🧬 genomics

Covariate-aware genomic prediction of blood metabolite profiles using multi-task neural networks

본 연구는 유전적, 공변량 및 결합 기여도를 분리함으로써 혈액 대사체 프로파일을 효과적으로 예측하는 다중 작업 신경망 프레IFAME워크를 소개하며, 공변량(특히 연령)의 비선형 모델링이 전통적인 선형 방식보다 예측 성능을 향상시키는 주요 동인임을 밝힌다.

원저자: Guler, M. N., Alver, M., Haller, T., Jay, F., Pagani, L., Milani, L., Yelmen, B.

게시일 2026-09-14

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Guler, M. N., Alver, M., Haller, T., Jay, F., Pagani, L., Milani, L., Yelmen, B.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

인체는 화학 작용이 끊임없이 일어나는 거대하고 활기찬 공장입니다. 우리 혈액 속에는 대사물질이라 불리는 작은 분자들이 존재하며, 이들은 우리가 먹는 음식부터 물려받은 유전자까지 우리의 생리적 상태를 즉각적으로 보여주는 스냅샷 역할을 합니다. 이러한 화학적 신호는 우리의 DNA와 우리가 실제로 느끼고 기능하는 방식 사이의 간극을 메워주며, 심장 질환, 당뇨병 및 기타 질환의 위험성을 들여다볼 수 있는 창을 제공합니다. 수십 년 동안 과학자들은 이러한 분자들의 유전적 뿌리를 지도화하여, 어떤 유전 코드가 이들에 영향을 미치는지 식별해 왔습니다. 하지만 어떤 유전자가 관여하는지 아는 것과, 단지 DNA만을 보고 한 사람의 정확한 혈액 화학적 프로필을 예측할 수 있는 것은 별개의 문제입니다. 과제는 그 엄청난 복잡성에 있습니다. 이 분자들은 고립되어 작용하지 않고 복잡하고 비선형적인 방식으로 서로에게 영향을 미치며, 연령, 성별, 체중과 같은 요인들에 의해서도 수치가 변하기 때문입니다. 질문은 여전히 남아 있습니다. 과연 첨단 컴퓨터 모델이 전통적인 방식보다 더 정확하게 한 사람의 대사 건강을 예측할 수 있도록 이 복잡한 그물을 풀어낼 수 있을 것인가 하는 점입니다.

에스토니아 타르투 대학교의 연구진은 새로운 종류의 예측 엔진을 구축함으로써 이 질문에 답하고자 했습니다. 그들은 20만 명 이상의 유전 데이터와 혈액 샘ka가 포함된 거대한 저장소인 에스토니아 바이오뱅크(Estonian Biobank)를 활용했습니다. 연구진은 다양한 지방과 콜레스테롤 유형을 포함하여 혈액에서 측정된 약 110가지의 서로 다른 대사물질에 집중했습니다. 연구진은 정교한 인공지능 시스템, 구체적으로는 멀티태스크 신경망(multi-task neural network)을 훈련시켜 개인의 유전 코드와 혈액 화학 사이의 관계를 학습하도록 했습니다. 각 화학적 특성을 별개의 고립된 문제로 취급하는 기존 모델들과 달리, 이 새로운 시스템은 모든 특성을 동시에 학습하도록 설계되어 전체 대사 경관 전반에 걸친 공유된 패턴을 포착할 수 있게 했습니다. 모델의 개선점이 정확히 어디에서 왔는지 이해하기 위해, 연구진은 모델을 세 가지 뚜렷한 부분으로 나누었습니다. 하나는 연령이나 체질량 지수와 같은 비유전적 요인으로부터 학습하는 부분, 두 번째는 유전 데이터만을 통해 학습하는 부분, 그리고 세 번째는 이 둘 사이의 복잡한 상호작용을 포착하려는 부분이었습니다.

