유전자 발현 데이터의 전·국부 클러스터링을 위한 하이브리드 계층‑k‑means와 바이클러스터링 통합 연구

본 논문은 유전자 발현 데이터의 복잡한 패턴을 효과적으로 탐색하기 위해 전역 클러스터링과 지역(바이)클러스터링을 동시에 적용하는 하이브리드 분석 프레임워크를 제안한다. 먼저, 전통적인 계층적 클러스터링(Hierarchical Clustering, HC)과 k‑means(KM)를 결합한 하이브리드 계층‑k‑means(HKM) 알고리즘을 설계한다. HC 단계에서는 단일 연결(single‑linkage) 방식을 사용해 데이터 포인트를 점진적으로 병합하고, 클러스터 수와 초기 중심점을 추정한다. 이후 KM 단계에서는 HC에서 얻은 초기 중심점을 활용해 k‑means를 수행함으로써 초기값 선택에 따른 지역 최적화 문제를 완화한다. 거리 측정은 피어슨 상관계수를 사용해 유전자 발현 프로파일 간 선형 유사성을 평가한다. 또한, 클러스터 내부 거리 계산 후 해시 함수를 적용해 버킷(클러스터) 크기를 균등하게 맞추는 독특한 구현을 제안한다. 이 과정에서 N(버킷 수)과 M(유전자 수)의 비율을 조정해 평균 버킷에 1~2개의 유전자가 들어가도록 설계함으로써 k값을 자동 결정한다는 점을 강조한다. 전역 클러스터링이 완료된 후, 동일 데이터 매트릭스에 대해 바이클러스터링을 수행한다. 바이클러스터링은 행(유전자)과 열(조건)의 부분 집합을 동시에 클러스터링해, (I, J) 형태의 서브매트릭스를 형성한다. 논문에서는 HKM 알고리즘을 그대로 적용해 바이클러스터를 도출하고, 이를 “행‑열 동시 클러스터”로 정의한다. 이때, 행 클러스터 I는 유사한 발현 패턴을 보이는 유전자 집합이며, 열 클러스터 J는 해당 유전자들이 유사하게 반응하는 실험 조건(시간점, 처리 등) 집합이다. 이러한 바이클러스터는 전역 클러스터링이 놓칠 수 있는 국소적인 패턴을 포착한다는 장점이 있다. 클러스터링 결과의 품질 평가는 Figure of Merit(FOM)이라는 정량적 지표를 사용한다. FOM은 특정 실험 조건 e를 제외하고 클러스터링을 수행한 뒤, 제외된 조건에 대한 각 클러스터의 평균 발현값과 실제 발현값 간의 제곱 오차를 평균화한다. 이 값이 작을수록 클러스터가 새로운 조건을 예측하는 능력이 뛰어나다는 의미이며, 전역·지역 클러스터링 모두에 적용해 비교한다. 생물학적 의미 해석을 위해, 각 클러스터에 포함된 유전자의 서열을 BLAST(Basic Local Alignment Search Tool)와 연계한다. BLAST를 파이프라인에 자동으로 삽입해, 클러스터 내 유전자의 서열 유사성을 빠르게 검색하고, 유사 서열이 보고된 기존 데이터베이스와의 매칭을 통해 기능적 주석을 부여한다. 이를 통해 클러스터링 결과가 단순히 통계적 그룹이 아니라, 실제 생물학적 기능과 연관된 그룹임을 검증한다. 관련 연구 섹션에서는 기존 바이클러스터링 기법인 SAMBA, BIGA, FLOC, ROBA, xMOTIFs, OPSM 등을 서술하고, 각각이 그래프 이론, 유전 알고리즘, 선형 대수 등을 활용해 바이클러스터를 탐색한다는 점을 강조한다. 그러나 본 논문은 이러한 기존 방법과의 정량적 비교 실험을 제시하지 않는다. 연구 방법론 파트에서는 하이브리드 클러스터링 흐름을 구체적으로 설명한다. 1) 데이터 전처리 및 피어슨 상관계수 기반 거리 행렬 생성, 2) 단일 연결 HC 수행으로 초기 클러스터와 중심점 도출, 3) 해시 기반 버킷 할당으로 k값 자동 설정, 4) KM 실행으로 최종 전역 클러스터 확보, 5) 동일 매트릭스에 HKM을 적용해 바이클러스터 도출, 6) FOM을 이용해 전·후 클러스터 품질 평가, 7) BLAST 연동을 통해 각 클러스터의 기능적 의미 추출. 실험 결과는 구체적인 데이터셋(예: Saccharomyces cerevisiae 마이크로어레이)과 비교 지표를 제시하지 않아 재현이 어렵다. 대신, FOM 값이 낮게 측정되었으며, BLAST 검색 결과 주요 클러스터가 알려진 기능군(예: 세포주기, 대사 경로)과 일치한다는 서술만 있다. 결론적으로, 논문은 전역·지역 클러스터링을 결합하고, FOM과 BLAST를 이용해 결과를 검증하는 통합 프레임워크를 제시한다. 그러나 알고리즘 구현 세부, 파라미터 선택 근거, 기존 방법과의 비교 실험, 데이터셋 및 코드 공개 등이 부족해 실제 연구 커뮤니티에서의 활용 가치는 제한적이다. 향후 연구에서는 보다 명확한 실험 설계와 오픈소스 구현을 통해 재현성을 확보하고, 다양한 바이오마커 탐색에 적용해볼 필요가 있다.