단백질 상호작용 네트워크의 모듈 구조 탐색

초록

본 논문은 인간 단백질 상호작용 네트워크에 두 가지 클러스터링 알고리즘(CNM과 Infomap)을 적용해 모듈 분할의 차이를 분석한다. 모듈의 입체적 역할을 Guimera의 카토그래픽 기법으로 평가하고, 노화 관련 단백질 집합을 사례로 삼아 고해상도 분할이 통계적으로 유의한 연관성을 드러냄을 보여준다.

상세 분석

이 연구는 네트워크 생물학에서 흔히 사용되는 클러스터 기반 접근법의 기술적 변이성이 후속 분석에 미치는 영향을 체계적으로 검증한다. 먼저 인간 단백질 상호작용 네트워크(PPI)를 구축하고, 두 대표적인 모듈 검출 기법인 Clauset‑Newman‑Moore(CNM)와 Infomap을 적용하였다. CNM은 모듈러티 기반의 계층적 병합 방식을 사용해 비교적 큰 모듈을 생성하는 반면, Infomap은 정보 흐름을 최소화하는 맵 방정식을 기반으로 고해상도, 즉 더 작은 규모의 모듈을 도출한다. 두 방법이 산출한 파티션을 정량적으로 비교하기 위해 모듈러티 점수, 모듈 수, 평균 모듈 크기 등을 측정하였다. CNM은 모듈러티가 높지만 모듈 수가 적고 평균 크기가 큰 반면, Infomap은 모듈러티가 다소 낮지만 모듈 수가 많고 평균 크기가 작았다.

다음 단계에서는 Guimera와 Amaral가 제안한 카토그래픽 역할(모듈 내 연결성 z‑score와 모듈 간 연결성 P‑score)을 각 노드에 할당하여, 클러스터링 방법이 네트워크의 메조스케일 특성을 어떻게 드러내는지를 평가하였다. CNM 기반 파티션에서는 대부분의 노드가 ‘모듈 허브’ 혹은 ‘모듈 연결자’로 분류되어, 모듈 간 교차 연결이 상대적으로 적었다. 반면 Infomap 파티션에서는 ‘연결 허브’와 ‘연결 연결자’가 다수 등장해, 모듈 간 상호작용이 풍부함을 시사한다.

특히 노화와 관련된 150여 개 단백질을 대상으로 한 사례 연구에서, Infomap 파티션이 제공하는 고해상도 모듈이 이들 단백질의 카토그래픽 역할과 통계적으로 유의한 연관성을 보였다. 구체적으로, 노화 단백질이 ‘연결 허브’에 과다하게 배치되는 현상이 관찰되었으며, 이는 CNM 파티션에서는 나타나지 않았다. 이러한 결과는 고해상도 모듈이 기능적 연관성을 더 정밀하게 포착할 수 있음을 뒷받침한다.

결론적으로, 모듈러티 최적화만을 기준으로 파티션을 선택하는 것이 메조스케일 분석에서는 한계가 있으며, 연구 목적에 따라 적절한 클러스터링 알고리즘을 선택해야 함을 강조한다. 특히 외부 생물학적 지식(예: 질병, 노화 등)과 연계된 네트워크 분석에서는 Infomap과 같은 고해상도 방법이 더 풍부한 통찰을 제공한다는 점이 핵심 시사점이다.