이중 그래프 라플라시안 PCA를 이용한 유전자 발현 데이터 체커보드 구조 탐색

초록

본 논문은 유전자 발현 행렬에서 종양 유형별로 나타나는 “체커보드” 패턴을 효과적으로 발견하기 위해, 조건(샘플)과 유전자 두 축의 내부 기하구조를 동시에 정규화하는 이중 그래프‑라플라시안 PCA(DGPCA)를 제안한다. 라플라시안 임베딩을 통해 클러스터 멤버십을 근사하고, 폐쇄형 해법을 제공함으로써 양방향 바이클러스터링을 구현한다. 실험 결과, 기존 PCA 기반 방법들에 비해 유의미한 조절 유전자와 조건을 더 정확히 식별한다는 점을 입증한다.

상세 분석

DGPCA는 전통적인 PCA가 데이터의 전역적인 분산만을 고려하는 한계를 극복하고, 그래프 라플라시안을 이용해 두 개의 독립적인 매니폴드—조건 매니폴드와 유전자 매니폴드—를 동시에 정규화한다는 점에서 혁신적이다. 구체적으로, 원본 데이터 행렬 X∈ℝ^{g×c} (g는 유전자 수, c는 샘플 수)에 대해 각각 유전자 간 유사성을 반영한 그래프 L_g와 조건 간 유사성을 반영한 그래프 L_c를 구축한다. 라플라시안 행렬 L= D−W (D는 차수 행렬, W는 가중치 행렬) 를 이용해 정규화 항 Tr(UᵀX L_c XᵀU)+Tr(VᵀXᵀ L_g X V)를 목적함수에 추가함으로써, U와 V가 각각 조건과 유전자 공간에서 라플라시안 임베딩을 수행하도록 유도한다.

폐쇄형 해법은 라그랑주 승수를 도입해 제약조건 UᵀU=I, VᵀV=I를 만족시키면서, 일반화된 고유값 문제 (X Xᵀ + λ L_c)U = UΛ와 (Xᵀ X + λ L_g)V = VΛ 를 풀어 얻는다. 여기서 λ는 그래프 정규화 강도를 조절하는 하이퍼파라미터이다. 이 과정은 전통적인 PCA의 고유값 분해와 동일한 복잡도를 유지하면서, 라플라시안 구조를 내재화한다는 장점이 있다.

바이클러스터링 관점에서, U와 V는 각각 샘플과 유전자의 저차원 임베딩을 제공하고, k-평균이나 스펙트럴 클러스터링을 적용하면 “체커보드” 형태의 블록 구조가 자연스럽게 드러난다. 특히, 라플라시안 정규화가 노이즈와 결측치를 완화시키는 효과가 있어, 실제 암 데이터에서 희소하고 불균형적인 발현 패턴을 안정적으로 포착한다.

실험에서는 여러 공개 암 데이터셋(예: TCGA, GEO)에서 DGPCA를 기존 PCA, SPCA, RPCA, 그리고 그래프 정규화 PCA와 비교하였다. 정량적 평가지표인 ARI, NMI, 그리고 생물학적 의미를 검증하는 GO/KEGG 풍부도 분석 결과, DGPCA가 가장 높은 군집 일관성과 의미 있는 조절 유전자 집합을 도출함을 확인했다. 또한, λ와 차원 수 k에 대한 민감도 분석을 통해, 적절한 λ 선택이 그래프 정규화와 데이터 재구성 오류 사이의 트레이드오프를 최적화한다는 점을 강조한다.

요약하면, DGPCA는 라플라시안 기반의 이중 정규화를 통해 전통적인 PCA의 한계를 보완하고, 바이클러스터링에 최적화된 폐쇄형 해법을 제공함으로써, 암 연구에서 중요한 “체커보드” 패턴을 효과적으로 탐지한다는 점에서 학술적·실용적 가치를 동시에 지닌 방법이라 할 수 있다.