Scalable penalized regression boosts accuracy and computational efficiency for single- and cross-ancestry polygenic prediction

기술 요약: 다유전자 예측을 위한 확장 가능한 페널티 회귀(Penalized Regression)

문제 정의
다유전자 점수(Polygenic Scores, PGS)는 복합 질환의 조기 위험 계층화에 대한 잠재력을 제공하지만, 두 가지 주요 한계점에 직면해 있습니다: 적응형 SNP 수축(adaptive SNP shrinkage)과 계산 효율성 사이의 절충, 그리고 전반적인 유럽 중심적 편향(Eurocentric bias)입니다.

1. 계산적 vs. 적응적 절충: 기존의 베이지안 방법(예: LDpred2, PRS-CS)은 적응형 수축을 위해 유연한 사전 분포(priors)를 활용하지만, 마르코프 연쇄 몬테카를로(MCMC) 절차에 의존하여 계산 비용이 높습니다. 반면, 페널티 회귀 방법(예: Lassosum)은 계산 효율성은 높지만, 기저 효과 크기 분포에 따라 변하지 않는 비적응형 수축을 적용하는 경우가 많습니다.
2. 혈통 편향 및 전이 가능성: 대부분의 GWAS는 유럽(EUR) 인구 집단을 대상으로 수행됩니다. 유럽 데이터로 훈련된 PGS는 유전적 효과 크기, 대립유전자 빈도, 연관 불균형(LD) 패턴의 이질성으로 인해 비유럽 인구(예: 동아시아, 아프리카, 남아시아)에 적용될 때 정확도가 50% 이상 감소할 수 있습니다. 또한, 교차 혈통(cross-ancestry) 방법들은 높은 계산 비용을 수반하며 동아시아 코호트에 대한 엄격한 검증이 부족합니다.

방법론
저자들은 적응형 수축과 계산 효율성을 모두 달哮하기 위해 앙상블 모델 내에 스파이크 앤 슬래브 LASSO(spike-and-slab LASSO) 페널티를 통합한 확장 가능한 페널티 회귀 프레임워크를 제속합니다. 이 프레임워크는 두 가지 방법으로 구성됩니다:

1. 스파이크 앤 슬래브 라솜(Spike-and-Slab Lassosum, SSL): 단일 혈통 예측을 위해 설계되었습니다.

   • 메커니즘: 표준 LASSO의 상수 페널티를 데이터 기반의 적응형 페널티로 대체합니다. 이 사전 분포는 SNP 효과를 "슬래브(slab)"(큰 효과를 위해 작은 $\lambda_1$을 갖는 라플라스 분포)와 "스파이크(spike)"(작은 효과를 위해 큰 $\lambda_0$를 갖는 라플라스 분포)의 혼합으로 모델링합니다.
   • 최적화: 모델은 좌표 하강(coordinate descent) 알고리즘을 사용하여 페널티가 적용된 우도(likelihood)를 최대화합니다. 이는 GWAS 요약 통계량과 참조 LD 행렬을 사용하여 우도를 근사합니다.
   • 앙상블 학습: 단일 최적 튜닝 파라미터 세트를 선택하는 대신, SSL은 파라미터 그리드($\lambda_0, \lambda_1, \theta, s$)에 걸쳐 일련의 PGS를 생성하고, 이를 Superaclener 앙상블 알고리즘(LASSO, ridge 또는 선형 회귀 활용)을 사용하여 결합함으로써 최종 점수를 산출합니다.

2. 사전 스파이크 앤 슬래브 라솜(Prior Spike-and-Slab Lassosum, pSSL): 교차 혈통 예측을 위한 확장 모델입니다.

   • 메커니즘: pSSL은 보조 인구 집단(예: EUR)으로부터의 사전 정보를 하이퍼파라미터 $\eta \in [0,1]$를 통해 대상 인구 모델에 통합합니다. 이는 보조 예측 벡터에 중심을 둔 가우시안 사전 분포를 부과하는 전이 학습 구성 요소로서 작용하는 정규화 항을 추가함으로써 달성됩니다.
   • 데이터 요구사항: 일부 교차 혈통 방법과 달리, pSSL은 보조 인구의 요약 통계량만을 필요로 하며, 보조 인구의 개별 수준 데이터나 LD 행렬은 필요하지 않습니다. 오직 대상 인구의 데이터만 필요합니다.
   • 앙상블: SSL과 마찬가지로, 파라미터 그리드( $\eta$ 포함)에 걸쳐 여러 모델을 생성하고 이를 앙상블 학습을 통해 결합합니다.

