베이시안 기계학습과 의학 빅데이터를 이용한 인과관계 유전자 조절 네트워크의 그래픽 모델 개발

Development of a graphical model of causal gene regulatory networks using medical big data and Bayesian machine learning

Article information

J Korean Med Assoc. 2022;65(3):167-172

Publication date (electronic) : 2022 March 10

doi : https://doi.org/10.5124/jkma.2022.65.3.167

Sung Bae Park, MD^,¹

, Changwon Yoo, PhD ²

¹Department of Neurosurgery, Seoul Metropolitan Government-Seoul National University Boramae Medical Center, Seoul, Korea

²Department of Biostatistics, Robert Stempel College of Public Health and Social Work, Florida International University, Miami, FL, USA

박성배^,¹

, 유창원²

¹서울대학교 보라매병원 신경외과

²미국 플로리다대학교

Corresponding author: Sung Bae Park E-mail: ddolbae01@naver.com

Received 2022 February 6; Accepted 2022 February 26.

Trans Abstract

Background

Data collection from medicine and biomedical science is becoming a large task and increasingly complicated with each passing day. Machine learning methods have been applied to elucidate interactions between genes and genes and their environment.

Current Concepts

Many machine learning methods have been used to determine the statistical meaning or relationship in the prediction or progression of diseases through the creation of causal networks based on medical big data. Through these analyses, the occurrence and progression of diseases have been shown to be related to several genes and environmental factors. However, these methods cannot identify the key upstream regulators inferred from genomic, clinical, and environmental medical data.

Discussion and Conclusion

The causal Bayesian network (CBN) is a machine learning method that can be used to understand a causal network inferred from the gene expression data. The CBN can help identify the key upstream regulators through examining the causal network inferred from medical big data having genomic information. We can easily improve the clinical outcome through regulation of these identified key upstream factors. Therefore, the CBN may be a powerful and flexible tool in the era of precision medicine.

Keywords: Bayesian analysis; Big data; Gene regulatory network

Keywords: 베이시안분석; 빅데이터; 유전자조절네트워크

서론

임상 진료 현장과 보건의료에서 매일 많은 양의 의료 정보가 발생되며, 이러한 의료 정보를 통한 연구결과들은 질환에 따른 위험성 예측과 치료의 방법을 좀 더 정확하게 선택하기 위한 기회를 제공한다. 최근의 의료 정보를 소위 빅데이터라고 지칭하며, 최근에는 여러 머신러닝 분석방법을 이용하여 빅데이터의 단순 관찰로부터 새로운 지식을 추출할 수 있다[1]. 의료 빅데이터로부터, 우리는 유전자들 간의 상호작용 및 유전자들과 주위 환경적 요인 간의 상호작용들이 각각의 객체에 어떤 영향을 미치는지를 알고자 하며, 생물정보학자(bioinformatician), 생물통계학자(biostatistician) 및 의학역학자(epidemiologist)들이 통계학적인 확률(statistical probabilities)로 임상 데이터 내에서, 유전자와 유전자 간의, 유전자와-환경적 요인들 간의 원인 인과관계(causal interactions)를 나타냈다[2]. 지금까지 많은 연구에서 의료 빅데이터를 분석하여 상호작용을 통계학적인 확률로 나타낼 때는 선형 회귀나 로지스틱 회귀와 같은 전통적인 통계 분석방법들을 사용하였다[3-5]. 임상 진료 시 발생되는 수많은 데이터와 각각의 객체 내에서의 유전자 발현 정보는 매우 복잡한 관계를 가지고 있으며, 우리는 이러한 수많은 인자들 간의 복잡한 관계에서 질환의 발병 및 진행에 관한 주요 인자들 간의 원인 인과관계를 알아야 질환의 치료 및 효과적인 질환 진행 억제를 이룰 수 있다. 회귀 분석을 이용한 기존의 통계 분석방법은 많은 연구자들이 광범위하게 사용하고 있어 비교적 쉽게 이용할 수 있으나, 각각의 분석 타겟(outcomes)에 따라서 각각의 다른 모델을 적용해야 하며, 비선형 관계의 분석에는 어려움이 있고, 무엇보다도 원인 인과관계를 효과적으로 모델링 하기에는 매우 제한적이다[1]. 베이시안 네트워크(Bayesian networks) 분석은 아직 널리 알려져 있지 않아 익숙하지 않으나, 하나의 모델로 여러 개의 타겟을 알 수 있으며, 무엇보다 원인 인과관계를 직관적으로 보여준다[2]. 따라서 베이시안 네트워크를 이용하여 머신러닝 분석방법을 통한 학습을 통해서 유전자 정보에서 알고자 하는 타겟 결과와 관련된 주요 유전자들의 조절 네트워크(gene regulatory network) 모델을 추출해 낼 수 있다[6].

