Affymetrix 프로브 세트와 전사체 그룹 매핑을 위한 네트워크 기반 방법

초록

본 연구는 Affymetrix 마이크로어레이에서 동일 유전자를 겨냥하는 여러 프로브 세트가 실제로 같은 전사체 집합을 측정하는지 여부를 판단하기 위해 전사 네트워크를 활용한다. 네트워크 상에서 같은 전사체를 표적하는 프로브 세트는 낮은 음의 상관, 높은 양의 상관, 그리고 유사한 이웃 구조를 보인다. 이러한 특성을 이용해 프로브 세트를 전사체 그룹으로 자동 분류하는 알고리즘을 제안하고, 여러 네트워크에 걸친 빈도 분석을 통해 신뢰도를 보강한다.

상세 분석

이 논문은 Affymetrix 마이크로어레이 데이터 해석의 핵심 문제인 ‘프로브 세트와 전사체 간 매핑 정확도’를 전사 네트워크 분석을 통해 해결하고자 한다. 기존에는 각 프로브 세트가 어떤 전사체를 인식하는지에 대한 주석 파일이 불완전하거나, 동일 유전자를 겨냥하는 두 프로브 세트가 서로 다른 전사체 변이를 측정할 가능성을 간과했다. 저자들은 먼저 대규모 공통 실험 데이터베이스에서 발현 프로파일을 추출하고, 각 프로브 세트 간의 피어-투-피어 상관을 계산하였다. 여기서 중요한 관찰은 동일 전사체 집합을 표적으로 하는 프로브 세트 쌍이 양의 상관계수가 높고, 음의 상관계수가 거의 없으며, 네트워크 그래프 상에서 서로 가까운 이웃을 공유한다는 점이다. 이를 정량화하기 위해 ‘양의 상관 임계값’, ‘음의 상관 임계값’, 그리고 ‘공통 이웃 비율’이라는 세 가지 기준을 설정하고, 이 기준을 만족하는 프로브 세트 쌍을 ‘동일 전사체 그룹’으로 정의하였다.

알고리즘 구현은 Python(PSAWNpy)과 Matlab(PSAWNml) 두 버전으로 제공되며, 각각의 모듈은 입력으로 Affymetrix CDF 파일과 발현 매트릭스를 받아 네트워크를 구축하고, 위에서 정의한 기준에 따라 프로브 세트를 클러스터링한다. 특히, 다중 네트워크(예: 서로 다른 실험 조건, 조직 유형)에서 동일한 클러스터링 결과가 반복될 경우 해당 클러스터의 신뢰도를 ‘빈도 점수’로 부여한다. 이 점수는 최종 사용자에게 어느 정도의 확신을 가지고 프로브 세트를 전사체 그룹에 매핑할 수 있는지를 직관적으로 제공한다.

성능 평가는 기존의 RefSeq 기반 주석과 비교했을 때, 새롭게 정의된 그룹이 실제 전사체 변이(스플라이싱 아이소폼)와 높은 일치도를 보임을 확인하였다. 또한, 동일 유전자를 타깃으로 하는 두 프로브 세트가 서로 다른 전사체를 측정하는 경우, 제안된 네트워크 기반 방법은 높은 음의 상관과 낮은 공통 이웃 비율을 통해 이를 정확히 구분한다. 이러한 결과는 마이크로어레이 데이터의 해석 정확도를 크게 향상시킬 뿐만 아니라, 차후 차세대 시퀀싱 기반 전사체 분석과의 통합에도 유용한 기반을 제공한다.