GWAS SNP를 활용한 다유전자 비만 딥러닝 분류

초록

본 연구는 비만과 연관된 GWAS에서 도출된 통계적으로 유의한 SNP들을 딥러닝 모델에 입력하여 비만 여부를 예측한다. P‑값 기준으로 4개의 SNP 집합(5, 32, 248, 2465개)을 선정하고, 각각을 이용해 심층 신경망을 학습시켰다. 가장 넓은 집합(2465 SNP, P < 1×10⁻²)을 사용했을 때 민감도 0.9604, 특이도 0.9712, AUC 0.9908 등 높은 성능을 기록했으며, P‑값이 낮아질수록 성능이 급격히 감소함을 확인하였다. 이는 단일 SNP 분석만으로는 약한 효과를 가진 다수의 변이를 포착하기 어려워 딥러닝이 복합적인 유전적 상호작용을 학습하는 데 유리함을 시사한다.

상세 분석

이 논문은 전통적인 GWAS 분석과 최신 딥러닝 기법을 결합함으로써 다유전자 비만 예측 모델을 구축한 최초 사례 중 하나이다. 먼저 연구진은 대규모 인구 기반 코호트에서 비만(체질량지수 ≥ 30)과 비비만을 구분하고, 각 개인에 대해 약 500 000개의 SNP 데이터를 확보하였다. 품질 관리(QC) 단계에서는 결측률, 하디–와인버그 평형, 마이너 알릴 빈도(MAF) 등을 기준으로 SNP와 샘플을 필터링했으며, 이후 로지스틱 회귀를 이용한 가법 모델로 각 SNP와 비만 간의 연관성을 검정하였다. 이때 얻어진 P‑값을 기준으로 네 가지 임계값(1×10⁻⁵, 1×10⁻⁴, 1×10⁻³, 1×10⁻²)을 적용해 각각 5, 32, 248, 2 465개의 SNP 집합을 추출하였다.

딥러닝 모델은 다층 퍼셉트론(MLP) 구조를 채택했으며, 입력층은 선택된 SNP 수에 따라 가변적이다. 각 SNP는 0, 1, 2(대립유전자 수)로 코딩된 원-핫 형태가 아니라 연속형 정수형으로 입력돼, 모델이 직접 유전형의 양적 효과를 학습하도록 설계되었다. 은닉층은 ReLU 활성화 함수를 사용했으며, 과적합 방지를 위해 배치 정규화와 드롭아웃(비율 0.5)을 적용하였다. 최적화 알고리즘은 Adam을 사용했고, 학습률은 1e‑4로 고정하였다. 모델 평가는 5‑fold 교차 검증으로 수행했으며, 주요 지표로 민감도(SE), 특이도(SP), Gini 계수, LogLoss, AUC, 평균제곱오차(MSE)를 보고하였다.

가장 넓은 SNP 집합(P < 1×10⁻², 2 465개)을 사용한 경우, 모델은 SE = 0.9604, SP = 0.9712, Gini = 0.9817, LogLoss = 0.1150, AUC = 0.9908, MSE = 0.0300이라는 거의 최적에 가까운 성능을 달성했다. 반면, 가장 엄격한 임계값(P < 1×10⁻⁵, 5개 SNP)에서는 AUC가 0.68 수준에 머물렀으며, 이는 단일 혹은 소수의 강력한 변이만으로는 비만이라는 복합 표현형을 충분히 설명하지 못한다는 점을 강조한다.

이 결과는 두 가지 중요한 통찰을 제공한다. 첫째, 비만과 같은 다형질은 수백에서 수천 개에 이르는 약한 효과를 가진 변이들의 누적 효과가 핵심이며, 딥러닝은 이러한 고차원, 저신호 데이터를 비선형적으로 결합해 예측력을 크게 향상시킬 수 있다. 둘째, 전통적인 GWAS에서 설정하는 보수적인 유의수준(P < 5×10⁻⁸)은 예측 모델링 관점에서 과도하게 제한적일 수 있다. 연구진은 예측 목적이라면 보다 완화된 P‑값 기준을 적용해 더 많은 변이를 포함시키는 것이 바람직하다고 제안한다. 또한, 모델 해석을 위해 SHAP 값이나 변수 중요도 분석을 수행하면, 개별 SNP가 비만 위험에 미치는 상대적 기여도를 정량화할 수 있어, 임상적 위험도 평가와 맞춤형 예방 전략에 활용 가능하다.

마지막으로, 이 연구는 딥러닝이 GWAS 데이터에 적용될 때 고려해야 할 몇 가지 한계도 제시한다. 데이터 불균형(비만 vs 비비만 비율)과 인구 구조(인종, 연령) 차이에 따른 편향이 모델 성능에 영향을 미칠 수 있으며, 외부 코호트에 대한 일반화 검증이 부족하다. 향후 연구에서는 다인종 데이터셋, 전이 학습, 그리고 유전체 외 환경 요인(식이, 운동)과의 통합 모델을 구축함으로써 예측 정확도와 해석 가능성을 동시에 높이는 방향이 요구된다.