네트워크 재구성 안정성 지표와 HIM 거리 기반 평가

초록

본 논문은 데이터 서브샘플링에 대한 네트워크 재구성의 변동성을 정량화하기 위해 네 가지 안정성 지표(I₁–I₄)를 제안한다. 핵심은 전역·국부 특성을 모두 반영하는 HIM 거리와 부트스트랩·k‑fold 교차검증을 결합한 것이다. 합성 데이터와 241명 간암 환자의 miRNA 마이크로어레이를 이용해 지표의 계산 방법을 시연하고, FDR 필터링·알고리즘 선택이 네트워크 안정성에 미치는 영향을 분석한다.

상세 분석

이 연구는 “네트워크 재구성은 데이터 차원보다 변수 수가 훨씬 많아 불완전하고, 금본위가 없을 때 정확도 평가가 어려운 문제”라는 전제에서 출발한다. 이를 해결하기 위해 저자들은 두 가지 핵심 아이디어를 도입한다. 첫째, 네트워크 간 차이를 정량화하는 새로운 거리 척도인 HIM(Hamming‑Ipsen‑Mikhailov) 거리를 사용한다. HIM은 정규화된 해밍 거리(H)와 스펙트럼 기반 Ipsen‑Mikhailov 거리(IM)를 제곱합 후 √2 로 정규화함으로써, 링크 존재 여부(국부)와 전체 구조(전역)를 동시에 반영한다. 이는 기존에 링크 기반 거리만 사용하거나, 스펙트럼 거리만 사용했을 때 발생하는 동형·이소스펙트럼 그래프 구분의 한계를 보완한다. 둘째, 부트스트랩·Leave‑One‑Out(LOO)·k‑fold 교차검증을 통해 데이터 서브셋을 다수 생성하고, 각 서브셋에 동일 알고리즘을 적용해 여러 재구성 네트워크를 얻는다. 이렇게 얻은 네트워크 집합에 대해 네 가지 지표를 정의한다.

I₁은 전체 데이터로 만든 기준 네트워크(N_D)와 각 서브셋 네트워크(N_Di) 사이의 HIM 거리 집합이다. 평균값이 작을수록 전체 네트워크가 데이터 변동에 강건함을 의미한다.
I₂는 서브셋 네트워크들 간의 모든 쌍(pairwise) HIM 거리 집합으로, 네트워크 간 일관성을 평가한다. I₂의 분산이 작을수록 재구성 과정이 안정적이다.
I₃는 각 서브셋 네트워크에서 모든 엣지 가중치 a_ihk 를 모은 집합으로, 엣지 가중치의 변동성을 직접 측정한다. 평균·범위·신뢰구간을 통해 특정 엣지가 얼마나 신뢰할 수 있는지 판단한다.
I₄는 각 노드의 차수(또는 정의된 노드 특성) ∂(x_Dih) 를 모은 집합으로, 노드 수준의 안정성을 평가한다.

이 네 지표는 모두 “값이 작을수록 안정적”이라는 공통 해석을 갖는다. 논문은 먼저 합성 데이터에서 Pearson 절대 상관과 MIC 두 상관 측정법을 사용해 네트워크를 만든 뒤, FDR(거짓 발견률) 필터링 강도를 변화시켰다. 결과는 FDR를 과도하게 적용하면 네트워크가 과도하게 희소해져 I₁·I₂가 크게 증가하고, 엣지·노드 변동성(I₃·I₄)도 확대됨을 보여준다. 반면, 적절한 FDR(예: 10⁻²)와 MIC을 결합하면 전체 네트워크가 비교적 안정적이며, 핵심 엣지와 노드가 높은 순위에 유지된다.

실제 생물학 데이터로는 241명의 간세포암 환자에서 추출한 종양·비종양 조직의 miRNA 발현 데이터를 사용했다. 성별(남·여)과 조직 유형(종양·비종양) 두 축으로 4개의 조건별 네트워크를 재구성했으며, 각 조건별 I₁·I₂·I₃·I₄를 비교했다. 종양 조직 네트워크는 비종양에 비해 전반적으로 I₁·I₂가 높아 재구성 변동성이 크고, 특히 남성군에서 그 차이가 두드러졌다. 이는 종양 미세환경이 성별에 따라 다르게 영향을 받아 네트워크 구조가 불안정해질 수 있음을 시사한다. 또한, I₃·I₄ 분석을 통해 몇몇 miRNA(예: miR‑122, miR‑221)가 모든 조건에서 높은 안정성을 보였으며, 이는 잠재적 바이오마커 후보로서의 신뢰성을 뒷받침한다.

계산 측면에서는 R·Python 스크립트를 멀티코어 워크스테이션과 FBK HPC 클러스터(Kore Linux)에서 실행했으며, 부트스트랩 반복 수와 k‑fold 수에 따라 실행 시간이 선형적으로 증가함을 보고했다.

전체적으로 이 논문은 “알고리즘 성능을 금본위와 비교할 수 없을 때, 데이터 변동에 대한 네트워크 재구성의 안정성을 정량화하는 프레임워크”를 제공한다는 점에서 의의가 크다. HIM 거리와 네 가지 지표는 다양한 생물학·사회과학 네트워크에 적용 가능하며, 특히 불확실성이 큰 고차원 데이터에서 결과 해석의 신뢰도를 높이는 도구로 활용될 수 있다.