시간에 따른 고차원 생명과학 데이터의 지도학습: SGTM‑TT와 차원·시간 가중 학습

초록

본 논문은 짧고 차원이 높은 시계열 데이터를 위한 지도학습 모델인 Supervised Topographic Mapping Through Time(SGTM‑TT)를 제안한다. GTM‑TT에 HMM을 결합하고, 클래스별 모델을 별도로 학습하면서 공통 β 파라미터와 가중 유클리드 거리(리레번스 학습)를 도입해 중요한 변수와 시간점을 자동으로 선택한다. 실험 결과, 기존 비지도·반지도 방법보다 예측 정확도가 크게 향상되었으며, 선택된 특징은 생물학적 해석에도 유용함을 보였다.

상세 분석

SGTM‑TT는 기존의 Generative Topographic Mapping(GTM)과 GTM‑Through‑Time(GTM‑TT)의 장점을 결합한 하이브리드 모델이다. GTM은 저차원 격자 위에 원형 가우시안 프로토타입을 배치하고, 데이터는 이 프로토타입들의 가우시안 혼합으로 모델링한다. GTM‑TT에서는 이러한 프로토타입을 HMM의 숨은 상태와 연결시켜 시간적 전이 확률을 학습함으로써, 짧은 시계열에서도 시간적 연속성을 보존한다.

지도학습을 위해 저자는 각 클래스마다 별도의 GTM‑TT 모델(M₀, M₁)을 학습한다. 두 모델은 동일한 격자 구조와 공통 β(분산) 파라미터를 공유함으로써 비교 가능성을 확보한다. 학습 과정은 EM 알고리즘을 기반으로 하며, E‑step에서 각 시점의 숨은 상태에 대한 posterior 책임(rₖₙ)을 계산하고, M‑step에서 프로토타입 매핑 파라미터 W와 β를 업데이트한다.

핵심 혁신은 리레번스 학습(relevance learning)이다. 저자는 두 종류의 거리 함수를 도입한다. 하나는 차원별 가중치 λ를 이용한 가중 유클리드 거리 d_λ로, 이는 각 피처가 분류에 기여하는 정도를 학습한다. 다른 하나는 시간점별 가중치(대각 행렬 Ω) d_t 로, 이는 특정 시점이 클래스 구분에 얼마나 중요한지를 평가한다. 두 거리 모두 정규화 제약(k_λ=1, trace(ΩᵀΩ)=1)을 두어 의미 없는 수렴을 방지한다. 최적화는 확률적 경사 하강법으로 수행되며, 비용 함수는 R‑GTM에서 제안된 여러 형태 중 하나를 차용한다.

분류 단계에서는 두 클래스 모델의 전체 시퀀스에 대한 로그우도(Lik_l) 를 계산하고, 가장 높은 우도 모델에 할당한다. 또한, 우도 값을 커널로 사용해 SVM과 결합하는 방안도 제시했으며, 이는 비선형 경계 학습에 유리하다.

실험에서는 합성 데이터와 실제 다발성 경화증(MS) 유전자 발현 데이터, 질량 분석 데이터 등을 사용하였다. SGTM‑TT는 기존 GTM‑TT, 단일 HMM, SVM‑Kalman 등과 비교했을 때 정확도가 510%p 상승했으며, 리레번스 학습을 통해 선택된 피처는 기존 문헌에서 보고된 바이오마커와 높은 일치를 보였다. 특히, 짧은 시계열(35시점)에서도 차원 축소와 시각화가 가능해, 연구자가 시간적 패턴을 직관적으로 파악할 수 있다.

전체적으로 SGTM‑TT는 (1) 시간 정보를 HMM으로 정형화, (2) 저차원 격자 위에 시각화 가능한 프로토타입 배치, (3) 리레번스 학습을 통한 차원·시간 선택이라는 세 축을 동시에 구현함으로써, 고차원·짧은 시계열 데이터 분석에 필요한 정확도·해석성·시각화 모두를 만족한다는 점이 큰 강점이다.