Two-tower models for genomic prediction of reproductive outcomes and sex-specific fertility liabilities: simulation insights

기술 요약: 생식 결과의 유전적 예측을 위한 투 타워(Two-Tower) 모델

문제 정의
유성 생식 종에서 번식 성공은 "확장된 표현형(extended phenotype)"으로, 두 배우자의 생식력이 결합된 생물학적 결과물이다. 개별 형질과 달리, 수정 성공은 암수의 잠재력(liabilities)에 대한 단순한 선형 결합으로 표현될 수 없다. 이는 두 개체 모두가 생식력을 갖추어야 성공이 이루어지기 때문에 본질적으로 비선형적이다. 기존의 예측 모델들은 고차원 유전체 데이터로부터 해석 가능한 성별 특이적 유전적 기여도(잠재력)를 복구하는 동시에, 쌍(pair) 단위의 집계된 표현형을 동시에 예측하는 데 어려움을 겪는 경우가 많다. 본 연구는 이와 같은 공동 형질을 모델링하여 이진(binary) 번식 결과의 유전적 예측을 가능하게 하고, 성별 특이적 생식 잠재력을 복구하는 문제를 다룬다.

방법론
저자들은 다양한 유전 구조 하에서 데이터셋을 생성하기 위해 AlphaSimR 패키지를 이용한 시뮬레이션 기반 접근 방식을 채택하였다. 본 연구는 성별 특이적 유전체 입력(SNP 유전자형)을 별도의 서브 모델("타워")을 통해 처리한 후, 이를 곱셈적으로 결합하여 쌍 단위의 성공을 예측하도록 설계된 세 가지 distinct 투 타워(Two-Tower, TT) 머신러닝 아키텍처를 평가하였다.

1. 시뮬레이션 설계:

   • 데이터 생성: 4,000명의 창시 인구로부터 유도된 10개의 염색체와 5,000개의 SNP를 가진 시뮬레이션 인구를 생성하였다.
   • 시나리오: 모델의 견고성을 테스트하기 위해 다양한 파라미터에 따른 14가지 시나리오를 생성하였다:
     • 유전력 (HER): 균형 잡힌 경우와 불균형한 경우를 포함하여, 성별 특이적 유전력($h^2$)이 0.1에서 0.7까지 변화함.
     • 유전 상관관계 (COR): 암수 간 유전 상관관계 -0.7, 0, 0.7.
     • 유병률 (PREV): 서로 다른 불임 사례/대조군 비율 (0.1, 0.25, 0.4).
     • 교배 구조 (MATE): 다양한 부계 대비 모계 비율 (1:2, 1:1, 2:1).
     • 성별 특이적 불임 (SEX): 성별 간 불균형한 불임률.
     • 배우자 적합성 (Mate Compatibility): 특정 부계-모계 유전자형 사이의 유전자형 의존적 부적합성(비가산적 상호작용)을 도입한 추가 시나리오.

2. 모델 아키텍처:

   • TT-MLP: 세 개의 은닉층, ReLU 활성화 함수 및 드롭아웃을 사용하는 다층 퍼셉트론.
   • TT-CNN: 패딩(padding) 처리가 된 염색체를 처리하는 1D 합성곱 신경망(Convolutional Neural Network)과 배치 정규화, 풀링, 그리고 MLP 헤드로 구성됨.
   • TT-LASSO: 기여도가 낮은 특징들을 0으로 유도하도록 설계된 L1 규제 선형 모델.
   • 완전 연결 MLP (Baseline): 비가산적 상호작용을 직접 포착하기 위해 부계와 모계의 유전자형 벡터를 결합(concatenate)하는 표준 MLP로, 적합성 시나리오에 대한 비교군 역할을 함.

