Inferring large networks with matrix factorisation to capture non-linear dependencies among genes using sparse single-cell profiles

이 논문은 희소하고 대규모인 단일세포 발현 데이터에서 비선형적 유전자 의존성을 포착하기 위해 행렬 분해와 트리 앙상블 회귀를 결합한 네트워크 추론 방법 (NIRD) 을 제안하고, 이를 통해 배치 효과에 강건하며 RNA 속도 분석과 결합해 전사 인자의 직접 표적을 정확하게 예측할 수 있음을 입증했습니다.

핵심

🌟 핵심 비유: "시끄러운 콘서트에서 개별 목소리 듣기"

생체 내의 수만 개 유전자는 마치 수천 명이 모인 시끄러운 콘서트와 같습니다.

• 기존의 문제점: 기존의 방법들 (GENIE3, GRNBoost2 등) 은 이 거대한 소음 속에서 "누가 누구에게 말을 걸었는지"를 찾으려 했습니다. 하지만 데이터가 너무 많고 (고차원), 각 세포별 데이터가 빈칸이 많아서 (희소성), 마치 시끄러운 콘서트장에서 특정 두 사람의 대화만 찾아내려는 것처럼 매우 어렵고 계산 비용도 많이 들었습니다. 게다가 소음 (노이즈) 이 많으면 잘못된 관계를 찾아내기도 쉽습니다.

🚀 새로운 해결책: "NIRD (차원 축소 네트워크 추론)"

저자들은 이 문제를 해결하기 위해 NIRD라는 새로운 방법을 고안했습니다. 이 방법은 다음과 같은 세 단계로 이루어집니다.

1. "무대 조명 바꾸기" (행렬 분해 & 차원 축소)

먼저, 수만 개의 유전자 데이터를 **핵심적인 몇 가지 '주요 흐름 (Basis Vectors)'**으로 압축합니다.

• 비유: 콘서트장 전체를 다 보는 대신, 무대 위의 주요 조명 (주요 패턴) 몇 개만 켜고 그 조명 아래에 있는 사람들의 움직임을 관찰하는 것과 같습니다. 이렇게 하면 데이터의 복잡함과 빈칸 (노이즈) 을 줄일 수 있습니다.

2. "소문 전파 추적하기" (비선형 회귀)

압축된 핵심 흐름을 바탕으로, "어떤 유전자가 이 흐름을 주도했을까?"를 **의사결정나무 (Decision Tree)**라는 AI 기술을 이용해 분석합니다.

• 비유: 핵심 조명 아래서 "누가 가장 먼저 손을 흔들었나?", "누구의 행동이 다른 사람의 행동에 가장 큰 영향을 줬나?"를 추론하는 것입니다. 이때 선형적인 관계뿐만 아니라, **복잡하고 비선형적인 관계 (A 가 B 를 자극하면 C 가 튀어오르는 식)**도 찾아냅니다.

3. "원래 모습으로 되돌리기" (역투영)

추론한 결과를 다시 원래의 수만 개 유전자로 되돌려, "유전자 A 와 유전자 B 사이에는 어떤 연결 고리가 있는가?"를 최종 지도로 만듭니다.

---

🏆 이 방법이 왜 특별한가요? (실제 성과)

이 새로운 방법은 기존 방법들보다 훨씬 뛰어난 결과를 보여주었습니다.

1. 소음에 강한 튼튼한 지도:

   • 기존 방법들은 데이터에 약간의 오류 (배치 효과, 노이즈) 가 생기면 지도가 완전히 달라졌습니다. 하지만 NIRD 는 두 번 찍은 사진이 서로 다른 카메라 (다른 실험 장비) 를 썼더라도, 같은 장면을 똑같이 인식할 정도로 안정적입니다.
   • 비유: 비가 오거나 안개가 끼어도 (노이즈), NIRD 는 여전히 정확한 길 안내를 해주는 GPS 입니다.

2. 질병의 진실을 찾아내다 (골관절염 연구):

   • 정상인과 골관절염 (OA) 환자의 관절 세포를 비교했을 때, NIRD 는 **질병을 일으키는 핵심 유전자 (전사 인자)**들을 정확히 찾아냈습니다.
   • 예를 들어, NFATC2, ZNF207 같은 유전자가 염증과 질병 진행에 중요한 역할을 한다는 것을 발견했습니다. 이는 마치 질병이라는 범죄 현장의 범인 (핵심 유전자) 을 정확히 지목하는 것과 같습니다.

3. 미래를 내다보는 시간 여행 (RNA Velocity):

   • 이 방법은 유전자의 현재 상태뿐만 아니라, **앞으로 어떻게 변할지 (RNA Velocity)**도 함께 분석할 수 있습니다.
   • 비유: 단순히 "누가 지금 말을 하고 있나?"를 보는 게 아니라, **"누가 다음에 말을 할 준비를 하고 있나?"**를 예측하여, 인과관계 (누가 누구를 자극했는지) 를 훨씬 정확하게 파악합니다.
   • 인간 배아 줄기세포 실험에서, ZIC3 라는 유전자가 어떤 유전자들을 직접 조절하는지 기존 방법보다 훨씬 정확하게 찾아냈습니다.