본론

베이시안 네트워크 분석을 통한 확률적 그래픽 모델(probabilistic graphical model)은 기존의 통계분석에서 사용하는 빈도학파적 분석(frequentist analysis)과는 달리, 주어진 데이터 값을 가지는 모든 변수들의 원인관계를 수많은 그래픽 모델로 표현하며, 이중에서 현재의 데이터 값을 가장 잘 설명할 수 있는 가능성을 가지는 그래픽 모델을 제시하는 것이다[1]. 예를 들어 유방암의 골격계 전이암에 관련된 유전자들의 조절 네트워크 모델을 알기 위해서는 유방암의 골격계 전이암 환자들의 유전자 발현 정보를 얻고, 유방암은 있지만 골격계 전이가 없는 환자들의 유전자 발현 정보를 얻은 후에, 모든 유전자들의 발현 정보와 골격계 전이 여부와의 관계를 보여주는 모든 그래픽 모델을 추출한다. 이중에서 가장 현재의 데이터를 잘 설명할 수 있는 모델을 선택하는 분석방법이 베이시안 네트워크 분석방법이다. 이러한 분석 시 기존의 연구나, 통계학적 분석방법에서 의미 있는 변수들에 대해서 베이시안 네트워크 분석 시 더 가중치를 두어서 분석을 할 수 있으며, 주요 유전자들의 조절 네트워크 모델을 얻기 위해서 타겟 결과 변수와의 관련성(Markov blanket)을 이용하여 수만 개의 유전자들의 변수들을 점차 줄여서 주요 조절 유전자 몇 개와 타겟 결과 변수와의 관계로만 이루어진 베이시안 네트워크를 만들어낸다[6,7].

