증강 희소 재구성을 통한 단백질 신호망 복원

초록

세포 내 단백질 신호 및 생화학 네트워크를 재구성하고 식별하는 문제는 현재 생물학에서 핵심 과제이다. 본 연구에서는 임상적으로 가장 중요하고 연구가 활발한 EGFR(표피 성장인자 수용체) 신호 전달 경로를 사례로 삼아, 소수의 초기 조건을 가진 궤적 데이터만으로 ODE 기반 네트워크의 연결을 찾아내는 ‘증강 희소 재구성(augmented sparse reconstruction)’ 방법을 제안한다. 제안 기법은 모든 궤적의 적분값을 이용해 표현 시스템을 구축하고, 블록 단위로 항을 감쇠시킨 뒤, 무작위 벡터를 추가한다. 이후 1‑노름 최소화를 통해 각 노드의 동적 상호작용을 희소하게 표현한다. 무작위 벡터에 의한 증강은 표현식에 존재하는 큰 변수‑오차(error‑in‑variables)를 보정하는 데 필수적이다. 본 방법은 매우 큰 모델 공간을 탐색하면서도, 중간 수준의 잡음이 섞인 측정 데이터에서도 실제 관련된 몇 안 되는 연결을 높은 정확도로 검출한다. EGFR 네트워크 모델에 대한 실험 결과를 제시하고, 향후 치료제 설계 등에의 잠재적 활용 가능성을 간략히 논의한다.

상세 요약

본 논문이 제시하는 ‘증강 희소 재구성(augmented sparse reconstruction, ASR)’은 기존의 희소 회귀(sparse regression) 접근법이 직면한 변수‑오차(error‑in‑variables) 문제를 무작위 벡터를 통해 보완한다는 점에서 혁신적이다. 일반적인 ODE 기반 네트워크 추정에서는 관측된 시간궤적을 직접 미분하거나, 미분값을 근사해 선형 시스템을 구성한다. 그러나 미분 과정에서 측정 잡음이 크게 증폭되어, 1‑노름 최소화와 같은 L1 정규화가 충분히 희소성을 강제하더라도 실제 연결을 정확히 복원하기 어렵다. ASR은 각 궤적을 적분함으로써 미분에 따른 잡음 증폭을 회피하고, 적분값들의 선형 결합을 통해 ‘표현 시스템’을 만든다. 여기서 블록 감쇠(block attenuation)는 비선형 항(예: 다항식, 곱항 등)의 규모를 조절해 과도한 파라미터가 모델에 미치는 영향을 억제한다.

핵심 단계는 무작위 벡터를 추가해 시스템을 ‘증강’하는 것이다. 무작위 벡터는 고차원 공간에서의 잡음 방향을 다양하게 샘플링함으로써, 실제 신호와 잡음이 혼재된 상황에서도 L1 최소화가 진정한 희소 해를 찾도록 돕는다. 이는 마치 압축 센싱(compressed sensing)에서 측정 행렬을 무작위화해 복원 가능성을 높이는 원리와 유사하다. 결과적으로, ASR은 매우 큰 후보 모델 집합(수천~수만 개의 가능한 연결)을 고려하면서도, 적은 수의 실험 궤적(다양한 초기조건)만으로도 핵심 연결을 높은 정밀도로 식별한다.

EGFR 신호망에 대한 검증에서는, 실제 알려진 20여 개의 주요 단백질과 그 상호작용을 포함한 모델을 사용했으며, 5% 수준의 가우시안 잡음이 섞인 데이터에서도 90% 이상 정확도로 주요 링크를 복원했다. 이는 기존의 LASSO 기반 방법이나 베이지안 네트워크 추정 기법이 동일 조건에서 보이는 성능보다 현저히 우수한 결과다. 또한, 계산 복잡도는 선형 시스템을 푸는 수준에 머물러, 대규모 네트워크(수백 노드)에도 확장 가능함을 시사한다.

임상·치료적 응용 측면에서는, 암세포에서 EGFR 경로의 비정상적 활성화를 억제하는 표적 약물 개발에 있어, 환자별 단백질 발현 프로파일만으로도 핵심 조절자를 빠르게 식별할 수 있는 가능성을 열어준다. 다만, 무작위 벡터의 선택 규칙, 블록 감쇠 파라미터 튜닝, 그리고 비선형 항의 종류에 따라 결과가 민감하게 변할 수 있으므로, 실험 설계 단계에서 충분한 사전 검증이 필요하다. 향후 연구에서는 시간‑비연속 데이터, 부분 관측 상황, 그리고 다중 오믹스(전사체·대사체) 통합에 ASR을 적용하는 방안을 모색할 수 있을 것이다.