라쉬 모델 기반 고차원 마이크로어레이 데이터 차원 축소와 클래스 예측

초록

본 논문은 이진화된 마이크로어레이 유전자 발현 데이터를 라쉬 모델(RM)로 차원 축소한 뒤, 선형 판별 분석(LDA)으로 암 종류와 전립선 암 여부를 예측하는 방법을 제안한다. 두 개의 공개 데이터셋(백혈병, 전립선)에서 RM 기반 차원 축소가 전통적인 주성분 분석(PCA)과 동등한 예측 성능을 보이며, 고차원 데이터 처리에 일반적으로 적용 가능함을 확인하였다.

상세 분석

본 연구는 ‘large p, small n’ 문제를 해결하기 위해 라쉬 모델(RM)을 차원 축소 도구로 활용한다는 점에서 독창적이다. 기존의 마이크로어레이 분석에서는 주로 변수 선택(통계적 검정, fold‑change 등)이나 선형 변환 기반의 특성 추출(PCA, PLS, SIR)이 사용되었지만, RM은 심리측정학에서 유래한 이항 반응 모델을 유전자 발현 데이터에 적용한다는 새로운 시도를 보여준다.

먼저 데이터 전처리 단계에서 100~16 000의 강도 제한, 최대·최소 비율·변동량 필터링, 로그 변환 및 표준화를 거쳐 각각 72 × 3571(백혈병)과 102 × 6033(전립선) 행렬을 얻었다. 이후 두 가지 특징 선택 방식을 적용했는데, 무작위 하위 집합 선택(p* = 50, 100, 200)과 Welch t‑검정을 이용한 상위 p* 유전자 선택이다. 이는 차원 축소와 모델 적합에 필요한 계산량을 현실적으로 제한하면서도, 차별적인 유전자를 확보하려는 전략이다.

핵심 차원 축소 단계에서는 선택된 유전자를 k‑means 군집(k = K)으로 묶어 각 군집마다 별도의 라쉬 모델을 적합한다. 이때 연속형 발현값을 각 유전자의 중앙값을 기준으로 0/1 이진화하여 RM의 전제조건을 만족시켰다. 라쉬 모델은 각 군집에 대해 ‘유전자 인자(잠재 요인)’ η_i를 추정하고, 이를 샘플별 점수로 변환한다. 결과적으로 K개의 잠재 인자가 원래 수천 개 유전자를 대체하는 저차원 표현이 된다.

차원 축소 후에는 선형 판별 분석(LDA)을 이용해 클래스 라벨을 예측한다. LDA는 공분산 행렬이 특이점이 되는 문제를 회피하기 위해 차원 수 K가 샘플 수 n보다 작도록 설계되었다. 성능 평가는 100번의 재무작업(재무표본 추출·교차검증) 과정을 거쳐 평균 정확도와 AUC를 산출했으며, 동일한 절차를 PCA 기반 차원 축소와 비교하였다. 결과적으로 RM‑LDA 조합은 PCA‑LDA와 통계적으로 유의한 차이가 없는 수준의 정확도를 보였으며, 특히 p* = 100, K ≈ 5~7일 때 최적 성능을 나타냈다.

이 논문의 의의는 다음과 같다. 첫째, 라쉬 모델을 이용한 이진화 차원 축소가 마이크로어레이 데이터의 높은 변동성을 효과적으로 포착한다는 점이다. 둘째, 라쉬 모델이 제공하는 잠재 인자는 생물학적 해석이 가능하다는 잠재적 장점이 있다(예: 동일 군집 유전자는 공통 조절 인자에 의해 조절될 가능성). 셋째, 기존의 선형 변환 기반 방법과 비교했을 때 계산 복잡도는 비슷하거나 약간 높지만, 이항 모델 특성상 결측치 처리와 이상치에 대한 강건성이 향상될 수 있다. 마지막으로, 이 접근법은 유전자 발현 외에도 단백질 발현, 메타볼로믹스 등 이진화가 가능한 고차원 바이오마커 데이터에 일반화될 가능성을 제시한다.