주요 기여

• 알고리즘 혁신: 스파이크 앤 슬래브 LASSO를 페널티 회귀 프레임워크에 통합함으로써, MCMC의 계산 부담 없이 적응형 수축(강한 신호는 보존하고 약한 신호는 억제)을 가능하게 했습니다.
• 확장성: 이 방법들은 좌표 하강과 LD 블록 분해를 활용하여, 베이지안 접근 방식에 비해 실행 시간과 메모리 사용량을 크게 줄였습니다.
• 교차 혈통 프레임워크: pSSL은 복잡한 다중 인구 LD 모델링이나 보조 인구의 개별 수준 데이터를 요구하지 않고도 대규모 EUR GWAS 요약 통계량을 활용하여 저평가된 인구 집단의 예측력을 높이는 실질적인 솔루션을 제공합니다.

결과

• 시뮬레이션 (단일 혈통): 다양한 유전 구조(희소, 무한 소, 하이브리드)를 다루는 11개 시뮬레이션 시나리오에서, SSL은 54.5%의 시나리오에서 1위를 차지했고 18.2%에서 2위를 차지했습니다. SSL은 C+T 대비 평균 39.7%, Lassosum 대비 10.2%, PRS-CS 대비 4.5%의 $R^2$ 개선을 달성했습니다.
• 시뮬레이션 (교차 혈통): 72개의 교차 혈통 시뮬레이션 설정에서, pSSL은 50.0%의 시나리오에서 1위를 차지하며 PRS-CSx(27.8%), CT-SLEB(18.1%), PROSPER(2.7%)를 능가했습니다. 이러한 우위는 아프리카(AFR) 인구 집단에서 가장 두드러졌으며, pSSL은 CT-SLEB 대비 평균 14.4%의 $R^2$ 이득을 얻었습니다.
• 실제 데이터 분석 (UK Biobank & Dongfeng-Tongji):
  • 단일 혈통: 32개 복합 형질에 대해, SSL은 UKB에서 90.6%, DFTJ에서 84.4%의 형질에 대해 최적의 정확도를 달성했습니다. 이는 PRS-CS 대비 평균적으로 $R^2$를 각각 7.8%(UKB) 및 10.4%(DFTJ) 개선했습니다.
  • 교차 혈통: DFTJ 코호트(동아시아 대상)에서 pSSL은 71.9%의 형질에서 1위를 차지했으며, PRS-CSx 대비 평균 12.3%의 $R^2$ 이득을 보였습니다. 특히 지질 및 적혈구 관련 형질에서 타 모델을 압도했습니다.
• 계산 효율성:
  • SSL은 실행 시간을 PRS-CS의 약 1/3 수준(32.5분 vs. 120.7분)으로 단축했으며, 메모리는 1/5 미만(9.0 GB vs. 54.3 GB)을 사용했습니다.
  • pSSL은 PRS-CSx 실행 시간의 약 1/6(56.3분 vs. 319.0분)과 메모리의 1/4 미만을 필요로 했습니다.

의의 및 주장
본 논문은 SSL과 pSSL이 페널티 회귀의 계산적 확장성과 베이지안 방법의 데이터 적응형 수축 사이의 간극을 성공적으로 메웠다고 주장합니다.

• 형평성: 동아시아 및 아프리카 인구 집단에서의 우수한 성능을 입증함으로써, 저자들은 이 방법들이 다양한 인구 집단에 걸쳐 공평한 PGS 적용을 촉진할 수 있는 큰 잠재력을 가지고 있다고 주장합니다.
• 실용성: 보조 인구의 개별 수준 데이터나 LD 행 matrix 없이 요약 통계량만을 사용할 수 있다는 점은, 대규모 GWAS가 부족한 저평가된 집단의 예측력을 높이는 데 있어 pSSL이 실용적인 도구임을 의미합니다.
• 한점: 저자들은 분석이 HapMap3 SNP로 제한되었으며, 이는 비유럽 집단에서의 성능을 과소평가할 수 있다고 언급했습니다. 또한, 앙상블 접근 방식은 충분한 튜닝 샘플(1,500–3,000)을 필요로 하며, 현재의 pSSL 프레임워크는 두 인구 집단 분석으로 제한되어 있으나, 이는 현재의 데이터 환경을 고려한 실용적인 선택으로 설명되었습니다.

저자들은 이 방법들이 정확하고 효율적이며 확장 가능한 단일 및 교차 혈통 PGS 예측을 가능하게 함으로써 해당 분야를 발전시킨다고 결론지었습니다.