무작위 집합 기반 유전자 세트 풍부도 분석의 새로운 통찰

본 논문은 마이크로어레이 기반 유전자 발현 연구에서 기능적 카테고리(예: Gene Ontology, GO)와 차등 발현 유전자 사이의 풍부도(enrichment)를 정량화하는 새로운 통계적 프레임워크를 제시한다. 기존에는 두 가지 주요 접근법이 사용되어 왔다. 첫 번째는 차등 발현 유전자를 사전 선택하고, 선택된 유전자 리스트와 카테고리 간 교차표를 구성해 Fisher 정확 검정이나 χ² 검정으로 풍부도를 평가하는 방법이다. 이 방법은 구현이 간단하고 직관적이지만, 선택 임계값에 크게 의존해 검정력이 변동하고, 선택된 유전자의 수가 적을 경우 정보 손실이 발생한다. 두 번째는 모든 유전자의 정량적 점수를 보존하고, 카테고리‑레벨 통계량을 원 데이터에 대한 퍼뮤테이션으로 검정하는 SAFE/GSEA 계열 방법이다. 이 방법은 전체 점수를 활용해 미세한 변화를 포착하지만, 퍼뮤테이션 과정이 계산적으로 부담이 되며, ‘무효 가설’이 “전혀 차등 발현이 없다”는 강한 가정을 요구한다는 한계가 있다. 이러한 한계를 극복하고자 저자들은 ‘무작위 집합(random‑set)’ 모델을 도입한다. 전체 유전자 집합 G(크기 G)에서 크기 m인 카테고리 C를 무작위로 추출한다는 가정 하에, 각 유전자에 부여된 점수 s_g(이진 혹은 연속)를 이용해 카테고리 평균 점수 \(\bar X = \frac{1}{m}\sum_{g\in C}s_g\) 를 정의한다. 무작위 집합 가정에 따라 \(\bar X\)의 기대값 μ와 분산 σ²를 정확히 계산할 수 있다. 구체적으로 \