종양 순도 정제와 자기지도 학습을 통한 대규모 벌크 전사체 데이터 정화

초록

TwinPurify는 인접 정상 샘플을 배경으로 활용해 Barlow Twins 자기지도 학습 목표를 적용, 종양 벌크 전사체에서 정상 조직 신호를 억제하고 고차원 종양 특이 임베딩을 학습한다. RNA‑seq 및 마이크로어레이 대규모 유방암 코호트에서 자동인코더와 PCA 등 기존 방법을 능가하며, 서브타입 분류, 등급 예측, 생존 모델의 C‑index 향상 및 면역·세포주기 경로 활성화 해석을 제공한다.

상세 분석

TwinPurify는 기존의 종양 순도 보정이 “디컨볼루션” 방식에 의존하는 한계를 극복하기 위해 완전히 새로운 프레임워크를 제시한다. 핵심 아이디어는 동일 코호트 내에 존재하는 인접 정상 조직 샘플을 ‘배경’으로 삼아, 종양 샘플에 인위적인 정상 혼합을 가함으로써 두 개의 변형된 뷰(view)를 생성하고, 이를 Barlow Twins의 교차‑상관 손실(λ·오프‑다이아고날 제약 + 대각선 1에 근접)로 최적화한다. 이 과정에서 모델은 정상 신호를 일관되게 억제하면서 종양 고유의 변이성을 보존하도록 강제된다.

구현 세부사항은 다음과 같다. 먼저, 각 훈련 단계에서 5개의 무작위 정상 샘플을 균등하게 가중합해 합성 정상 벡터를 만든다. 종양 벡터와 합성 정상 벡터를 사전 탐색된 α(≈0.27) 비율로 혼합해 두 개의 서로 다른 변형을 만든다(각 변형은 다른 정상 샘플 집합을 사용). 이 두 변형은 동일 인코더 fθ와 프로젝터 gϕ를 통과해 z1, z2를 얻고, 배치 차원에서 평균·분산 정규화 후 교차‑상관 행렬 C를 계산한다. 손실 L_TP = Σ_i(1−C_ii)^2 + λ Σ_{i≠j}C_ij^2 로, 대각선은 1에 가깝게, 비대각선은 0에 가깝게 만들면서 임베딩 차원 간 독립성을 촉진한다. λ는 10~100 사이에서 최적화됐으며 최종값은 54.9로 설정돼, 대각선·비대각선 제약 사이의 균형을 맞춘다.

비교 대상으로는 표준 자동인코더(AE), 변분 자동인코더(VAE), 그리고 차원 축소를 위한 PCA를 사용했으며, 이들 모두 동일한 입력(종양+인접 정상 결합)으로 학습했지만, AE/VAE는 노이즈가 없는 재구성 손실만 사용했다. 따라서 TwinPurify가 정상 신호를 명시적으로 억제하도록 설계된 점이 성능 차이를 설명한다.

평가에서는 SCAN‑B, TCGA‑BRCA (RNA‑seq)와 METABRIC (마이크로어레이) 세 코호트를 활용해, 인위적인 종양‑정상 희석 시리즈(0~100% 종양 함량, 10% 간격)를 생성했다. 각 희석 단계마다 PAM50 서브타입 일치율과 조직학적 등급 정확도를 측정했으며, TwinPurify는 특히 저순도(≤30% 종양) 구간에서 AE·VAE·PCA보다 현저히 높은 정확도를 보였다.

생물학적 해석을 위해 각 임베딩 차원과 원본 유전자 발현 간 피어슨 상관을 구해 프리랭크 리스트를 만든 뒤, GO‑BP와 Immune Signature(C7) 컬렉션에 대해 GSEA를 수행했다. TwinPurify는 차원당 독립적인 경로를 풍부하게 포착했으며, 비대각선 제약 덕분에 차원 간 중복 유전자 집합이 현저히 낮았다(uniqueness score ↑). 반면 AE·VAE는 몇몇 차원에 과도하게 특정 경로가 집중되는 경향을 보였다.

생존 분석에서는 임베딩을 Cox 모델에 입력해 C‑index를 계산했으며, TwinPurify 임베딩이 원시 발현보다 평균 0.04~0.07 높은 concordance를 달성했다. 이는 순도 보정이 환자 예후 예측에 직접적인 이점을 제공함을 의미한다.

전반적으로 TwinPurify는 (1) 정상 조직을 구조화된 교란으로 활용한 자기지도 학습 설계, (2) Barlow Twins 기반 교차‑상관 손실을 통한 차원 독립성 강화, (3) 다양한 플랫폼(RNA‑seq, 마이크로어레이)과 코호트에 대한 전이 가능성, (4) 임상·생물학적 다운스트림 작업에서 일관된 성능 향상이라는 네 가지 강점을 갖는다. 다만, 정상 샘플이 충분히 확보되지 않은 조직(예: 희귀암)에서는 교란 생성이 제한될 수 있으며, α와 λ 같은 하이퍼파라미터가 코호트마다 재조정이 필요할 가능성이 있다. 또한, 현재는 단일 종양 유형(유방암)만을 대상으로 검증했으므로, 다른 암종이나 비암성 질환에 대한 일반화 검증이 추가로 요구된다.