잔차 재표본추출: 진화수와 계통유전체 분석을 위한 견고한 오차·적합 추정법

초록

이 논문은 유전체 규모의 효모 데이터에 flexi 가중 최소제곱(WLS)과 BME 기준을 적용해 거리‑트리 적합성을 평가하고, 잔차를 표준화·재표본추출(resampling)함으로써 전통적인 시퀀스 부트스트랩과 유사한 불확실성 추정치를 얻는다. 실제 데이터에서는 통계적 오차를 과소평가하거나 체계적 오류가 존재함을 드러내며, 효과적인 서열 길이를 재평가한다.

상세 분석

본 연구는 계통수 추정에서 거리 기반 방법의 적합성을 정량화하기 위해 ‘flexi Weighted Least Squares(WWLS)’라는 가변 가중치를 적용한 최소제곱 프레임워크를 도입한다. WWLS는 전통적인 최소제곱이 거리의 이분산성을 무시하는 문제를 완화시키며, 각 거리쌍에 대해 잔차의 분산 추정치를 동적으로 조정한다. 저자들은 여러 DNA·단백질 거리 측정법(예: Jukes‑Cantor, Kimura 2‑parameter, Dayhoff 등)을 사용해 12개의 거리 행렬을 구축하고, 각 행렬에 대해 트리 적합도를 ‘additivity residuals’라는 형태로 계산한다. 잔차는 관측 거리와 트리에서 예측된 거리의 차이이며, 이 차이를 표준화(잔차/예상 표준오차)함으로써 서로 다른 거리 척도 간 비교가 가능하도록 만든다.

표준화된 잔차를 기반으로 ‘잔차 재표본추출(residual resampling)’을 수행한다. 구체적으로, 잔차를 무작위로 재배열하고 원래 트리 구조에 다시 더해 새로운 가상 거리 행렬을 생성한다. 이렇게 얻은 복제 데이터셋에 대해 동일한 WWLS 최적화를 반복하면, 트리 토폴로지와 분기 길이에 대한 불확실성 분포를 직접 추정할 수 있다. 저자들은 이 방법이 전통적인 시퀀스 부트스트랩과 통계적으로 거의 동일한 결과를 제공함을 시뮬레이션을 통해 검증하였다.

실제 효모 유전체 데이터에 적용했을 때, 잔차 재표본추출은 부트스트랩이 과소평가하는 불확실성을 드러냈다. 이는 두 가지 원인으로 해석된다. 첫째, 실제 데이터에서 관측된 변이량이 모델 기반 기대치보다 커서 ‘effective sequence length(ESL)’가 실제보다 크게 추정된다. 둘째, 모델 위배(예: 진화 속도 이질성, 부정합적인 대체 모델)로 인한 체계적 오류가 존재한다는 증거다. 이러한 체계적 오류는 트리의 특정 분기에서 높은 잔차 표준편차로 나타나며, 재표본추출 결과에서 해당 분기의 지지도가 크게 감소한다.

또한, 저자들은 BME(Balanced Minimum Evolution) 기준을 이용한 초고속 트리 탐색에도 잔차 재표본추출을 적용하였다. BME는 거리 행렬을 직접 최적화해 트리를 생성하므로 계산량이 적지만, 기존에는 부트스트랩과 같은 불확실성 추정이 어려웠다. 잔차 재표본추출을 결합함으로써 BME에서도 신뢰구간을 효율적으로 산출할 수 있었으며, 실험 결과는 WWLS와 거의 일치하는 정확도를 보였다.

결론적으로, 잔차 재표본추출은 (1) 모델 기반 거리 적합도의 정량적 평가, (2) 통계적·체계적 오류 구분, (3) 기존 부트스트랩 대비 계산 효율성 향상이라는 세 가지 장점을 제공한다. 특히 대규모 계통유전체 분석에서 시퀀스 부트스트랩이 요구하는 수천 번의 재시뮬레이션을 대체할 수 있는 실용적인 대안으로 부상한다.