네트워크와 변수 통합으로 모듈 구조를 정확히 학습하는 새로운 모델

본 논문은 ‘모듈 네트워크(Module Networks)’라는 기존 프레임워크의 한계를 극복하고자, 네트워크 연결 정보와 노드별 변수 데이터를 동시에 활용하는 새로운 확률 모델을 제안한다. 전통적인 모듈 네트워크는 각 노드(예: 유전자, 사용자)의 관측값만을 이용해 공통 부모를 공유하는 모듈을 찾고, 그 모듈 간의 의존 구조를 추정한다. 그러나 변수만을 이용할 경우, 공통된 외부 요인이나 잡음에 의해 허위 의존성이 발생하고, 이를 억제하기 위해 모듈 수, 부모 수 등 인위적인 구조적 제약을 강제해야 한다는 문제점이 있다. ### 1. 모델 설계 저자들은 두 가지 관측을 하나의 잠재 구조에서 생성된다고 가정한다. - **노드 변수 모델**: 각 실험·조건 c에 대해 N개의 노드 변수 X_c 를 다변량 정규분포 N(μ_c, Σ) 로 모델링한다. 여기서 Σ는 전역적인 공분산 행렬이며, 모듈‑부모 관계를 반영하는 희소 행렬 W 로부터 Σ = (I‑W)^{-T}(I‑W)^{-1} 로 정의한다. W는 모듈 할당 A와 부모 집합 S에 의해 결정되며, 같은 모듈에 속한 모든 노드에 대해 동일한 행을 갖는다. 이는 모델의 식별성을 보장한다. - **평균 구조**: μ_c는 부모 평균 μ_Rc와 혼합 계수 Γ_c의 선형 결합으로 표현된다. 각 부모 r에 대해 활성화/억제 상태를 이진 스플릿 포인트 z_{rk} 로 구분하고, γ^{Lo}_r, γ^{Hi}_r 로 상태별 가중치를 부여한다. 이렇게 하면 조건별 큰 효과와 전역적인 작은 효과를 구분해 표현할 수 있다. - **네트워크 데이터 모델**: 방향성 엣지 B_{r→n} 은 베르누이 변수로, 부모 r가 모듈 k에 속한 모든 노드 n에 대해 성공 확률 π_{rk} 로 모델링한다. 이는 전통적인 스토캐스틱 블록모델과 유사하지만, 부모 집합이 겹치는 ‘오버래핑 블록’ 형태를 허용한다. 전체 우도는 변수 부분과 네트워크 부분의 곱으로 분리되며, 사전분포와 결합해 베이지안 사후를 형성한다. ### 2. 식별성 이론 단순히 변수만을 이용한 다변량 정규모델은 공분산 행렬의 다중 분해 때문에 구조(A, S)를 고유하게 복원할 수 없으며, 이를 방지하기 위해 추가적인 제약이 필요하다(레마 1). 반면, 네트워크 관측을 포함하면 오버래핑 블록모델의 식별성 결과를 적용할 수 있다. 저자들은 Latouche et al. (2011)의 정리를 인용해, 충분히 풍부한 네트워크 데이터가 주어지면 모듈 할당 A와 부모 집합 S가 유일하게 결정된다고 증명한다. 따라서 네트워크 정보는 구조적 제약을 제공해 모델을 식별 가능하게 만든다. ### 3. 학습 알고리즘 모델 파라미터와 구조를 동시에 추정하기 위해 가역점 이동(Reversible‑Jump) MCMC를 설계하였다. 주요 이동은 다음과 같다. 1. **모듈 추가/삭제** – 새로운 모듈을 생성하거나 기존 모듈을 합치는 제안. 2. **부모 수 변화** – 모듈당 부모 개수를 늘리거나 줄이는 제안. 3. **부모 재배치** – 특정 부모를 다른 모듈로 이동하거나 교체. 각 이동은 사후 확률 비율에 기반해 메트로폴리스 수용 기준을 적용한다. 변수 모델 파라미터(μ_Rc, Γ_c, Σ)와 네트워크 파라미터(π)는 Gibbs 샘플링으로 순차 업데이트한다. 기존 Segal et al.이 사용한 결정적 EM 방식과 달리, MCMC는 다중극대점 문제에 강건하며, 모듈 수를 사전에서 고정하지 않아도 된다. ### 4. 실험 및 결과 - **합성 데이터**: 다양한 모듈 수와 부모 수를 갖는 시뮬레이션에서, 네트워크와 변수를 동시에 이용한 모델이 순수 변수 모델에 비해 F1 점수가 15~30% 향상되었으며, 모듈 및 부모 회수율도 크게 개선되었다. - **트위터 데이터**: 팔로우 네트워크와 사용자 트윗 활동을 결합해, 영향력 있는 사용자 그룹(모듈)과 그들의 전파 경로를 정확히 복원하였다. 특히, 순수 활동 데이터만으로는 식별이 어려웠던 미세한 영향 구조를 네트워크 정보가 보완하였다. - **결핵균 유전체**: ChIP‑Seq 기반 TF‑DNA 결합 데이터와 전사체 발현 데이터를 통합해, 알려진 조절 모듈을 재현함과 동시에 기존 모듈 네트워크가 놓친 새로운 후보 조절자를 제시하였다. 이는 실제 생물학적 가설 생성에 직접 활용될 수 있다. ### 5. 의의 및 한계 본 연구는 (1) 두 종류의 데이터 소스를 통합함으로써 모델 식별성을 확보하고, (2) 가역점 이동 MCMC를 통해 구조적 가정을 최소화하며, (3) 실제 도메인(소셜 네트워크, 유전체)에서 실용적인 결과를 도출했다는 점에서 큰 의미를 가진다. 다만, 네트워크 관측이 충분히 풍부하지 않은 경우 식별성이 약화될 수 있으며, MCMC의 수렴 진단과 계산 비용이 여전히 도전 과제로 남는다. 향후 연구에서는 희소 네트워크 데이터에 대한 강건한 확장과 변분 추정법을 통한 스케일링을 모색할 수 있다.