단순 유전자 집합 풍부도 분석의 한계와 독립성 가정의 문제점

초록

이 논문은 Irizarry 등(2009)이 제안한 유전자 독립성을 전제로 한 단순 풍부도 분석(SEA)이 실제 데이터에서 유전자 간 상관을 무시함으로써 분산이 크게 부풀어 오르고, 허위 양성 결과를 과다하게 생성한다는 점을 50개의 대규모 벤치마크 데이터셋을 통해 입증한다. GSEA와 비교했을 때 SEA는 통계적 검정 가정이 부적절하고, 복잡한 상관 구조와 다중 모달성을 반영하지 못한다는 결론을 제시한다.

상세 분석

논문은 먼저 SEA와 GSEA의 통계적 프레임워크를 상세히 비교한다. SEA는 각 유전자의 두 표본 t‑통계량을 로컬 통계량으로 사용하고, 이를 평균화한 z‑점수와 χ² 점수로 전역 통계량을 만든다. 이때 전제되는 가정은 “유전자 간 독립성”이며, 전역 통계량이 정규분포(N(0,1))를 따른다는 이론적 귀무분포를 적용한다. 반면 GSEA는 신호‑대‑노이즈 비율을 로컬 통계량으로 사용하고, 가중된 Kolmogorov‑Smirnov(KS) 통계량을 전역 지표로 채택한다. GSEA는 표본 재배열을 통한 경험적 귀무분포를 이용해 유전자 집합 크기와 상관관계를 보정한다.

저자들은 50개의 실제 마이크로어레이 데이터셋(다양한 질병, 조직, 플랫폼)에서 두 방법을 동일한 파이프라인으로 실행했다. 결과는 SEA가 GSEA에 비해 현저히 많은 유전자 집합을 유의하게 선언한다. 예를 들어 Pancreas 데이터셋에서는 SEA가 q‑값 < 0.05 기준으로 570개의 집합을, GSEA는 q‑값 < 0.25 기준으로 121개만을 검출했다. 이러한 과다 검출은 주로 유전자 간 양의 상관관계가 존재하는 경우에 나타났으며, 실제로 무작위 라벨링 실험에서도 SEA는 높은 위양성률을 보였다.

논문은 또한 유전자 집합 내 다중 모달 분포와 복잡한 상관 구조가 전역 통계량의 분산을 크게 확대시킨다는 기존 연구(Barry et al., 2008)와 일치함을 강조한다. 따라서 SEA가 가정하는 i.i.d. 정규귀무분포는 현실 데이터에 부적합하며, 이를 무시하고 FDR을 계산하면 통계적 검정의 신뢰성이 크게 저하된다.

결론적으로, 유전자 독립성 가정은 대부분의 실제 데이터에서 위배되며, GSEA가 채택한 경험적 귀무분포와 가중 KS 통계량이 보다 견고한 결과를 제공한다. 향후 연구는 유전자 집합 자체의 구조적 해상도를 높이고, 복합 상관 모델을 통합하는 방향으로 진행돼야 한다.