전치 행렬 데이터의 추론: 행·열 상관 효과를 모델링한 새로운 접근

본 논문에서는 행과 열 변수 모두가 분석 대상이 되는 전치 가능한 형태의 대규모 행렬 데이터에 대한 추론 문제를 다룬다. 이러한 데이터는 마이크로어레이와 같이 샘플(열) 간에 잠재적인 의존성이 존재할 경우, 유의미한 유전자를 검출하는 것이 대표적인 예가 된다. 우리는 행·열 공분산을 행렬 정규분포(matrix‑variate normal distribution)로 명시적으로 모델링함으로써, 일반적으로 사용되는 검정통계량, 영가설 분포 및 다중 검정 절차가 행·열 상관에 의해 어떻게 왜곡되는지를 이론적 및 시뮬레이션적으로 분석한다. 제안된 방법은 전치 정규화 공분산 모델(transposable regularized covariance model)을 이용해 행과 열의 공분산을 동시에 추정하고, 데이터를 사전 처리 단계에서 탈상관(스페어링)함으로써 이러한 문제를 해결한다. 합리적인 가정 하에, 변환된 검정통계량은 스케일된 이론적 영가설 분포를 따르며, 거의 독립적인 특성을 가진다. 실제 마이크로어레이 데이터에서 관측된 구조적 공분산을 반영한 다양한 시뮬레이션 결과, 본 방법은 두 가지 측면에서 현저한 개선을 보인다. 첫째, 통계적 검정력이 향상되어 동일한 유의 수준에서 더 많은 진정한 양성을 탐지한다. 둘째, 거짓 발견율(FDR)의 추정이 실제 FDR에 가깝게 정확하게 이루어진다. 따라서 본 연구는 전치 가능한 데이터에 대한 기존 통계 방법의 한계를 극복하고, 보다 신뢰성 있는 대규모 추론을 가능하게 하는 실용적인 프레임워크를 제공한다.