다형체 유전체 상의 확률적 하플레이트 조립과 불확실성 정량화

초록

pHapCompass는 다배체(다형체) 유전체의 하플레이트를 확률적 그래프 모델로 조립하고, 읽기 할당 모호성을 명시적으로 모델링한다. 짧은 읽기와 긴 읽기에 각각 최적화된 두 알고리즘(pHapCompass‑short, pHapCompass‑long)을 제시하며, 베이지안 추론을 통해 최적 하플레이트와 그 불확실성을 동시에 제공한다. 실제와 유사한 시뮬레이션 파이프라인을 구축해 기존 도구와 비교했을 때 경쟁력 있는 정확도와 신뢰도 있는 불확실성 정량화를 보여준다.

상세 분석

pHapCompass는 다배체(다형체) 하플레이트 조립 문제를 “읽기‑할당 불확실성”이라는 핵심 난제에 초점을 맞추어 해결한다. 기존의 결정론적 그래프 기반 방법은 읽기가 어느 하플레이트에 속하는지 모호할 때 오류가 급증하는데, 본 논문은 이를 확률적 마코프 랜덤 필드와 팩터 그래프(pCompass graph)로 형식화한다. SNP‑중심 모델(pHapCompass‑short)에서는 SNP 쌍을 노드로 하는 라인 그래프를 만든 뒤, 각 노드와 2‑클리크(세 개 이상의 SNP를 포함하는 엣지)에 대해 읽기 증거를 기반으로 정규화되지 않은 가능도 함수를 정의한다. 이 가능도는 각 하플레이트의 염기 오류율 ε와 Hamming 거리 d를 이용해 읽기가 특정 위상(phasings)을 생성할 확률을 계산한다. 노드 잠재변수의 상태 공간은 K(플로이디) 차원에서 O(K) 로 축소될 수 있어, 실제 연산량이 급격히 감소한다.

긴 읽기용 모델(pHapCompass‑long)은 읽기‑중심 접근을 채택한다. 여기서는 읽기 자체를 그래프의 노드로 두고, 읽기와 하플레이트 사이의 매핑을 명시적인 잠재변수로 두어, 방향성(읽기 → 하플레이트)과 무방향성(읽기 간 상호 의존) 관계를 동시에 포착한다. 이 하이브리드 체인 그래프는 베이지안 네트워크와 마코프 랜덤 필드의 결합 형태이며, Viterbi 알고리즘으로 MAP 해를, Forward‑Filtering Backward‑Sampling(FFBS)으로 사후 샘플링을 수행한다. 결과적으로 단일 최적 위상뿐 아니라 각 SNP 쌍·삼중체에 대한 사후 확률 분포를 얻어, “불확실성”을 정량화한다.

알고리즘의 확장성은 두 단계에서 보장된다. 첫째, pCompass 그래프는 노드와 2‑클리크만을 열거함으로써 O(L²) 공간 복잡도를 유지한다(단, L은 SNP 수). 둘째, FFBS는 그래프 구조에 따라 선형 시간에 샘플링이 가능하므로, 수천 개의 읽기와 수만 개의 SNP를 포함하는 실제 데이터셋에서도 실용적인 실행 시간을 제공한다.

시뮬레이션 파이프라인도 중요한 기여이다. 저자들은 자동(autopolyploid)과 이배체(allopolyploid) 시나리오를 모두 포함하는 유전체 시뮬레이터를 구축했으며, 실제 염색체 구조와 변이율을 반영한다. 이를 통해 기존 도구(HapTree, Poly‑Harsh 등)가 주로 합성된 단순 모델에만 최적화된 반면, pHapCompass는 복잡한 중복 구간, 부분 동형성(homozygosity), 낮은 커버리지 상황에서도 견고함을 입증한다.

평가 지표는 기존의 Vector Error Rate와 Minimum Error Correction을 부분 위상에 맞게 일반화했으며, 추가로 사후 확률 기반의 불확실성 점수를 도입했다. 실험 결과, pHapCompass‑short는 높은 커버리지(short‑read) 환경에서 가장 낮은 오류율을 보였고, pHapCompass‑long은 긴 읽기의 장점을 살려 연속적인 하플레이트 블록을 정확히 재구성했다. 특히, 불확실성 정량화는 잘못된 위상에 대한 경고 신호를 제공해 downstream 분석(예: 연관 분석, 계통수 추정)에서 오류 전파를 최소화한다는 점이 강조된다.

전반적으로 pHapCompass는 다배체 하플레이트 조립을 확률적 그래프 이론과 베이지안 추론으로 재구성함으로써, 기존 결정론적 방법이 직면하던 “읽기 할당 모호성”과 “지수적 위상 공간” 문제를 효율적으로 해결한다. 이는 유전체학, 작물 육종, 진화생물학 등 다배체 종을 다루는 모든 연구 분야에 실용적인 도구가 될 전망이다.