이러한 베이시안 네트워크 구조에 대해서 알아보면, 베이시안 네트워크는 방향성 비사이클 그래프(directed acyclic graph)이며, 각각의 변수들(variables)을 노드(node)라고 하며, 변수 사이의 관계는 아크(arc)로 표시하여 노드와 노드 사이의 인과관계가 있으면 화살표로 이어진다. 그래서 베이시안 네트워크에서, 아크는 원인 변수에 해당하는 부모 노드(parent node)와 직접적으로 영향을 받는 변수인 자녀 노드(child node) 사이의 관계를 표시한다(Figure 1). 이러한 베이시안 네트워크 구조는 마르코프 조건(Markov conditions)에 기준하여 형성된다[8]. 조건부 독립에 해당하는 마르코프 조건에 대한 이해는, 베이시안 네트워크의 구조 및 의미를 이해하기 위해서 필수적인 내용이므로 이어지는 그림으로 설명을 하려고 한다. Figure 2와 Figure 3은 조건부 독립에 대해서 설명을 할 때 많이 이용되는 그림들이다. Figure 2를 보면, 비가 오거나 나의 잔디에 있는 스프링쿨러를 작동시키면, 나의 잔디는 젖는다. 또한 비가 오면서 동시에 나의 잔디에 있는 스프링쿨러가 작동이 되어도 나의 잔디는 젖는다. 그리고 나의 잔디가 충분히 젖어 있으면, 나의 잔디는 풍성해질 것이다. 나의 잔디의 스프링쿨러만 작동을 하고 비가 오지 않으면, 나의 잔디는 젖고, 또한 풍성해질 것이다. 하지만 이러한 경우에 이웃집 잔디는 젖어 있지 않을 것이다. 이러한 네트워크는 Figure 3에서 3개의 하부 네트워크로 나누어 볼 수 있다. Figure 3A의 모양을 convergence arcs라고 부른다. 만일 우리가 잔디가 젖어 있음을 알고, 동시에 비가 오지 않았음을 알았다면, 나의 잔디에 있는 스프링쿨러가 작동될 경우(chance)가 매우 높다는 것을 의미한다. 즉 만일 노드 A (스프링쿨러)와 노드 B (비)가 노드 C (잔디 젖음)으로 convergence되면, 노드 C의 정보가 주어졌을 때, 노드 A와 노드 B는 의존적인 관계가 된다. 즉 나의 잔디가 젖어 있을 때, 그 원인이 나의 잔디의 스프링쿨러가 작동되거나 혹은 비가 올 경우 두 가지 가능성 밖에 없기 때문에, 스프링쿨러의 작동 가능성이 높아지면, 비가 왔을 가능성은 낮아지고, 스프링쿨러의 작동 가능성이 낮아지면, 비가 왔을 가능성이 높아진다. 그러므로 convergence에서는 child node의 정보를 알 경우에, parent node들의 관계는 서로에게 영향을 미친다. Figure 3B의 모양은 divergence arcs라고 부른다. 이때 만일 당신이 비가 온 것을 안다고 했을 때, 나의 잔디가 젖어 있다는 정보가, 이웃집 잔디가 젖어 있는 가능성에 영향을 미치지 않는다. 비가 온 것에 대한 정보는 이웃집 잔디가 젖어 있는 가능성에 영향을 미치지만, 비가 온 것에 대한 정보를 알고 있을 때 내 잔디의 젖어 있는지 여부가, 이웃집 잔디가 젖어 있는지 여부에 대해서 영향을 미치지 못한다. 즉 divergence arcs에서는 node A (비)를 알고 있을 경우에 node B (나의 잔디가 젖음)와 node C (이웃집 잔디가 젖음)와의 관계는 상호 독립적이다. Figure 3C에서의 관계를 serial arcs라고 부른다. 만일 나의 잔디가 젖어 있으면, 스프링쿨러의 작동 여부가 잔디의 풍성함에 더 많은 영향을 미칠지 여부를 알 수 없다. 즉 serial arcs에서는 변수 A (스프링쿨러 작동)에서 변수 B (나의 잔디 젖음)로, 변수 B에서 변수 C (나의 잔디가 풍성함)로 이어지며, 변수 B의 정보가 주어지면, 변수 A와 변수 C는 서로 독립적인 관계이다. 베이시안 네트워크는 이 세 가지 형태(converging, diverging, serial)로 구성되어 있으며, 이러한 관계 이해는, 최종적으로 얻어진 베이시안 네트워크의 형태 해석에 필수적이다.

Figure 1.

A causal Bayesian network that represents a simple gene regulatory network. The expression of Gene 1 influences the likelihood of the presence of bone metastasis that influences on expressions of gene 2 and 3. Therefore, Gene1 is a parent node of bone metastasis and bone metastasis node is a child node of gene 1 node. Bone metastasis is a parent node of gene 2 and 3 nodes. The gene 2 and 3 are child nodes of bone metastasis node. Illustrated by authors.

Figure 2.

A simple Bayesian network. Illustrated by authors.

Figure 3.

Sub-networks of Bayesian network in Figure 2. (A) Convergence arcs, (B) Divergence arcs, (C) Serial arcs. Illustrated by authors.

이제 베이시안 네트워크를 이용하여 유전자 조절 네트워크 모델을 추출하는 연구방법에 대한 예시과정을 보여줌으로써, 베이시안 네트워크에 대한 이해를 한층 더 높이고자 한다. 저자는 폐암의 골 전이에 관련되는 주요 유전자들의 조절 네트워크를 얻고자 하였다.

1. 데이터 수집 및 데이터 정제

유전자 발현 마이크로 어레이 정보를 얻고자 National Center for Biotechnology Information, NCBI에서 제공하는 Gene Express Omnibus (https://www.ncbi.nlm.nih.gov/geo/)를 통해서 인체 폐암과 폐암의 골 전이 조직에서 얻어진 유전자 정보를 수집하였다[9]. Gene Express Omnibus에서 총 3개의 관련 연구들(GSE76194, 29391, 32474)을 확인할 수 있었으며, 3개의 연구들에서 20명의 환자 유전자 발현 정보를 다운로드 받았다. 발현 정보 변수는 연속형 값을 가지고 있어서, z-score 표준화 방법을 이용하여, 범주형 변수로 변경하여, 저 발현, 정상 발현 및 고 발현의 세 가지 범주로 분류하였다. 20명의 환자들의 발현 총 유전자들 중에서 17,260개의 유전자들이 공통으로 발현되었으며, 이 중에서 골 전이 유무와 발현 변화의 상관관계의 수치가 상위 10%에 해당하는 유전자인 1,726을 추출하였으며, 기존의 연구 논문들에서 언급된 폐암의 골 전이와 밀접한 관련이 있는 74개의 유전자들도 추가하여 총 1,788개의 유전자들을 선택하였다[10-12].