---

💡 요약: 왜 이 연구가 중요한가?

이 논문은 **"복잡하고 messy 한 생물학적 데이터를, 핵심만 추려내어 AI 로 분석하면, 훨씬 빠르고 정확하게 유전자들의 비밀스러운 관계를 찾아낼 수 있다"**는 것을 증명했습니다.

• 기존: 소음 많은 콘서트장에서 모든 목소리를 다 들어보려다 지쳐버림.
• NIRD: 핵심 조명만 켜고, 중요한 대화만 추려내어 정확한 관계 지도를 만듦.

이 기술은 암, 퇴행성 질환, 발달 과정 등 다양한 질병의 원인을 규명하고, 새로운 치료 표적을 찾는 데 큰 도움을 줄 것으로 기대됩니다. 마치 복잡한 미로에서 가장 빠른 출구 (치료법) 를 찾아주는 나침반과 같은 역할을 하는 것입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 핵심 문제: 대규모 유전자 네트워크에서 비선형적 의존성 (non-linear dependencies) 을 추론하는 것은 여전히 해결되지 않은 난제입니다. 특히 단일 세포 전사체 (scRNA-seq) 데이터는 매우 **희소 (sparse)**하고 노이즈가 많아, 기존 방법론으로 대규모 유전자 간의 의존성을 추정하여 네트워크를 구축하는 것이 극도로 어렵습니다.
• 기존 방법의 한계:
  • GENIE3, GRNBoost2와 같은 트리 기반 앙상블 방법은 DREAM5 챌린지 등에서 우수한 성능을 보였으나, 수천 개의 유전자로 구성된 대규모 네트워크를 다룰 경우 계산 비용이 매우 높고, 단일 세포 데이터의 희소성과 노이즈에 민감하여 불안정합니다.
  • ARACNE, RELNET과 같은 상호 정보 (Mutual Information) 기반 방법은 빠르지만 비선형 관계를 포착하는 데 한계가 있습니다.
  • 딥러닝 기반 방법은 대량의 사전 학습 데이터와 높은 계산 자원을 요구합니다.
• 목표: 희소하고 대규모인 단일 세포 데이터에서도 계산 효율성을 유지하면서 비선형 의존성을 정확하게 포착하고, 배치 효과 (batch effects) 에 강건한 네트워크 추론 방법론을 개발하는 것.

2. 제안된 방법론: NIRD (Network Inference in Reduced Dimension)

저자들은 **차원 축소 (Dimension Reduction)**와 **행렬 분해 (Matrix Factorization)**를 기반으로 한 새로운 알고리즘 NIRD를 제안했습니다.

• 핵심 단계:
  1. 행렬 분해 (Matrix Factorization): 유전자 발현 행렬 ($X$) 을 저차원의 기저 벡터 (basis vectors) 행렬 ($A$) 과 로딩 행렬 ($Y$) 로 분해합니다 ($X = AY$). 이를 통해 각 샘플 (세포) 을 기저 벡터의 선형 결합으로 표현하고, 각 유전자의 로딩 (기저 벡터에 대한 기여도) 을 얻습니다.
     • 사용된 기법: PCA, SVD, NMF, PMF 등 다양한 행렬 분해 기법 평가.
  2. 비선형 회귀 모델링: 각 유전자의 발현을 기저 벡터 ($A$) 를 입력으로 하는 트리 앙상블 기반 비선형 회귀 (Random Forest 또는 Extra Trees) 모델로 예측합니다.
  3. 특성 중요도 (Feature Importance) 추정: 모델링 과정에서 각 기저 벡터의 특성 중요도를 계산합니다.
  4. 역투영 (Back-projection): 계산된 기저 벡터의 특성 중요도를, 해당 기저 벡터와 유전자의 로딩 (기여도) 을 기반으로 원래 유전자 공간으로 역투영합니다.
     • 유전자 $j$를 모델링할 때 유전자 $l$의 기여도 ($w_{lj}$) 는 기저 벡터의 중요도와 로딩의 가중 합으로 계산됩니다.
     • 이 값이 유전자 $l$과 $j$ 간의 상호작용 강도 (가중치) 로 간주되어 네트워크를 구성합니다.
• RNA Velocity 통합: NIRD 프레임워크는 유전자 발현뿐만 아니라 RNA Velocity를 함께 사용하여 인과관계 (causality) 추론을 강화할 수 있습니다. 유전자 발현의 기저 벡터로 RNA Velocity 를 모델링하여 조절 인자의 직접적인 영향을 추정합니다.

