강인한 유전자 네트워크 그래프 모델링 고전 및 대안 t분포 활용

초록

본 논문은 다변량 t‑분포를 이용해 그래픽스 가우시안 모델의 로버스트성을 강화하고, EM 알고리즘과 penalized likelihood를 결합한 효율적인 모델 선택 방법을 제시한다. 두 종류의 t‑분포를 다루며, 하나는 MCMC‑EM 기반 Gibbs 샘플러와 변분 근사를 통해 대규모 문제에도 적용 가능하도록 설계하였다.

상세 요약

이 연구는 기존 그래픽스 가우시안 모델이 이상치와 중간값 편향에 취약하다는 점을 지적하고, 이를 보완하기 위해 다변량 t‑분포를 도입한다. t‑분포는 자유도 파라미터 ν에 의해 꼬리 두께를 조절할 수 있어, 데이터에 존재하는 극단값을 자연스럽게 흡수한다. 논문은 두 가지 t‑분포 변형을 제시한다. 첫 번째는 전통적인 다변량 t‑분포로, 공분산 행렬 Σ와 자유도 ν를 동시에 추정한다. 이 경우, 완전한 데이터와 잠재 변수(스케일 변수) 사이의 완전조건부 분포가 알려져 있어 EM 알고리즘을 직접 적용할 수 있다. E‑단계에서는 각 관측치에 대한 기대 스케일 값을 계산하고, M‑단계에서는 가중된 샘플 공분산을 이용해 Σ를 업데이트한다. 여기서 L1‑패널티를 추가함으로써 그래프의 희소성을 강제하고, 그래프 구조 선택을 동시에 수행한다.

두 번째는 “대안 t‑분포”라 명명된 변형으로, 각 변수마다 독립적인 스케일 변수를 도입한다. 이 설계는 변수 간 상관관계가 강하게 변동하는 경우에 더 유연하게 작동하지만, 완전조건부 분포가 복잡해져 직접적인 EM 업데이트가 어려워진다. 이를 해결하기 위해 저자들은 두 가지 접근법을 제시한다. 첫 번째는 Gibbs 샘플러를 이용한 MCMC‑EM이다. Gibbs 샘플러는 각 스케일 변수를 다른 변수들의 현재값에 조건부로 샘플링하고, 이를 통해 완전 데이터 로그우도를 근사한다. MCMC‑EM은 샘플링된 스케일 값들의 평균을 E‑단계 기대값으로 사용하고, M‑단계에서는 동일한 L1‑패널티를 적용한 최적화 문제를 푼다. 두 번째는 변분 근사법이다. 여기서는 스케일 변수들의 사후분포를 독립적인 인버스‑가우시안 형태로 근사하고, 변분 파라미터를 최적화함으로써 E‑단계 연산을 닫힌 형태로 만든다. 변분 방법은 MCMC에 비해 계산량이 크게 감소해 대규모 유전자 발현 데이터셋에 실용적이다.

또한 논문은 모델 선택을 위한 교차 검증 및 정보 기준(AIC, BIC)과 같은 전통적인 방법과 비교하여, t‑분포 기반 방법이 이상치가 포함된 상황에서 그래프 구조를 더 정확히 복원한다는 실험 결과를 제시한다. 특히, 자유도 ν가 작을수록(꼬리가 두꺼울수록) 모델의 로버스트성이 향상되지만, ν가 너무 작으면 추정 불안정성이 발생하므로 적절한 ν 선택이 중요함을 강조한다. 최종적으로 저자들은 R 패키지 구현을 제공하여, 연구자들이 손쉽게 t‑분포 기반 그래프 모델링을 적용할 수 있도록 지원한다.