마이크로어레이 차등발현 분석을 위한 화산도 활용 가이드

초록

본 리뷰는 마이크로어레이 데이터에서 로그‑폴드체인지와 t‑통계량(또는 –log10(p‑value))을 동시에 시각화하는 화산도의 원리와 활용법을 정리한다. 화산도를 통해 “이중 필터링”(폴드체인지와 t‑값 각각에 임계값 적용)과 정규화·규제된 통계량을 이용한 “단일 곡선 필터링”의 차이를 비교하고, 정규화된 t‑통계량이 곡선 형태의 판별 경계를 만든다는 점을 강조한다. 또한 Bioconductor 패키지, 인터랙티브 R 스크립트, 그리고 다른 분야로의 확장 가능성을 논의한다.

상세 분석

이 논문은 마이크로어레이 차등발현 분석에서 가장 널리 쓰이는 두 가지 지표, 즉 로그‑폴드체인지(log‑FC)와 t‑통계량(t‑statistic)의 수학적 관계를 상세히 설명한다. 로그 변환을 통해 원시 형광 강도(E)의 긴 꼬리 분포를 정규에 가깝게 만든 뒤, 평균값을 산술 평균과 기하 평균으로 구분하고, 두 평균 사이의 차이를 로그‑FC와 FC′(log E₁ – log E₀)의 형태로 연결한다. 이어서 Welch의 t‑검정식을 도입해 로그‑FC를 표준오차(SE)로 나눈 형태가 t‑통계량임을 보여준다. 이때 표본 크기가 작을 경우 분산 추정이 불안정해지는 문제를 지적하고, 이를 해결하기 위한 “규제(regularized)”, “감쇠(moderated)”, “패널티(penalized)” 통계량 개념을 도입한다. 규제된 분산은 기존 표본 분산에 양의 상수(예: s₀)를 더해 안정성을 확보하며, 이때 화산도 상에서 판별 경계는 두 개의 수직·수평 직선이 아닌 곡선 형태가 된다.

화산도의 기본 형태는 x축에 log‑FC, y축에 –log₁₀(p‑value) 혹은 t‑통계량을 두는 산점도이다. 논문은 “이중 필터링”(|log‑FC| > FC₀ ∧ |t| > t₀)과 “단일 곡선 필터링”(|t| > c·√(s² + s₀²))을 시각적으로 비교한다. 전자는 원점에서 두 직사각형 모서리를 잘라내는 방식으로, 일부 유의미한 유전자를 놓칠 위험이 있다. 반면 규제된 통계량을 이용한 곡선 필터링은 분산이 작아 과도하게 큰 t‑값을 얻게 되는 유전자를 억제하고, 동시에 충분한 폴드체인지를 가진 유전자를 포착한다.

실제 데이터(37개의 케이스와 18개의 대조, Illumina 플랫폼)로 만든 예시에서, 저표현 유전자와 배치 효과가 큰 경우에도 규제된 화산도가 더 일관된 결과를 제공한다는 점을 보여준다. 또한 R의 identify() 함수를 활용한 인터랙티브 탐색 방법을 제시해, 사용자가 특정 점을 클릭하면 해당 유전자의 이름과 통계치를 즉시 확인할 수 있다.

마지막으로, Bioconductor에 포함된 limma, edgeR, DESeq2 등 다양한 패키지가 정규화·규제된 통계량을 구현하고 있음을 정리하고, “계층화 화산도(stratified volcano plot)” 개념을 도입해, 예를 들어 발현 수준별, 기능군별 혹은 샘플 서브그룹별로 색을 달리해 시각화하는 방법을 제안한다. 이는 단일 플롯에 복합적인 정보를 담아 해석을 돕는다. 논문은 화산도가 마이크로어레이뿐 아니라 RNA‑seq, 단백질체학, 메타게놈 등 다양한 고통량 ‘omics’ 데이터에도 적용 가능함을 강조하며, 시각화와 통계적 엄밀성을 동시에 만족시키는 도구로서의 가치를 재확인한다.