결과는 이 새로운 접근 방식이 현재 분야에서 사용되는 표준 도구들보다 더 효과적임을 보여주었습니다. 모델이 한 번도 본 적 없는 집단을 대상으로 테스트했을 때, 멀티태스크 신경망은 관계가 단순하고 직선적이라고 가정하는 선형 모델보다 더 높은 정확도를 달al성했습니다. 평균적으로 새 모델은 대사물질 프로필 변동의 약 22%를 설명했는데, 이는 최고의 선형 방법들이 설명한 약 21%보다 소폭이지만 의미 있는 개선이었습니다. 연구진은 이러한 이득이 모델이 새로운 숨겨진 유전적 상호작용을 발견했기 때문이 주된 원인이 아님을 발견했습니다. 대신, 이 개선은 주로 비유전적 데이터의 비선형적 관계를 처리하는 모델의 능력에서 기인했습니다. 더 간단히 말해, 모델은 연령이 신체에 미치는 영향이 단순히 직선적인 것이 아니라 복잡하고 곡선적인 방식으로 작ùng한다는 점을 기존의 경직된 공식보다 훨씬 더 잘 파악했습니다. 예를 들어, 노화가 혈액 화학에 미치는 영향은 단순하고 꾸준한 상승이 아니라 가속화되거나 변화하는데, 새 모델은 이러한 미묘한 차이를 훨씬 더 잘 포착했습니다.

모델은 환경적 및 생활 방식 요인을 해석하는 데는 뛰어난 성과를 보였지만, 유전적 성분을 예측하는 능력은 다소 제한적이었습니다. 모델의 유전적 부분은 예측력을 약간 더해주었으나, 유전자만을 살펴볼 때는 단순한 선형 방법들을 일관되게 능가하지 못했습니다. 이는 새 시스템이 개인의 삶과 환경의 복잡하고 변화하는 영향을 처리하는 데는 탁월하지만, 유전적 신호 자체는 현재의 데이터로는 높은 정밀도로 해독하기 여전히 어렵다는 것을 시사합니다. 모델은 다양한 콜레스테롤 및 지방산과 같은 지질 관련 형질을 예측하는 데 특히 강점을 보였는데, 이는 이 분자들이 신체의 운반 시스템 내에서 서로 밀접하게 연결되어 있다는 점을 고려하면 타당합니다. 그러나 많은 다른 대사물질의 경우, 새로운 복잡한 모델과 기존의 단순한 모델 사이의 차이는 미미했습니다.

이 연구는 첨단 신경망이 앞으로 나아갈 길을 제시하지만, 유전적 예측이라는 퍼즐을 즉각적으로 해결하는 마법의 탄환은 아니라고 결론짓습니다. 이 새로운 프레임워크의 주요 가치는 단순히 정확도를 약간 높이는 것이 아니라, 모델이 왜 성공하거나 실패하는지를 정확히 해부할 수 있는 능력에 있습니다. 유전, 환경, 그리고 그 상호작용의 기여도를 분리함으로써, 연구진은 혈액 화학 예측의 가장 큰 이득이 새로운 유전적 비밀을 밝혀내는 것보다 연령과 체격 구성이 신체에 미치는 영향을 더 잘 모델링하는 데서 온다는 것을 입증했습니다. 이러한 구분은 향가 의료 적용 측면에서 매우 중요합니다. 즉, 대사 건강의 예측을 개선하기 위해서는 과학자들이 오로로 더 많은 유전적 표지를 찾는 것에만 집중하기보다, 환경이 우리의 생물학적 구조를 형성하는 복잡하고 비선형적인 방식을 포착하는 데 더 집중해야 할 수도 있음을 시사합니다. 이 연구는 미래 연구를 위한 명확한 로드맵을 제공하며, 가장 강력한 도구는 생물학적 변이의 서로 다른 원천들을 세심하게 구별할 수 있는 도구라는 점을 보여줍니다.

