다중표본 마이크로어레이와 서열 정보를 결합한 전사인자 결합부위 예측 모델

** 본 논문은 현대 생물학 연구에서 널리 사용되는 다중 샘플 마이크로어레이 실험과 완전 서열 정보(프로모터)를 통합적으로 분석하는 새로운 통계적 방법론을 제시한다. 기존의 회귀 기반 TFBS(전사인자 결합부위) 탐색 기법은 각 실험 샘플을 독립적으로 모델링했으며, 전사인자 간 물리적 거리(스페이싱)가 전사 활성에 미치는 영향을 반영하지 못했다. 이러한 한계를 극복하기 위해 저자들은 (1) 모든 샘플을 하나의 다변량 발현 행렬 Y (유전자 × 시점)로 구성하고, (2) 각 유전자의 프로모터 서열을 이진·가중치 형태의 특징 X (모티프 존재 여부 및 간격 가중치)로 변환한 뒤, (3) 선형 결합을 통해 저차원 신호 Z (실험이 측정하고자 하는 실제 생물학적 신호)와 잡음 ε 을 분리하는 모델을 설계했다. 수식적으로는 Y_g = Z_g + ε_g 로 표현하고, Z_g는 d 차원의 선형 부분공간에 투사된다. Z_g = Σ_{j=1}^d u_{j,g} v_j 로 분해되며, 여기서 v_j는 발현 데이터의 주성분 혹은 사전 정의된 생물학적 basis이며, u_{j,g}는 각 유전자의 basis별 회귀계수이다. 회귀식은 u_{j,g} = β_{0,j} + Σ_{e∈E} β_j(e) X_g(e) + ε_{j,g} 로 정의된다. E는 모델에 포함될 프로모터 요소(모티프)의 집합이며, X_g(e)는 해당 요소가 유전자 g 의 프로모터에 존재하는지를 나타내는 변수이다. 특히, 저자들은 X_g(e)를 “거리 가중치” 형태로 확장해, 동일한 두 모티프가 서로 다른 간격에 위치할 때 각각 다른 β 값을 부여하도록 설계했다. 이는 전사인자 결합부위 간 스페이싱이 전사 활성에 미치는 영향을 정량화하는 핵심 아이디어이다. 모델 구축 과정은 세 단계로 나뉜다. 첫째, 사전 정의된 길이와 알파벳 조합을 이용해 모든 가능한 비중복 모티프를 사전(dictionary)으로 만든다. 둘째, 적응형 거리‑기반 빌딩 절차를 통해 가장 설명력이 높은 모티프를 단계적으로 추가한다. 이때 MARS와 유사한 베이스 함수(스플라인)와 거리 구간을 결합해 비선형·비정형 상호작용을 포착한다. 셋째, 과적합을 방지하기 위해 AIC/BIC 기반 패널티를 적용하고, 모델을 파라미터 수에 비례해 정규화한다. 모델 선택의 신뢰성을 검증하기 위해 퍼뮤테이션 테스트를 수행한다. 실제 데이터에서 무작위로 프로모터 서열을 섞어 가상의 데이터셋을 만들고, 동일한 모델링 절차를 적용해 얻은 손실값(Loss)과 실제 데이터의 손실값을 비교한다. 이를 통해 선택된 모티프 집합이 우연히 발생할 확률을 정량화하고, 거짓 양성(FP) 비율을 추정한다. 실험에서는 두 가지 대표적인 시간‑코스 마이크로어레이 데이터를 적용했다. 첫 번째는 효모( Saccharomyces cerevisiae )의 세포주기 데이터로, α‑factor에 의해 동기화된 배양을 7분 간격으로 18시점(두 주기) 측정하였다. 총 1600개의 유전자를 선택했으며, 800개는 세포주기 관련 유전자, 나머지는 무작위 선택된 비관련 유전자로 구성했다. 두 번째는 아라비도프시스( Arabidopsis thaliana )의 SAR(체계적 획득 저항) 데이터로, 병원균 감염 후 0, 6, 24, 48, 72, 120, 168시간에 샘플을 채취하였다. 여기서는 SA(살리실산) 합성에 관여하는 ics1 돌연변이와 야생형을 비교했으며, 차등 발현 유전자를 1500개씩 선택해 분석했다. 효모 데이터에서 모델은 MCM1, SWI5, ACE2, NDD1 등 기존에 알려진 세포주기 전사인자 결합부위를 높은 신뢰도로 재현했다. 특히, MCM1과 SWI5 사이의 간격이 10~15bp일 때 전사 활성에 가장 큰 영향을 미친다는 새로운 거리‑특이적 상호작용을 발견했다. 아라비도프시스 데이터에서는 WRKY, MYB, bZIP 등 방어 반응에 관여하는 전사인자 결합부위를 검출했으며, 기존 문헌에 보고되지 않은 “WRKY‑WRKY” 복합 모티프가 20~30bp 간격으로 배열될 때 강한 발현 상승을 유도한다는 가설을 제시했다. 전체적으로 이 연구는 (1) 다변량 발현 데이터를 활용해 전사조절 신호를 보다 정교하게 분리할 수 있음을, (2) 전사인자 결합부위 간 거리 의존성을 모델에 포함함으로써 실제 생물학적 상호작용을 정량화할 수 있음을, (3) 퍼뮤테이션 기반 검증이 모델 선택의 신뢰성을 크게 향상시킨다는 점을 입증한다. 제안된 프레임워크는 고차원 시계열·다조건 실험뿐 아니라, 인간 질병 데이터, 발달 단계 분석 등 다양한 분야에 적용 가능하며, 전사조절 네트워크를 해석하는 새로운 표준이 될 잠재력을 지닌다. **