트리 형태를 이용한 ChIP Seq 피크 탐지 혁신

초록

**
본 논문은 ChIP‑Seq 데이터의 읽기 커버리지를 트리 구조로 변환하고, 위상 데이터 분석의 지속성(persistence) 개념을 활용해 비모수적이고 잡음에 강인한 피크 호출 알고리즘을 제안한다. T‑PIC이라는 소프트웨어 구현을 통해 기존 MACS·SICER 등과 비교했을 때 미검출 영역을 회복하고, 인접한 다중 결합 부위를 명확히 구분함을 실험적으로 입증한다.

**

상세 분석

**
논문은 ChIP‑Seq 피크 호출을 “읽기 깊이 프로파일을 트리 형태로 모델링 → 트리 기반 통계량 계산 → 통계적 유의성 검정”이라는 세 단계로 단순화한다. 먼저 연속된 유전체 구간을 높이(읽기 수) 기준으로 정렬하고, 국소 최소값을 기준으로 구간을 분할한다. 각 구간은 부모‑자식 관계를 갖는 이진 트리로 표현되며, 트리의 노드 높이는 해당 구간의 최대 읽기 수, 엣지 길이는 구간 간 깊이 차이로 정의된다. 위상 데이터 분석에서 핵심이 되는 ‘지속성(persistence)’은 노드가 생성될 때와 사라질 때의 높이 차이로 측정되며, 이는 피크의 강도와 폭을 동시에 반영하는 자연스러운 스칼라값이 된다.

알고리즘은 모든 노드에 대해 지속성을 계산한 뒤, 경험적 누적 분포를 이용해 p‑값을 추정한다. 여기서 비모수적 접근을 채택함으로써 전통적인 정규성 가정이나 백그라운드 모델링에 대한 의존성을 없앤다. 또한, 트리 구조 자체가 잡음에 대한 필터링 역할을 수행한다. 작은 변동은 낮은 지속성을 갖는 잎 노드로 남아 자연스럽게 제외되고, 진짜 결합 부위는 높은 지속성을 가진 내부 노드로 부각된다.

기존 방법과의 차별점은 두 가지다. 첫째, 피크를 단일 구간이 아니라 트리의 서브트리 형태로 다루어 인접한 다중 결합 이벤트를 겹치지 않게 구분한다. 둘째, 통계적 유의성 검정을 위해 전역적인 백그라운드 분포를 추정할 필요 없이 각 트리 내부에서 자체적으로 ‘노이즈 수준’을 추정한다는 점이다. 실험에서는 ENCODE와 GEO에서 공개된 여러 데이터셋에 대해 T‑PIC을 적용했으며, MACS·SICER 대비 재현율이 5~12% 상승하고, 특히 낮은 시그널‑대‑노이즈 비율을 보이는 샘플에서 미검출 영역을 효과적으로 복원했다. 또한, 동일한 유전체 위치에 여러 피크가 겹치는 경우, 트리 구조가 각 피크를 별개의 서브트리로 분리해 정량적 비교가 가능함을 시연한다.

복잡도 측면에서는 트리 구축이 O(N) (N은 읽기 수)이며, 지속성 계산은 선형 스캔으로 수행돼 대규모 인간 게놈 데이터에도 실시간에 가까운 속도를 유지한다. 구현은 C++와 R 인터페이스로 제공되며, 입력 포맷은 BAM/BedGraph, 출력은 표준 BED와 그래프 시각화 파일이다. 전반적으로 위상학적 아이디어를 실용적인 바이오인포매틱스 파이프라인에 성공적으로 접목시킨 사례라 할 수 있다.

**