2. 베이시안 네트워크 분석 및 후보 유전자들의 선택

베이시안 네트워크를 얻기 위해서 Bayesian Network Inference with Java Objects 프로그램을 이용하여 분석을 하였다[7,13]. 여러 번의 베이시안 네트워크 분석 및 Markov blanket 내의 관계를 이용하여 주요 유전자 조절 네트워크를 만들었다(Figure 4). 1,788개의 유전자를 24개의 유전자로 줄이기 위해서, 3번의 축소(downsizing)를 거쳤으며, 매번 축소과정에서 타겟 결과인 폐암의 골 전이 노드와 1차적으로 아크를 가지는 노드를 선택하였다. 또한 3번의 베이시안 네트워크 분석 중에서 최적의 네트워크를 얻기 위해서 분석시간은 3시간, 6시간, 12시간 24시간, 48시간씩 각각 3번 반복 분석하였으며, 각각의 분석시간 및 횟수에서 최적의 가능성을 보여주는 네트워크를 선택하였다. Figure 4에서 보여주는 베이시안 네트워크를 보면, SNED1 유전자의 발현 여부가 폐암의 골 전이에 원인 유전자관계로 있으며, 그 밖의 녹색으로 채워진 노드들의 유전자들은 폐암이 골격계 전이된 이후에 영향을 받는 유전자들임을 알 수 있다.

Figure 4.

Casual Bayesian network with lung cancer relevant genes. A node filled with red color represents a group (lung cancer with or without bone metastasis) node. A node filled yellow color is parent node of group node. Several nodes filled green color are child nodes of the group node. Illustrated by authors.

3. 베이시안 매개변수(parameter)들의 학습

현재의 데이터를 가장 잘 설명하는 최종 베이시안 네트워크 모델을 얻었으면, 이후에 이 모델의 매개변수들이 어떠한 확률값을 가지고 상호작용을 하는 것을 알 수 있는 그래픽 모델을 GeNIe (BN Graphical Network Interface; BayesFusion, LLC, Pittsburgh, PA, USA) 프로그램을 이용하여 얻을 수 있다(Figure 5). Figure 5를 보면, 현재 데이터는 골 전이가 없는 폐암 환자의 비율은 57%이고, 골 전이가 있는 환자의 폐암 비율은 43%인 데이터에서 SNED1 유전자의 발현은 정상 혹은 과발현되어 있으며, 그 밖의 자녀 노드의 발현은, FKBP15 유전자를 제외하고, 나머지 노드들의 유전자 발현은 정상 혹은 과별현의 경향을 가진다.

Figure 5.

Casual Bayesian network structure using GeNIe. Illustrated by authors.

이상으로 간략하게 베이시안 네트워크의 기본 개념 및 구조와 실제로 베이시안 네트워크를 이용하여 주요 유전자 조절 네트워크를 얻어내는 방법에 대해서 소개하였다.

결론

베이시안 네트워크는 직관적으로 변수들 간의 원인 인과관계를 보여줌으로써, 질환의 발생과 진행에 가장 중요한 영향을 미치거나, 영향을 받는 변수들에 대한 정보를 알 수 있게 한다. 이러한 분석방법은 유전자 발현에 대한 정보 분석뿐만 아니라, 임상에서의 정보를 이용하여 치료의 가이드라인을 확립하는 데도 유용하게 사용될 수 있다.

Notes

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

References

1. Arora P, Boyne D, Slater JJ, Gupta A, Brenner DR, Druzdzel MJ. Bayesian networks for risk prediction using real-world data: a tool for precision medicine. Value Health 2019;22:439–445.

2. Yoo C, Ramirez L, Liuzzi J. Big data analysis using modern statistical and machine learning methods in medicine. Int Neurourol J 2014;18:50–57.