3. 훈련 및 평가:

   • 모델은 로그 공간에서의 클래스 가중치 적용 이진 교차 엔트로피 손실(class-weighted binary cross-entropy loss)을 사용하여 훈련되었다.
   • 하이퍼파라미터는 별도의 데이터셋에 대해 5-겹 교차 검증을 수행하는 Optuna를 통해 튜닝되었다.
   • 지표: 성능은 이진 분류(쌍 단위 성공)를 위한 ROC-AUC와 타워 출력값과 실제 유전 가치(True Genetic Values, TGV) 사이의 피어슨 상관계수를 통한 성별 특이적 잠재력 복구 능력을 기준으로 평가되었다.

주요 결과

• 분류 성능: 예측 정확도(ROC-AUC)는 성별 특이적 유전력의 유클리드 노름(Euclidean norm)에 따라 선형적으로 증가하였다. TT-LASSO가 대부분의 시나리오에서 가장 높은 전반적 분류 성능을 일관되게 달성하였으며, TT-MLP가 그 뒤를 이었다. TT-CNN은 일반적으로 가장 낮은 성능을 보였다.
• 성별 특이적 잠재력 복구: 모든 모델은 공동 결과(joint outcomes)만을 학습했음에도 불구하고 잠재적인 생식 잠재력을 성공적으로 복구하였다.
  • TT-LASSO는 유전력이 더 높은 성별(더 강한 신호 대 잡음비)에 대해 우수한 복구 성능을 보였으나, 불균형한 시나리오에서는 특히 유전력이 낮은 성별의 잠재력을 과소 복구하는 경-경향이 있었다.
  • TT-MLP는 유전력 불균형에 관계없이 두 성별 모두에 대해 더 균형 있고 일관된 유전 가치 복구를 제공하였다.
• 데이터 구조의 영향:
  • 유병률: 불임 유병률(더 많은 사례)이 높을수록 학습 및 분류 정확도가 향려되었으나, 희귀한 사례(낮은 유병률)는 성능을 불안정하게 만들었다.
  • 교배 구조: 부계:모계 비율의 변화는 전반적인 정확도에는 미미한 영향을 미쳤으나, TT-LASSO의 특정 성별 잠재력 복구에는 영향을 주었다.
  • 배우자 적합성: 유전자형 의존적 부적합성을 도입한 시나리오에서는 입력을 결합하는 완전 연결 MLP가 투 타워 모델보다 우수한 성능을 보이며 가장 높은 예측 정확도를 달성하였다. 이는 성별을 독립적으로 처리하는 표준 TT 아키텍처가 배우자 간의 복잡한 비가산적 상호작용을 포착하는 데 어려움이 있음을 시사한다.

의의 및 주장
본 논문은 투 타워 프레임워크가 번식 성공과 같은 확장된 표현형을 모델링하는 강력한 접근법을 제공한다고 주장한다. 주요 기여는 이러한 아키텍처가 집계된 번식 결과를 예측하는 동시에, 유전체 정보로부터 성별 특이적 유전 잠재력을 분리해낼 수 있음을 입증한 것이다.

저자들은 TT-LASSO가 우수한 분류 정확도를 제공하지만, TT-MLP가 다양한 유전 구조에서 더 견고하고 균형 잡힌 유전 가치 복구를 제공한다는 점을 강조한다. 이 연구는 선택한 아키텍처가 특정 목표, 즉 이진 분류 정확도 극대화와 해석 가능하고 균형 잡힌 개별 육종가(breeding values) 추정치 획득 중 무엇인지에 따라 달라짐을 보여준다. 또한, TT 모델은 가산적 유전 효과에는 효과적이지만, 비가산적 배우자 적합성 효과를 포착하려면 유전자형 상호작용을 공동으로 모델링하는 완전 연결 아키텍처가 필요할 수 있음을 나타낸다. 저자들은 이러한 프레임워크가 감염병 감수성과 같은 다른 확장된 표현형으로 확장될 수 있으며, 타워 출력값이 대규모 유전체 평가를 위한 효율적인 저차원 표현(representation)으로 사용될 수 있다고 제안한다.