기술 요약: 다중 작업 신경망을 이용한 공변량 인지적 유전체 기반 혈액 대사체 프로파일 예측

문제 정의
순환 대사체는 생리적 상태의 핵심적인 근접 지표이자 유전체와 표현형 사이를 잇는 가교 역할을 하지만, 이들의 유전적 예측은 주로 대사체를 독립적인 결과값으로 취급하는 선형 모델에 의존해 왔습니다. 전장 유전체 연관 분석(GWAS)을 통해 이러한 형질의 유전적 구조가 규명되었음에도 불구하고, 다중 대사체 프로파일이 유전체 데이터로부터 얼마나 정확하게 예측될 수 있는지, 그리고 비선형 모델이 복잡한 상호작용을 포착함으로써 성능을 개선할 수 있는지 여부는 여전히 불분명합니다. 또한, 기존의 예측 모델들은 성능 향상이 공변량 효과, 유전적 효과, 또는 공동 공변량-유전적 상호작용에서 비롯된 것인지 구분하는 데 실패하는 경우가 많습니다. 본 연구는 공유된 대사체 구조를 동시에 모델링하고, 비선형 공변량 효과를 고려하며, 성능 차이의 원인을 식별하기 위해 예측 기여도를 분해하는 프레임워크의 필요성을 다룹니다.

방법론
저자들은 에스토니아 바이오뱅크(EstBB)의 유전형 및 Nightingale NMR 대사체학 데이터를 활용하였으며, 여기에는 211,259명의 개인이 포함되었습니다. 유럽 혈통, 친족 관계 및 결측치에 대한 필터링을 거친 후, 데이터셋은 훈련, 검증, 모델 선택 및 홀드아웃 테스트 세트로 분할되었습니다. 분석은 109개의 대상 형질(107개의 비유도 대사체 및 HDL-C, LDL-C)에 집중되었습니다.

유전적 예측자 구축: 훈련 세트에서 대사체별 GWAS를 수행했습니다. 적어도 하나의 바이오마커와 연관된 변이( $P < 1 \times 10^{-5}$ )를 LD-pruning하여 13,049개의 변이로 구성된 합집합 예측자 세트를 병합했습니다.
모델 아키텍처: 핵심 혁신은 신경망(NN)을 통해 구현된 3단계 잔차 분해 프레임워크입니다:
1. 공변량 모듈: 연령, 성별, BMI 및 상위 10개의 유전적 주성분(PC)을 사용하여 대사체 수준을 예측합니다.
2. 유전 모듈: 첫 번째 단계의 잔차를 유전적 예측자 세트를 사용하여 예측합니다.
3. 공동 모듈: 공변량과 유전형을 모두 사용하여 남은 잔차를 예측함으로써 상호작용 효과를 포착합니다.
모델 변형: 연구에서는 다음과 같은 아키텍처들을 비교했습니다:
- 다중 작업 NN (Multi-task NN): 109개 대사체를 동시에 예측하기 위해 공유 은닉층을 사용하는 비선형 모델입니다.
- 단일 작업 NN (Single-task NN): 각 대사체에 대해 독립적으로 학습되는 비선형 모델입니다.
- 활성화 함수가 없는 다중 작업 NN (Activation-free Multi-task NN): 다중 작업 아키텍처를 유지하되 비선형 활성화 함수를 제거한 선형 비교 모델입니다.
- 선형 베이스라인: Elastic Net, Ridge Regression 및 Ordinary Least Squares (OLS)입니다.
평가: 성능은 홀드아웃 테스트 세트를 사용하여 $R^2$ , MSE, MAE 및 Pearson's $r$ 로 평가되었습니다. 불확실성은 1,000회의 쌍별 부트스트랩 반복을 통해 추정되었습니다. 모듈별 기여도는 관찰된 표현형에 대한 각 구성 요소의 $R^2$ 를 계산하여 평가되었습니다.

