iTRAQ 시계열 데이터의 패턴 마이닝을 위한 선형 시간 클러스터링 알고리즘

초록

본 논문은 iTRAQ 기반 다중 시점 정량 데이터에서 시간에 따른 변동 패턴을 효율적으로 탐색하기 위해, 연속적인 실수값을 상승·하강 이진 시퀀스로 변환한 뒤 레벤슈타인 거리 기반 동적 프로그래밍으로 동일 패턴을 군집화하는 TPM(Temporal Pattern Mining) 알고리즘을 제안한다. 선형에 가까운 시간 복잡도와 99 % 이상의 군집 정확도를 보이며, 대규모 데이터셋에서도 확장성을 입증하였다.

상세 분석

논문은 iTRAQ 기술이 제공하는 다중 시점 정량값을 직접적인 유클리드 거리나 피어슨 상관계수로 군집화할 경우, 절대값 차이에 민감해 실제 시간적 변동 양상을 놓치게 된다는 문제점을 지적한다. 이를 해결하기 위해 저자들은 두 단계의 핵심 아이디어를 제시한다. 첫 번째는 이진 매핑 단계로, 각 시점 tₖ와 tₖ₊₁ 사이의 변화가 양(‘b’)인지 음(‘a’)인지를 판단해 K‑1 길이의 문자열로 변환한다. 이 과정은 연산량이 O(N·K)이며, 실수값을 이산화함으로써 가능한 패턴 수를 2^{K‑1} 로 제한한다. 두 번째는 동적 프로그래밍 기반 클러스터 추출 단계이다. 매핑된 문자열들 사이의 레벤슈타인 거리를 계산해 거리 0인 문자열들을 동일 클러스터에 할당한다. 레벤슈타인 거리 계산은 문자열 길이가 K‑1이므로 O(K)이며, 전체 클러스터링 과정은 무작위 시드 선택 후 전체 데이터를 한 번씩 스캔하는 형태이므로 전체 복잡도는 O(N·K) ≈ 선형에 가깝다.

알고리즘의 정확도 평가는 실험 데이터에서 “동일 패턴을 가진 펩타이드가 99 % 이상 동일 클러스터에 배치”되는 것으로 보고했으며, 실행 시간은 데이터 규모가 10배 증가해도 거의 선형적으로 증가한다. 또한, 기존 k‑means나 계층적 군집화가 시간적 순서를 무시하고 거리 기반으로만 군집을 형성하는 반면, TPM은 패턴 자체에 초점을 맞추어 절대값 차이가 큰 경우에도 동일한 상승·하강 흐름을 공유하면 같은 군집에 포함한다.

하지만 몇 가지 한계도 존재한다. 이진 매핑은 상승·하강만을 구분하므로 미세한 변동(예: 작은 상승 vs 큰 상승)을 구분하지 못한다. 또한, K가 커질수록 가능한 패턴 수가 지수적으로 증가해 메모리 요구량이 급증할 수 있다. 저자들은 다중 레벨(‘a’,‘b’,‘c’ 등) 매핑을 통해 정밀도를 조절할 수 있다고 제안했지만, 실제 구현 및 성능 평가가 부족하다. 마지막으로, 레벤슈타인 거리 기반 클러스터링은 완전 일치만을 허용하므로 약간의 노이즈가 있는 경우 동일 패턴을 다른 클러스터로 분리할 위험이 있다. 이러한 점들을 보완하기 위해 거리 허용 범위를 도입하거나, 히스토그램 기반 유사도 측정으로 확장하는 것이 향후 연구 과제로 보인다.