식이 제한 유전자 우선순위 선정: Fast‑mRMR 기반 특징 선택의 효율성

초록

본 연구는 고차원 omics 데이터와 라벨이 불완전한 PU(Positive‑Unlabeled) 상황에서, Fast‑mRMR 알고리즘을 활용한 특징 선택 파이프라인을 제안한다. 식이 제한(DR) 관련 유전자를 우선순위 매기는 실험에서 기존 방법 대비 AU‑ROC, G‑Mean, F1‑Score 등 모든 평가 지표에서 통계적으로 유의한 향상을 보였으며, 다중 데이터 소스(GO, PathDIP) 통합 시에도 차원 축소가 성능을 크게 끌어올렸다. 또한 Feature Bagging을 통해 45 000여 개의 공동발현 특성을 2 500개 이하로 압축, 학습 비용과 탄소 배출을 감소시켰다.

상세 분석

이 논문은 유전자 우선순위 선정이라는 PU 학습 문제에 고차원 특징 공간(d ≫ n)과 라벨 불균형이라는 두 가지 근본적인 난제를 동시에 해결하려는 시도로 평가된다. 핵심 기법은 Fast‑mRMR(Fast Minimum Redundancy Maximum Relevance)으로, 상호 정보 기반의 관련성 측정과 특징 간 중복 최소화를 동시에 수행한다. 기존 PU 학습에서는 음성 라벨이 존재하지 않기 때문에 특징 선택 단계에서 정보 손실이 우려되었으나, 저자들은 미지의 음성 데이터를 임시 음성(‑1)으로 간주하고, mRMR이 소수의 양성(P)와 대다수의 배경(U) 사이의 차별적 패턴을 포착하도록 설계하였다.

파이프라인은 세 단계로 구성된다. 첫째, Fast‑mRMR을 이용해 각 데이터 블록(예: GO, PathDIP, 공동발현)에서 상위 k% 특징을 선택한다. 여기서 k는 내부 5‑fold CV에서 최적화되며, 외부 10‑fold CV에서 선택된 특징 집합을 고정하고 두 개의 앙상블 모델(Balanced Random Forest, CatBoost)을 학습한다. 둘째, 모델 학습 과정에서 10 × 5 중첩 교차검증을 적용해 과적합을 방지하고, 특징 선택이 테스트 데이터를 보지 않도록 하여 평가의 편향을 최소화한다. 셋째, 10번의 독립 실행 결과를 평균해 최종 스코어를 산출함으로써 예측 변동성을 감소시킨다.

특히 대규모 공동발현 데이터(≈45 000 특징)에는 Feature Bagging 전략을 도입했다. 전체 특징을 여러 블록으로 분할하고 각 블록마다 Fast‑mRMR을 적용해 Top K를 추출한 뒤, 이를 합쳐 최종 학습용 특징 집합을 만든다. 이 방법은 메모리와 연산량을 크게 절감하면서도 중요한 생물학적 신호를 유지한다는 점에서 실용적이다.

실험 결과는 두드러진 성과를 보여준다. 단일 데이터 소스에서도 Fast‑mRMR 적용 시 AU‑ROC가 0.8300.852, G‑Mean이 0.7320.779, F1‑Score가 0.523~0.560으로 기존 원본 및 PU‑Learning 기반 모델을 모두 능가한다(통계적 유의성 p < 0.05). 특히 GO와 PathDIP을 결합한 경우, CatBoost이 AU‑ROC 0.873, F1‑Score 0.560을 기록해 차원 축소 없이 두 데이터셋을 단순 합친 경우보다 현저히 높은 성능을 달성했다. 이는 특징 선택이 데이터 통합의 ‘시너지’를 발현시키는 핵심 메커니즘임을 시사한다.

또한 고차원 공동발현 데이터에 대한 테스트에서는 Fast‑mRMR이 2.55% 수준의 특징만 남겨도 AU‑ROC 0.5420.547을 달성, 원본 모델(≈0.50) 대비 의미 있는 개선을 보였다. 이와 동시에 학습 시간과 전력 소비를 크게 줄였으며, CodeCarbon을 이용한 탄소 배출량 분석에서 장기적인 추론 단계에서 비용이 현저히 낮아 ‘그린 AI’ 구현에 기여한다는 점을 강조한다.

생물학적 해석에서도 의미 있는 결과가 도출되었다. 선택된 상위 PathDIP 특징 중 NRF2 경로(WikiPathways.37)가 일관되게 나타났으며, 이는 식이 제한이 NRF2를 활성화해 항산화 효과를 유도한다는 기존 문헌과 부합한다. 또한 새롭게 발견된 후보 유전자(RRAGD 등)는 mTORC1 및 아미노산 감지와 연관돼 노화 조절 메커니즘과 연결될 가능성이 제시된다.

전반적으로 이 논문은 (1) 고차원 omics 데이터에서 특징 선택이 모델 성능과 해석 가능성을 동시에 향상시킨다, (2) PU 상황에서도 mRMR 기반 선택이 충분히 강건함을 입증한다, (3) Feature Bagging을 통한 대규모 데이터 처리와 그린 AI 관점의 효율성까지 포괄하는 실용적인 프레임워크를 제공한다는 점에서 의의가 크다.