전이성 급성 백혈병 전임상 시험의 동적 모델링과 효과 평가

초록

본 연구는 급성 백혈병 PDX 모델에서 유전자 변형 효과를 평가하기 위해 지수 성장 모델과 로지스틱 성장 모델을 ODE 형태로 구축하고, 전체 시간 시계열 데이터를 동시에 활용한 최대우도 추정 및 프로파일 우도 기반 신뢰구간을 통해 파라미터를 추정한다. 시뮬레이션 및 실제 CRISPR‑Cas9 스크리닝 결과를 비교한 결과, 작은 샘플에서도 지수 모델이 로지스틱 모델 및 전통적인 두 시점 t‑검정보다 변형 효과를 더 신뢰성 있게 탐지한다는 것을 보여준다.

상세 분석

이 논문은 급성 백혈병 전임상 실험에서 흔히 사용되는 두 시점만을 비교하는 paired t‑test가 시간적 정보를 낭비하고, 세포 증식·사멸 메커니즘을 반영하지 못한다는 점을 지적한다. 이를 보완하기 위해 저자들은 두 개의 인구 성장 ODE 모델, 즉 지수 성장 모델(β₁, β₂)과 로지스틱 성장 모델(λ₁, λ₂, K)을 제시한다. 두 모델 모두 변형된 세포군(x₁)과 대조군(x₂)의 절대 수를 상태 변수로 두고, 관측값은 두 군의 비율 η(t)=x₁/(x₁+x₂) 로 정의한다.

모델 파라미터 추정은 전체 실험 시간대의 모든 측정값을 이용한 최대우도법으로 수행되며, 파라미터의 구조적 식별성(identifiability)과 통계적 신뢰구간을 프로파일 우도(profile likelihood) 방법으로 검증한다. 구조적 식별성 분석 결과, 지수 모델의 β₁, β₂와 초기값은 충분히 구분 가능하지만, 로지스틱 모델에서는 성장률 λ₁, λ₂와 용량 K 사이에 상호 의존성이 존재해 추정이 불안정함을 확인한다.

시뮬레이션 스터디에서는 다양한 β₁/β₂ 비율, 샘플 크기, 측정 시점(조기·후기) 등을 변형해 모델의 검출력(power)을 평가한다. 결과는 지수 모델이 특히 샘플이 작고 측정 시점이 제한된 경우에 변형 효과를 가장 높은 정확도로 식별한다는 점을 보여준다. 로지스틱 모델은 용량 K 추정이 불안정해 작은 데이터셋에서는 과적합 위험이 크다. 전통적인 paired t‑test는 후기 측정치에 한정될 때만 모델과 동등한 검출력을 보였으며, 조기 측정치를 포함하면 검출력이 크게 떨어진다.

실제 PDX 실험에서는 4개의 후보 유전자를 CRISPR‑Cas9으로 knockout하고, 각각에 대해 2~3개의 출력 시점을 측정했다. 지수 모델과 로지스틱 모델, 그리고 paired t‑test 모두 비슷한 결론(유의미한 성장 억제 여부)을 내렸지만, 지수 모델이 파라미터 β₁‑β₂ 차이를 명확히 추정함으로써 어느 정도의 성장 억제(또는 촉진)인지 정량적으로 해석할 수 있었다. 반면 로지스틱 모델은 K 값의 불확실성 때문에 이러한 정량적 해석이 제한적이었다.

결론적으로, 시간 연속적인 데이터를 활용한 ODE 기반 인구 성장 모델은 전통적인 두 시점 통계 검정보다 통계적 검출력과 생물학적 해석력을 동시에 제공한다. 특히 샘플 수가 제한된 전임상 백혈병 연구에서는 지수 성장 모델이 실용적이며, 로지스틱 모델은 충분한 데이터가 확보될 때 보조적인 검증 수단으로 활용될 수 있다.