A Knowledge Graph-Guided Transcriptomic Framework Identifies a 22-Gene Prognostic Signature for Cervical Cancer

기술 요약: 자궁경부암 예후 진단을 위한 지식 그래프 기반 전사체 프레임워크

문제 제기
현재 자궁경부암의 위험 계층화는 FIGO 병기 및 림프절 상태와 같은 임상병리학적 요인에 크게 의존하고 있다. 이러한 도구들은 질병의 근저에 있는 분자적 이질성을 포착하지 못하여, 종종 과잉 치료 또는 과소 치료를 초래한다. 전통적인 전사체 바이오마커 발굴은 일반적으로 차등 발현 분석(differential expression analysis)에만 의존하며, 이는 수천 개의 후보 유전자를 생성한다. 이러한 후보들은 범암(pan-cancer) 공통 연관성인 경우가 많아 질병 특이성이 부족하며, 독립적인 검증에 실패하는 경우가 빈번하다. 따라서 선험적 생물학적 지식과 경험적 전사체 데이터를 통합하여 견고하고 질병 특이적인 예후 바이오마커를 식별할 수 있는 프레임워크가 절실히 필요하다.

방법론
저자들은 지식 그래프(Knowledge Graph, KG) 임베딩 특이성과 전사체 차등 발현을 결다는 두 가지 필터 프레임워크를 제안한다.

1. 지식 그래프 구축 및 임베딩:

   • 본 연구는 20개 이상의 데이터베이스(예: NCBI Gene, DrugBank, DisGeNET)를 통합한 포괄적인 생물 의학 지식 그래프인 PrimeKG를 활용하였다.
   • 자궁경부암(MeSH ID: D002583)과 관련된 엔티티(entity)와 관계를 추출하여 자궁경부암 특이적 서브그래프를 구축하였으며, 그 결과 약 15,742개의 엔티티와 약 284,613개의 관계를 확보하였다.
   • 모델 평가: 네 가지 아키텍처 패러다임(translational, rotational, bilinear, composite)에 걸친 10개의 그래프 임베딩 모델을 PyKEEN 프레임워크를 사용하여 체계적으로 평가하였다. 모델에는 TransE, TransH, RotatE, DistMult, ComplEx, RESCAL, SimplE, PairRE, ermlpe가 포함되었다.
   • 특이성 지표: 단순히 링크 예측 지표(MRR, Hits@K)에만 의존하는 전통적인 평가와 달리, 저자들은 **Z-점수 기반 특이성 프레임워크(Z-Score-Based Specificity Framework)**를 도입하였다. 이 지표는 특정 유전자의 자궁경부암 예측 점수를 10개의 배경 고형암(예: 유방암, 폐암, 대장암)에서의 점수의 평균 및 표준편차와 비교한다. 모델은 하류 분석을 위해 ComplEx로 선정되었는데, 이는 SimplE가 가장 높은 전체 링크 예측 성능을 보였음에도 불구하고, ComplEx가 가장 높은 자궁경부암 특이성(Top 100 평균 Z-점수 = 4.19)을 입증했기 때문이다.

2. 후보 유전자 필터링:

   • 필터 1 (KG 특이성): 유전자가 KG 예측에서 유의미한 임계값($Z \ge 1.645$, 이는 상위 약 5% 분포에 해당하며, $P < 0.05$)을 충족하는 경우 선택되었다.
   • 필터 2 (전사체): TCGA-CESC 데이터(종양 샘플 304개)를 정상 조직 샘플(TCGA 3개 + GTEx 10개)과 결합하여 DESeq2를 이용한 차등 발현 분석을 수행하였다. 유의미한 유전자는 조정된 $P < 0.05$ 및 $|log_2FC| > 1$을 만족하는 것으로 정의하였다.
   • 교집합: KG 예측 후보군과 차등 발현 유전자의 교집합을 통해 476개의 고신뢰도 후보 유전자를 도출하였다.

3. 예후 시그니처 개발:

   • TCGA-CESC 코호트($n=250$, 이벤트 50건)를 사용하여, 낮은 이벤트 대 변수 비율(50개 이벤트 대비 449개 가용 유전자) 문제를 해결하기 위해 LASSO-Cox 대신 다른 방법을 사용하였다(LASSO-Cox는 안정적으로 수렴하지 못함).
   • 대신, 교차 검증된 Top-K 가중 위험 점수(cross-validated Top-K weighted risk score) 접근법을 채택하였다. 단변량 $P < 0.10$인 35개 유전자에서 시작하여, $K=1$부터 $K=30$까지의 모델 범위를 5-겹 교차 검증(five-fold cross-validation)을 통해 평가하였다.
   • 최적의 모델 크기는 평균 교차 검증 C-index를 극대화하는 $K=22$로 결정되었다.
   • 위험 점수는 단변량 Cox 계수에 기반한 z-표준화 발현 값의 가중 합으로 계산되었다.

