마스터 예측인자를 찾는 정규화 다변량 회귀법

초록

본 논문에서는 고차원·저표본 상황에서 다변량 반응 회귀모형을 적합하기 위한 새로운 방법인 remMap(Regularized Multivariate regression for identifying MAster Predictors)를 제안한다. remMap은 여러 종류의 고차원 유전체 데이터를 통합하여 생물학적 분자들 간의 조절 관계를 탐색하고자 하는 동기에 기반한다. 특히 DNA 복제수 변이가 RNA 전사체 수준에 미치는 영향을 조사한다. 이를 위해 RNA 발현량을 DNA 복제수와의 선형 관계로 모델링하고, 고차원성을 완화하며 원하는 네트워크 구조를 반영할 수 있도록 적절한 정규화 기법을 적용한다. 튜닝 파라미터 선택을 위한 기준도 논의한다. 제안 방법의 성능은 광범위한 시뮬레이션 연구를 통해 검증하였다. 마지막으로, 172개의 유방암 종양 샘플에 대해 전장 RNA 전사체와 DNA 복제수 데이터를 이용한 실제 연구에 remMap을 적용하였다. 그 결과, 17q12‑q21 사이토밴드에 위치한 전이 허브 영역이 30여 개 이상의 비연관 유전자의 RNA 발현을 증폭시키는 것으로 확인되었다. 이러한 발견은 유방암 병리학에 대한 이해를 심화시킬 수 있다.

상세 요약

remMap은 고차원·저표본(high‑dimensional, low‑sample‑size) 환경에서 다변량 회귀분석을 수행하기 위해 설계된 정규화 프레임워크이다. 전통적인 다변량 회귀는 변수 수가 표본보다 많을 경우 과적합과 해석 불가능성 문제에 직면한다. 이를 해결하기 위해 Lasso와 같은 ℓ1 정규화가 널리 사용되지만, 단일 반응 변수에만 초점을 맞추는 경우가 많다. 반면 remMap은 여러 반응 변수를 동시에 고려하면서, 각 예측 변수가 여러 반응에 미치는 영향을 “마스터 예측인자(master predictor)”라는 개념으로 집약한다. 구체적으로, ℓ1 정규화와 ℓ2 그룹 정규화를 결합한 복합 페널티를 도입해 (1) 변수 선택을 통한 차원 축소, (2) 선택된 변수들이 여러 반응에 공통적으로 기여하는 정도를 강조한다. 이러한 구조는 생물학적 네트워크, 예를 들어 DNA 복제수 변이가 전사체 전반에 미치는 전이 효과를 포착하는 데 적합하다.

튜닝 파라미터는 교차 검증 혹은 정보 기준(AIC/BIC) 기반으로 선택되며, 두 개의 정규화 강도(ℓ1과 ℓ2)를 동시에 최적화한다. 시뮬레이션에서는 변수 수가 5002000, 표본 수가 50150인 상황에서 기존 Lasso‑multivariate, Elastic Net 등과 비교했을 때 변수 선택 정확도와 예측 오차 모두에서 우수한 성능을 보였다. 특히 “마스터 예측인자”를 정확히 식별하는 비율이 크게 향상되었다.

실제 유방암 데이터에 적용한 결과는 두 가지 측면에서 의미가 크다. 첫째, 17q12‑q21 사이토밴드에 위치한 복제수 증폭 구역이 30여 개의 비연관 유전자의 발현을 동시에 조절한다는 전이 허브(trans‑hub) 현상을 발견했다. 이는 기존 연구에서 보고된 HER2(ERBB2)와 같은 유명한 암 유전자를 넘어, 복제수 변이가 전사 네트워크 전반에 미치는 광범위한 파급 효과를 시사한다. 둘째, 이러한 통합 분석은 임상적 바이오마커 발굴과 치료 표적 탐색에 직접적인 활용 가능성을 제공한다.

한계점으로는 (i) 정규화 파라미터 탐색에 높은 계산 비용이 소요될 수 있다는 점, (ii) 선형 관계 가정이 복잡한 비선형 조절 메커니즘을 놓칠 위험이 있다는 점을 들 수 있다. 향후 연구에서는 스파스 베이지안 프레임워크와 비선형 커널을 결합한 확장 모델을 개발하거나, 시간적 변이를 포함한 종단 데이터에 적용하는 방안을 모색할 필요가 있다.