3. 주요 결과 (Key Results)

A. 벤치마크 및 성능 평가 (DREAM5 및 mESC 데이터)

• DREAM5 데이터 (대장균, 포도상구균, 효모): NIRD 는 GENIE3, GRNBoost2, ARACNE, RELNET 등 기존 방법들과 비교하여 동등하거나 더 나은 성능을 보였습니다. 특히 PCA 기반 NIRD 는 일관된 성능을 보였으며, SepNMF 기반은 특정 데이터셋에서 최상의 성능을 발휘했습니다. 계산 시간은 기존 트리 기반 방법 (GENIE3, GRNBoost2) 보다 훨씬 짧았습니다.
• 단일 세포 데이터 (mESC):
  • 정확도: 문헌 기반 골드 세트 (Gold set) 및 단백질 - 단백질 상호작용 (PPI) 데이터 평가에서 NIRD(PCA, PMF 기반) 가 GENIE3, GRNBoost2, ARACNE 보다 높은 AUC 를 기록했습니다.
  • 안정성: 서로 다른 시퀀싱 프로토콜 (SMART-seq, Drop-seq) 로 생성된 배치 간 데이터에서 추론된 네트워크의 중첩 (overlap) 을 평가한 결과, NIRD 는 기존 트리 기반 방법보다 훨씬 높은 일관성을 보여주었습니다. 이는 NIRD 가 행렬 분해를 통해 노이즈와 희소성을 효과적으로 제거하기 때문입니다.

B. 질병 관련 유전자 네트워크 분석 (골관절염, OA)

• 데이터: 정상 및 골관절염 (OA) 환자의 연골 세포 (HTC, preHTC) 단일 세포 데이터 적용.
• 발견: NIRD 는 배치 효과에도 불구하고 세포 유형별 일관된 네트워크를 제공했습니다.
  • HTC 세포: OA 환자에서 NFATC2, ZNF207, KDM2A, KLF3 등의 전사 인자가 PageRank 점수가 크게 증가했습니다. 특히 KDM2A 와 ZNF207 이 OA 염증에 중요한 역할을 할 것으로 예측되었습니다.
  • preHTC 세포: ZBTB10, ZBTB21, ZNF580, MAX 등이 OA 관련 염증에 관여하는 것으로 나타났습니다.
  • 기능적 분석: OA 관련 유전자 네트워크는 '화상 상처 치유', '염증 반응', 'Urotensin II 매개 신호 전달' 등이 풍부하게 풍부화 (enriched) 되어 있었습니다.

C. RNA Velocity 를 활용한 인과관계 추론 (hESC)

• 데이터: 인간 배아 줄기세포 (hESC) 데이터에 NIRD-expr+velo(발현 + Velocity) 와 NIRD-expr-only(발현만) 를 적용 비교.
• 결과:
  • 다능성 (Pluripotency) 유전자: NIRD-expr+velo 가 다능성 관련 유전자 (ZIC3, ZIC5 등) 를 더 잘 포착했습니다.
  • 직접 표적 검증: 전사 인자 ZIC3의 ChIP-seq 데이터와 녹다운 (knockdown) 실험 데이터를 기준으로 검증한 결과, NIRD-expr+velo 가 ZIC3 의 직접적인 표적 유전자를 예측하는 정확도 (AUC) 가 NIRD-expr-only 나 상관관계 기반 방법보다 1.4 배 이상 우수했습니다.
  • 기능적 차이: ZIC2, ZIC3, ZIC5 의 표적 유전자에 대해 NIRD-expr+velo 를 통해 각 전사 인자가 조절하는 생물학적 기능 (예: ZIC2 는 세포사멸, ZIC5 는 상동 지향성 수리) 을 명확히 구분해냈습니다.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 계산 효율성과 정확도의 균형: 대규모 희소 데이터에서도 행렬 분해를 통해 차원을 축소하고, 이를 트리 앙상블에 적용함으로써 기존 방법들의 계산 병목 현상을 해결하면서도 비선형 의존성을 정확하게 포착했습니다.
2. 노이즈 및 배치 효과에 대한 강건성: 단일 세포 데이터의 고유한 희소성과 노이즈를 행렬 분해 (특히 상위 기저 벡터 선택) 를 통해 필터링하여, 다른 방법론보다 훨씬 일관된 네트워크를 추론했습니다.
3. 인과관계 추론의 발전: RNA Velocity 와의 결합을 통해 단순한 상관관계를 넘어 조절 인자의 직접적인 인과적 영향을 예측할 수 있는 가능성을 제시했습니다.
4. 생물학적 통찰: 골관절염 (OA) 및 줄기세포 분화 과정에서 기존에 알려지지 않았거나 중요성이 간과되었던 전사 인자 (ZNF207, ZBTB10 등) 와 신호 전달 경로를 발견하여 질병 메커니즘 이해에 기여했습니다.

5. 결론

NIRD 는 희소하고 대규모인 단일 세포 전사체 데이터를 분석하여 비선형 유전자 네트워크를 추론하는 데 있어 기존 방법론 (GENIE3, GRNBoost2 등) 을 능가하는 성능과 안정성을 입증했습니다. 특히 행렬 분해 기반의 차원 축소와 비선형 회귀의 결합, 그리고 RNA Velocity 와의 통합은 복잡한 생물학적 시스템의 인과적 네트워크를 규명하는 강력한 도구로 자리 잡을 것으로 기대됩니다.