4. 검증:

   • 내부 검증: TCGA-CESC 내에서 하위 그룹 분석(병기, 림프절 상태, 조직형, 지리적 위치), 시간 의존적 AUC 분석(1–5년), 그리고 과적합을 배제하기 위한 순열 테스트(1,000회 셔플)를 수행하였다.
   • 외부 생물학적 검증: 시그니처를 GSE52903 데이터셋(Affymetrix 플랫폼, 종양 55개, 정상 17개)에 적용하였다. 생존 데이터는 사용할 수 없었으므로, 종양과 정상 조직 간의 차등 위험 점수를 평가하였다.
   • 다변량 분석: 연령 및 FIGO 병기를 보정하여 독립성을 평가하였다.

주요 결과

• 모델 선택: ComplEx 모델은 Top 100 평균 Z-점수가 4.19로 나타나 SimplE의 1.04보다 우수한 질병 특이성을 보였다. 이는 복소수 기반의 쌍선형 스코어링(complex-valued bilinear scoring)이 질병-유전자 간의 방향성 있는 관계를 더 잘 포착함을 확인시켜 주었다.
• 시그니처 성능: 도출된 22개 유전자 시그니처는 TCGA-CESC 코호트에서 환자들을 고위험군과 저위험군으로 성공적으로 계층화하였다.
  • 판별력: Log-rank $P = 6.33 \times 10^{-10}$.
  • C-Index: 훈련 C-index = 0.816; 부트스트랩 평균 C-index = 0.816 (95% CI: 0.762–0.865).
  • 다변량 독립성: 다변량 Cox 분석에서 위험 점수는 여전히 사망의 유의미한 예측 인자로 남았으나(SD 증가당 HR = 2.23, 95% CI: 1.67–2.96, $P < 0.0001$), 연령과 FIGO 병기는 이 특정 모델 맥락에서 통계적으로 유의미하지 않았다.
  • 견고성: 시그니처는 I기 환자(C-index = 0.815) 및 림프절 음성/양성 하위 그룹 모두에서 높은 판별력을 유지하였다.
  • 시간적 정확도: 평균 5년 시간 의존적 AUC는 0.829였다.
• 외부 검증: GSE52903에서 22개 유전자가 모두 성공적으로 매핑되었다. 시그니처는 정상 조직보다 종양 조직에서 유의하게 낮은 위험 점수를 보였으며 ($P = 0.042$), 22개 유전자 중 15개가 유의미한 차등 발현을 나타냈다.
• 기능적 농축(Enrichment): 476개의 후보 유전자는 칼륨 이온 항상성, Ras 신호 전달, 세포 골격 역동성 등 암 관련 프로세스에 농축되어 있었다. 최종 22개 유전자 시그니처는 이러한 핵심 네트워크의 대표 유전자들(예: EFNA1, GNG5, DSG2, CKMT1A)을 포함하고 있다.

의의 및 주장
본 논문은 표준적인 링크 예측 지표를 넘어 질병 특이적 Z-점수를 사용하여, 자궁경부암 유전자 발굴을 위해 10개의 지식 그래프 임베딩 모델을 체계적으로 비교한 첫 사례라고 주장한다. 주요 기여는 KG 특이성 스코어링과 전사체를 통합하여 범암 노이즈를 필터링하는 Z-점수 기반 특이성 프레임워크이다.

저자들은 도출된 22개 유전자 시그니처가 다음을 입증한다고 주장한다:

1. 강한 내부 타당성: 교차 검증 및 부트스트랩 재표집을 통한 높은 판별력과 안정성.
2. 임상 병기로부터의 독립성: 현재 보조 요법 결정이 논쟁적인 집단인 초기 단계(I기) 환자들 사이에서도 위험을 계층화할 수 있는 능력.
3. 생물학적 일관성: 시그니처가 사전 생물학적 지식(KG)과 경험적 발현 데이터 모두에 근거하고 있으며, 기능적 농축 결과가 자궁경부암 경로에 대한 관련성을 뒷받침함.

본 연구는 이러한 KG 기반 접근 방식이 생물학적으로 타당하면서도 임상적으로 실행 가능한 예후 바이오마커를 식립하는 유망한 경로를 제공하며, 잠재적으로 보조 요법 결정을 가이드할 수 있다고 결론짓는다. 저자들은 단일 훈련 코호트(TCGA-CESC)에 대한 의존도와 생존 데이터가 포함된 독립적인 외부 코호트의 부재를 한계점으로 인정하며, 향후 연구에서 다기관 설정에서의 전향적 검증을 우선시해야 한다고 언급하였다.