유사성 제약을 통한 의존성 탐지 개선

** 본 논문은 두 개의 고차원 데이터 뷰 사이에 존재하는 통계적 의존성을 탐지하는 새로운 방법론을 제시한다. 기존의 정준 상관 분석(CCA)은 각 뷰에 대해 임의의 선형 투영을 찾아 투영된 변수들 간의 상관을 최대화한다. 그러나 투영 자유도가 높아 표본 수가 제한된 상황, 특히 생물학적 데이터와 같이 차원이 크고 노이즈가 많은 경우 과적합이 쉽게 발생한다. 이러한 문제를 해결하기 위해 저자들은 투영 벡터 간의 유사성을 제약하는 두 가지 접근법을 개발하였다. 첫 번째는 **Similarity‑constrained CCA (SimCCA)** 로, 두 투영 vₓ와 v_y 사이에 선형 변환 T (v_y = T vₓ)를 도입하고, T 에 대해 제약을 가한다. 제약은 사전 혹은 페널티 형태로 구현될 수 있으며, 제약이 강할수록(예: T = I) 두 뷰의 투영이 동일하게 강제된다. 최적화는 기존 CCA와 동일하게 교번 방식으로 수행되며, 목표함수는 관측 공분산 Σₓₓ, Σ_yy, Σ_xy 을 이용해 정의된다(식 1). 두 번째는 **Probabilistic SimCCA (pSimCCA)** 로, CCA를 확률적 생성 모델로 재구성한다. 관측 데이터 X, Y는 공유 잠재 변수 z 와 뷰별 잡음 Ψₓ, Ψ_y 를 갖는 가우시안 모델 X ∼ N(Wₓz, Ψₓ), Y ∼ N(W_yz, Ψ_y) 에 의해 생성된다고 가정한다. 여기서 Wₓ, W_y 는 각각 z 에 대한 선형 매핑이며, W_y = T Wₓ 이라는 제약을 사전 P(T) 으로 표현한다. 사전은 평균 I 와 분산 σ_T² 을 갖는 절단 정규분포이며, σ_T² 값에 따라 제약 강도가 연속적으로 조절된다. 로그우도에 ‖T − I‖² / σ_T² 항을 추가함으로써 제약을 반영한다(식 7). 파라미터 추정은 EM 알고리즘을 사용한다. 제안된 방법을 실제 데이터에 적용하기 위해 위암 환자 41명과 정상 대조군 10명의 유전자 복제수와 발현 데이터를 사용하였다. 복제수 프로브와 가장 가까운 발현 프로브를 매칭하고, 500 bp 이내가 아닌 경우는 제외하였다. 전체 5,596개의 유전자를 700여 개의 염색체 구역(시토밴드)으로 나누어 분석하였다. 데이터는 로그 변환 후 평균을 0으로 정규화하였다. 분석 절차는 다음과 같다. (1) 슬라이딩 윈도우(10~35개의 유전자)를 설정하고, 각 윈도우 내에서 SimCCA와 pSimCCA를 적용해 의존성 점수를 계산한다. (2) 각 윈도우별 점수를 기반으로 알려진 59개의 위암 관련 유전자를 재현하는 능력을 ROC 곡선과 AUC 값으로 평가한다. (3) 제약 강도(σ_T)와 윈도우 크기를 변화시켜 성능 변화를 확인한다. 실험 결과는 다음과 같다. 일반 CCA는 높은 차원에서 과적합이 심해 AUC가 낮았다. 반면 SimCCA는 제약 T = I (즉, 동일 투영) 조건에서 윈도우 크기 15일 때 AUC 0.79를 달성했으며, 이는 모든 비교 방법 중 최고였다. 확률적 버전인 pSimCCA도 유사한 성능을 보였지만, EM 수렴에 시간이 더 걸렸다. 제약이 완전히 없는 경우(σ_T → ∞)와 완전 동일 투영 경우(σ_T → 0) 사이에서 σ_T를 적절히 조정하면 과적합을 방지하면서도 충분한 자유도를 유지할 수 있음을 확인하였다. 또한, pSimPCA(단일 잠재 변수, 등방성 잡음)와 같은 단순화된 모델은 계산 효율성은 높지만, 공유 신호와 잡음 구분이 약해 해석력이 떨어졌다. 본 논문의 주요 기여는 다음과 같다. (1) 투영 간 유사성 제약을 도입해 CCA의 자유도를 효과적으로 감소시킴으로써 작은 표본에서도 안정적인 의존성 탐지가 가능하도록 했다. (2) 확률적 프레임워크에 사전 P(T) 를 삽입해 도메인 지식(예: 염색체 거리와 복제수‑발현 연관성)을 자연스럽게 모델에 통합할 수 있는 방법을 제공했다. (3) 공유 잠재 변수 z 를 명시적으로 모델링함으로써 잡음에 강인한 의존성 점수를 얻었으며, 이는 드라이버 변이와 패시브 변이를 구분하는 생물학적 해석에 유용하다. (4) 제안된 방법은 커널 CCA와 같은 비선형 확장에도 적용 가능하므로, 복잡한 비선형 의존성을 탐지하는 향후 연구에 기반을 제공한다. 결론적으로, 유사성 제약을 통한 CCA와 그 확률적 변형은 전통적인 다중 뷰 의존성 탐지 방법의 한계를 극복하고, 특히 고차원·소표본 생물학 데이터에서 실질적인 성능 향상을 보여준다. 앞으로는 제약 강도 자동 최적화, 비선형 커널 확장, 그리고 다른 도메인(예: 이미지‑텍스트 연관성)으로의 적용을 통해 연구 범위를 확대할 계획이다. **