주요 결과

전반적인 성능: 비선형 다중 작업 NN은 모든 대사체에 대해 가장 높은 평균 홀드아웃 $R^2$ ($0.219 $)를 달성하였으며, 이는 단일 작업 NN($ 0.211$), Elastic Net($0.207 $), 그리고 활성화 함수가 없는 다중 작업 모델($ 0.191$)보다 우수한 성능을 보였습니다.
대사체 수준 비교: 다중 작업 NN은 52.3%의 대사체(109개 중 57개)에서 Elastic Net보다 우수했으며, 반면 Elastic Net이 더 우수했던 경우는 8.3%(9개)에 불과했습니다. 단일 작업 NN과의 격차는 덜 결정적이었으며, 다중 작업 모델이 선호된 형질은 40.4%였습니다.
이득의 원천 (분해):
- 공변량 모듈: 주요 개선 원천입니다. 비선형 다중 작업 NN은 활성화 함수가 없는 모델에 비해 공변량 모듈에서 유의미하게 높은 성능을 보였습니다(평균 $R^2$ $0.162 $대$ 0.130$). 이는 공변량(예: 연령 궤적, 성별 특이적 효과)의 비선형 모델링이 성능 향상을 주도함을 나타냅니다.
- 유전 모듈: 기여도는 작고 이질적이었습니다. 활성화 함수가 없는 다중 작업 모델이 실제로는 비선형 다중 작업 NN보다 약간 더 높은 평균 유전 모듈 $R^2$ ($0.061$)를 보였는데, 이는 공유된 선형 구조가 유전적 신호의 상당 부분을 설명하기에 충분함을 시사합니다.
- 공동 모듈: 공동 공변량-유전형 상호작용을 모델링하는 데서 오는 기여도는 미미하고 모델 간에 불안정했습니다(평균 $R^2 \approx 0.009$ ).
형질 특이성: 비선형 다중 작업 NN의 선형 베이스라인 대비 가장 큰 이득은 지질 및 리포단백 관련 형질(예: 리포단백 하위 분류, 지방산)에 집중되었습니다. 이들은 높은 생물학적 상관관계와 공유 구조를 보입니다.
유전력 맥락: 관찰된 유전형 기반 상관관계는 SNP-유전력 추정치가 시사하는 이론적 한계 미만으로 나타났습니다. 이는 현재의 모델이 가산적 유전 신호를 완전히 회복하지 못하고 있음을 시사하며, 이는 유한한 표본 크기와 불완전한 변이 태깅 때문일 가능성이 큽니다.

의의 및 주장
본 논문은 유전적 예측에서 모델 간의 구체적인 성능 차이 원인을 식별하기 위한 프레임워크를 제공한다고 주장합니다. 저자들은 비선형 다중 작업 신경망이 순환 대사체 프로파일을 예측하는 데 있어 가장 강력한 평균 성능을 제공하지만, 강력한 선형 베이스라인(Elastic Net 등)에 비해 그 개선 폭은 완만하며 대사체에 따라 달라진다고 결론짓습니다.

결정적으로, 본 연구는 관찰된 성능 향상이 복잡한 고차 유전 상호작용이나 유전형-공변량 상호작용을 포착하기보다는, 공변량 특징(연령 및 BMI 등)의 비선형 모델링에 의해 주로 주도된다는 것을 입증했습니다. 다중 작업 접근 방식은 단일 모델을 여러 형질에 맞게 조정할 수 있게 함으로써 통계적 및 계산적 효율성을 제공하지만, 논문은 강력한 선형 베이스라인을 극복하기가 여전히 어렵다는 점을 경고합니다. 저자들은 자신의 연구를 모든 유전적 예측 과제에 대한 확정적인 해결책이 아니라, 성능 향상이 공유된 형질 구조, 비선형 공변량 효과, 또는 복잡한 유전적 상호작용 중 어디에서 기인하는지를 분리해내기 위한 방법론적 도구로 제시합니다. 또한, 대사체 분석이 없는 코호트에서 대사체 프로파일에 대한 유전 점수를 생성하는 등의 향후 응용을 위해서는 외부 검증과 보정이 필요하다고 언급했습니다.

유사한 논문