한 포괄적인 벤치마킹이 부족했습니다.

2. 방법론 (Methodology)

이 연구는 시뮬레이션 데이터와 실험 데이터를 결합하여 다양한 DEA 전략을 벤치마킹했습니다.

• 데이터셋 구성:
  • 실험 데이터: 공개된 3 개 데이터셋 (유방암 조직, 간암 조직, PBMC) 과 연구팀이 직접 생성한 2 개의 혈소판 (Platelet) 기반 유방암 환자 데이터셋 (EBC1, EBC2) 총 5 개. 혈소판은 circRNA 가 풍부하여 이상적인 모델로 사용되었습니다.
  • 시뮬레이션 데이터: SPsimSeq 프레임워크를 사용하여 생성된 1,140 개의 인공 데이터셋 (제로 세트 및 10% 차등 발현 신호 포함).
• 검증 도구:
  • circRNA 탐지: CIRI3 와 CircExplorer2 (CE2) 를 병행하여 탐지 신뢰도를 높였습니다.
  • DEA 모델: DESeq2, edgeR, limma-voom 의 다양한 설정 (필터링 전략, 정규화 방법) 과 CIRI-DE (선형 RNA 정보 통합) 를 비교했습니다.
• 평가 전략:
  1. 필터링 전략 비교: 자동 필터링 (edgeR 의 filterByExpr), 최소 카운트 1 (Min 1), 최소 카운트 5 (Min 5) 를 적용하여 제로 값 제거 효과와 모델 성능을 비교했습니다.
  2. 정규화 전략 비교: BSJ 만 사용하는 기존 방식 vs. FSJ(Forward Spliced Junction) 또는 전체 선형 RNA 정보를 활용한 정규화 (CIRI-DE 방식) 의 성능 차이를 분석했습니다.
  3. 성능 지표: 제 1 종 오류 (Type I error, FPR), 민감도 (TPR), 정밀도, F1 점수, AUPRC(정밀도 - 재현율 곡선 아래 면적), 재현성 (Jaccard 유사도), 실행 시간을 평가했습니다.

3. 핵심 기여 (Key Contributions)

• 자동 필터링의 중요성 입증: 임의의 임계값 (Min 1 등) 보다 edgeR 의 filterByExpr() 기반 자동 필터링이 제로 값을 효과적으로 제거하고 모델 성능을 극대화함을 증명했습니다.
• 선형 정보 통합의 효과 규명: BSJ 카운트만 사용하는 기존 방식보다, 선형 RNA (FSJ 또는 전체 선형 트랜스크립트) 정보를 정규화에 통합하는 접근법이 차등 발현 circRNA 를 더 많이 탐지하고 신뢰도를 높인다는 것을 실증했습니다.
• 포괄적인 벤치마킹 프레임워크: 다양한 생물학적 샘플 (조직, PBMC, 혈소판) 과 시뮬레이션 데이터를 통해 circRNA DEA 파이프라인의 최적 설정을 제시했습니다.

4. 주요 결과 (Results)

• 필터링 전략의 영향:
  • **자동 필터링 (filterByExpr)**이 모든 모델에서 가장 높은 민감도 (TPR) 와 F1 점수를 보였으며, 제 1 종 오류 (FPR) 를 nominal 수준 (0.05) 에 가깝게 유지했습니다.
  • 완화된 필터링 (Min 1, Min 5): 제로 값이 많이 남아 모델 성능을 저하시켰습니다. 특히 DESeq2 와 edgeR 은 완화된 필터링에서 민감도가 급격히 떨어지고 FPR 이 불안정해졌습니다. 반면, limma-voom은 다양한 필터링 조건에서도 상대적으로 안정적인 성능을 보였습니다.
• 선형 정보 통합 (Normalization) 의 효과:
  • CIRI-DE 와 같이 선형 RNA 정보를 활용한 정규화 전략은 BSJ 만을 기반으로 한 기존 방식보다 더 많은 차등 발현 circRNA 를 탐지했습니다.
  • 특히 EBC(조기 유방암) 데이터셋에서 선형 정보 통합 시 탐지된 DE circRNA 수가 크게 증가했습니다.
  • 탐지된 circRNA 들의 발현 방향성 (Up/Down regulation) 은 모델 간에 높은 일관성을 보였습니다.
• 모델별 성능 비교:
  • limma-voom: 다양한 필터링 조건과 데이터 소스 (조직, 액체 생검) 에서 가장 안정적이고 균일한 성능을 보였습니다.
  • edgeR: 자동 필터링 시 우수한 성능을 보였으나, 완화된 필터링 시 변동성이 컸습니다.
  • DESeq2: 제로 값이 많은 데이터에서 보수적인 (Conservative) 경향을 보였으며, 필터링 전략에 매우 민감했습니다.
• 혈소판 데이터의 우수성: 혈소판 기반 데이터 (EBC1, EBC2) 는 조직이나 PBMC 에 비해 BSJ 리드 카운트가 높고 제로 값 비율이 낮아, circRNA 바이오마커 탐지에 더 유리한 샘플임을 확인했습니다.

5. 의의 및 결론 (Significance)

• 표준화된 프레임워크 제시: circRNA DEA 분석 시 자동 필터링과 선형 RNA 정보 기반 정규화를 결합하는 것이 민감도와 재현성을 높이는 최적의 전략임을 제안했습니다.
• 바이오마커 발견의 신뢰성 향상: 특히 조기 암 진단과 같은 미세한 발현 변화를 탐지해야 하는 액체 생검 (Liquid Biopsy) 분야에서, 기존 벌크 RNA-seq 모델의 한계를 극복하고 더 신뢰할 수 있는 biomarker discovery 를 가능하게 합니다.
• 향후 연구 방향: circRNA 의 희소성과 분포 특성을 고려한 새로운 통계 모델 개발의 필요성을 강조하며, 선형 RNA 정보를 활용한 분석이 표준으로 자리 잡아야 함을 시사합니다.

요약하자면, 이 연구는 circRNA 분석에서 "어떻게 필터링하고 정규화할 것인가"에 대한 명확한 가이드라인을 제공하며, 자동 필터링과 선형 유전자 정보의 통합이 통계적 모델의 성능을 획기적으로 개선한다는 사실을 입증했습니다.