Hi‑C 데이터에서 커뮤니티 구조 탐지

본 논문은 Hi‑C 기술로 얻은 전 세계적인 염색질 접촉 행렬을 그래프 형태로 해석하고, 최신 커뮤니티 탐지(Community Detection, CD) 알고리즘을 적용해 DNA 3차원 구조를 다중 스케일에서 분석한다. 저자들은 두 가지 확률적 네트워크 모델, 즉 혼합 멤버십 확률 블록 모델(Mixed‑Membership Stochastic Block Model, MMSB)과 포아송 모델을 사용한다. MMSB는 각 염색질 조각(노드)이 여러 커뮤니티에 동시에 속할 수 있는 혼합 멤버십 벡터 θ_i를 추정하며, 포아송 모델은 염색질 간 접촉 횟수 자체를 확률적 사건으로 모델링한다. 두 모델 모두 변분 추정(SVI) 혹은 기대‑최대화(EM) 알고리즘을 통해 파라미터를 학습한다. 연구는 인간 세포주 GM06990의 14번 염색체와 마우스 배아줄기세포(MESC)의 6번 염색체 데이터를 중심으로 진행된다. 먼저 기존 연구(Lieberman‑Aiden 등, 2009)에서 사용한 정규화‑PCA‑분석을 재현하기 위해 k = 2로 설정한다. 이때 CD 알고리즘은 두 개의 대형 컴파트먼트(A/B)를 정확히 재현하며, 기존 방법이 요구하는 복잡한 정규화와 상관 행렬 계산 과정을 생략한다는 장점을 보인다. 다음으로, 저자들은 모델 선택 문제를 다루기 위해 두 가지 접근법을 제시한다. 첫 번째는 다양한 k 값에 대해 실제 Hi‑C 네트워크의 로그우도와 무작위 네트워크의 로그우도를 비교하는 방법이다. 두 번째는 커뮤니티 할당의 안정성 및 내부 연결 밀도를 기반으로 최적 k를 추정한다. 이 과정을 통해 k = 6이 인간 14번 염색체에 대해 가장 타당한 값으로 도출된다. k = 6 결과는 기존의 두 컴파트먼트 외에 네 개의 추가 커뮤니티를 발견한다. 이들 중 일부는 염색체 상에서 물리적으로 멀리 떨어진 구간이지만 동일한 커뮤니티에 속해, 장거리 루프와 같은 고차원 구조를 시사한다. 또한, 작은 스케일의 토폴로지 연관 도메인(TAD)을 탐지하기 위해 Dixon 등(2012)의 방향성 지수(DI) 기반 HMM 방법과 비교한다. 마우스 chr6의 근접 대각선 영역에 대해 k = 7로 설정한 CD 알고리즘은 DI가 감지한 경계와 높은 일치도를 보이며, 심지어 경계 내부의 전체 커뮤니티 구성을 제공한다. 이는 기존 방법이 경계만을 제공하는 반면, CD는 경계와 그 내부 구조를 동시에 파악할 수 있음을 의미한다. 실험 결과는 두 알고리즘(MMSB와 포아송)이 서로 다른 수학적 가정을 가지고 있음에도 불구하고, 동일하거나 매우 유사한 커뮤니티 할당을 산출한다는 점에서 모델의 강건성을 확인한다. 또한, 이진화된 접촉 행렬을 사용했음에도 불구하고, 가중치 정보를 포아송 모델에 직접 적용하면 더욱 정교한 구조를 탐지할 수 있을 것으로 기대한다. 생물학적 해석 측면에서는, 비인접 커뮤니티와 인접 TAD가 동시에 존재함을 통해 DNA 3차원 구조가 다중 스케일(수십 kb부터 수 Mb까지)에서 계층적으로 조직된다는 가설을 실증한다. 특히, 혼합 멤버십 벡터가 여러 큰 성분을 갖는 구간은 시간에 따라 위치를 바꾸는 ‘4D’ 구조의 후보가 될 수 있다. 이는 향후 시간‑의존적 Hi‑C 데이터와 결합해 동적 크로마틴 재배열을 모델링하는 연구에 중요한 단서를 제공한다. 결론적으로, 이 논문은 통계적 네트워크 모델을 Hi‑C 데이터에 직접 적용함으로써, 기존 방법이 요구하던 복잡한 전처리와 고정된 커뮤니티 수 가정에서 벗어나 데이터‑주도적인 커뮤니티 수 선택과 다중 스케일 구조 탐지를 가능하게 한다. 향후 연구에서는 가중치 행렬을 활용한 포아송 모델 확장, 동적 커뮤니티 모델링, 그리고 다른 종·세포 유형에 대한 비교 분석이 기대된다.