3. Reed M, Huang J, Brand R, Graetz I, Neugebauer R, Fireman B, Jaffe M, Ballard DW, Hsu J. Implementation of an outpatient electronic health record and emergency department visits, hospitalizations, and office visits among patients with diabetes. JAMA 2013;310:1060–1065.

4. Shnorhavorian M, Bittner R, Wright JL, Schwartz SM. Maternal risk factors for congenital urinary anomalies: results of a population-based case-control study. Urology 2011;78:1156–1161.

5. Yuasa T, Urakami S, Yamamoto S, Yonese J, Nakano K, Kodaira M, Takahashi S, Hatake K, Inamura K, Ishikwa Y, Fukui I. Tumor size is a potential predictor of response to tyrosine kinase inhibitors in renal cell cancer. Urology 2011;77:831–835.

6. Park SB, Hwang KT, Chung CK, Roy D, Yoo C. Causal Bayesian gene networks associated with bone, brain and lung metastasis of breast cancer. Clin Exp Metastasis 2020;37:657–674.

7. Park SB, Chung CK, Gonzalez E, Yoo C. Causal inference network of genes related with bone metastasis of breast cancer and osteoblasts using causal bayesian networks. J Bone Metab 2018;25:251–265.

8. Pearl J. Probabilistic reasoning in intelligent systems: networks of plausible inference San Francisco: Morgan Kaufmann Publishers; 1988.

9. Barrett T, Wilhite SE, Ledoux P, Evangelista C, Kim IF, Tomashevsky M, Marshall KA, Phillippy KH, Sherman PM, Holko M, Yefanov A, Lee H, Zhang N, Robertson CL, Serova N, Davis S, Soboleva A. NCBI GEO: archive for functional genomics data sets--update. Nucleic Acids Res 2013;41:D991–D995.

10. Zhang K, Zhang M, Zhu J, Hong W. Screening of gene mutations associated with bone metastasis in nonsmall cell lung cancer. J Cancer Res Ther 2016;12(Supple):C186–C190.

11. Dat le T, Matsuo T, Yoshimaru T, Kakiuchi S, Goto H, Hanibuchi M, Kuramoto T, Nishioka Y, Sone S, Katagiri T. Identification of genes potentially involved in bone metastasis by genome-wide gene expression profile analysis of non-small cell lung cancer in mice. Int J Oncol 2012;40:1455–1469.

12. Huang Y, Chu T, Liao T, Hu X, Huang B. Downregulation of lysosomal and further gene expression characterization in lung cancer patients with bone metastasis. Artif Cells Nanomed Biotechnol 2017;45:758–764.

13. Lipton A, Theriault RL, Hortobagyi GN, Simeone J, Knight RD, Mellars K, Reitsma DJ, Heffernan M, Seaman JJ. Pamidronate prevents skeletal complications and is effective palliative treatment in women with breast carcinoma and osteolytic bone metastases: long term follow-up of two randomized, placebo-controlled trials. Cancer 2000;88:1082–1090.

Peer Reviewers’ Commentary

이 논문은 여러 가지 기계학습 기법 중에서 상대적으로 덜 적용되었던 베이시안 네트워크(Bayesian networks) 분석을 소개하고 실제로 적용하는 예시를 설명한 논문이다. 이전의 일반 통계 분석으로 할 수 없는 임상 진료에서 발생 되는 수많은 인자를 인과관계로 직관적으로 보여주는 베이시안 기계학습 방법은 유전자 정보에서 결과와 관련된 유전자 조절 네트워크를 추출하여 질병 예방과 치료에 새로운 가능성을 제시해 주고 있음을 잘 설명하고 있다. 또한 이 논문은 베이시안 네트워크의 개념을 쉽게 이해할 수 있도록 설명하고 있으며, 유전체 빅데이터 연구의 개념과 실제도 알기 쉽게 설명해 주고 있다. 이 논문은 일상 사건의 예와 질병 분석의 예를 통해서 베이시안 기계학습 연구에 대해 체계적으로 기술하고 있어 빅데이터 연구에 대한 지식이 부족한 임상의들도 개념을 알 수 있게 하고 관심이 있는 임상의들에게는 유전체 빅데이터 연구의 시작을 도와줄 수 있는 좋은 지침이 될 것으로 판단된다.

[정리: 편집위원회]

Article information Continued

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.