베이지안 모델 탐색과 다단계 SNP 연관 분석

초록

본 논문은 베이지안 모델 검색을 활용해 SNP와 그 유전적 파라미터화를 동시에 탐색하는 MISA 방법을 제안한다. 다중 비교와 SNP 간 상관, 결측 데이터 문제를 내재적 다중성 보정과 함께 해결하며, 전역·유전자·SNP 수준의 사후 확률과 베이즈 팩터를 제공한다. 시뮬레이션과 북캐롤라이나 난소암 연구 데이터를 통해 기존 방법보다 높은 검출력을 보이며, 외부 검증된 변이를 새롭게 식별한다.

상세 분석

MISA는 베이지안 프레임워크 내에서 변수 선택 문제를 SNP 연관 연구에 적용한 혁신적 접근이다. 먼저, 각 SNP를 포함할지 여부와 그 유전적 파라미터화(예: 대립유전자 모델, 우성/열성 모델)를 이산형 지표로 정의하고, 이들을 결합한 모델 공간을 마코프 체인 몬테카를로(MCMC) 기반의 효율적인 탐색 알고리즘으로 샘플링한다. 핵심은 사전분포가 SNP 포함 여부에 대한 베르누이 확률을 부여함으로써, 다중 비교 문제를 자연스럽게 완화한다는 점이다. 즉, 사전에서 기대되는 포함 비율을 낮게 설정하면, 불필요한 변수는 자동으로 배제되어 과적합을 방지한다.

또한, MISA는 다단계 추론을 가능하게 한다. 전역 수준에서는 전체 모델 집합에 대한 사후 확률을 계산해 질병과 연관된 전체 유전적 신호의 존재 여부를 평가한다. 유전자 수준에서는 특정 유전자가 포함된 모델들의 합산 확률을 구해, 해당 유전자가 위험에 기여하는지를 판단한다. 마지막으로 SNP 수준에서는 개별 변이의 포함 확률과 베이즈 팩터를 제공해, 연구자가 가장 유망한 변이를 직접 확인할 수 있게 한다. 이러한 다단계 구조는 전통적인 단일-마커 검정이 제공하지 못하는 통합적 시각을 제공한다.

시뮬레이션 결과는 MISA가 기존의 로지스틱 회귀 기반 단계별 검정이나 다중 검정 보정(FDR, Bonferroni) 방법보다 높은 검출력을 보임을 보여준다. 특히, 상관관계가 높은 SNP 군집 내에서 진짜 신호를 포착하는 능력이 뛰어나며, 가짜 양성률은 사전 설정에 따라 적절히 제어된다. 실제 NCOCS 데이터에 적용했을 때, 기존 방법으로는 놓쳤던 변이들을 식별했으며, 이 변이들은 독립적인 코호트에서 재현되었다.

결측 데이터 처리에 대해서는 두 가지 접근법을 비교한다. 하나는 다중 임퓨테이션(MI)으로, 베이지안 모델 내에서 결측값을 사후 분포에서 샘플링한다. 다른 하나는 단순 평균 대체법이다. 결과는 MI가 보다 일관된 사후 확률을 제공하고, 민감도 분석에서도 견고함을 유지한다는 점을 시사한다.

마지막으로, MISA는 R 패키지 형태로 CRAN에 공개되어, 사용자가 손쉽게 데이터 전처리, 모델 탐색, 결과 시각화를 수행할 수 있다. 패키지는 병렬 처리 옵션과 사용자 정의 사전 설정 기능을 제공해, 대규모 GWAS에도 적용 가능하도록 설계되었다.