Transfer로 underrepresented populations의 유전체 예측을 개선하려면
다유전자 점수(PGS)는 여러 유전변이의 대립유전자 수 또는 용량에 각 변이의 추정 효과를 곱한 뒤 합산한 값이다. 질병 위험이나 BMI 같은 형질을 예측하는 데 활용되지만, 학습 데이터가 특정 집단에 치우치면 다른 집단에서 정확도가 낮아질 수 있다.1
유럽계 모델을 그대로 적용하기 어려운 이유
많은 PGS는 대규모 유럽계 데이터로 개발됐으며, 비유럽계 집단의 표현형을 예측할 때 일반적으로 성능이 떨어진다.1 이는 표본 수 차이만으로 설명되지 않는다.
집단마다 대립유전자 빈도와 연관불균형(LD) 구조가 달라 변이 효과가 이질적으로 나타날 수 있다. 유전자 간 상호작용과 유전자·환경 상호작용도 집단별 효과 차이에 기여한다.1 따라서 원천 집단에서 추정한 효과를 표적 집단에 그대로 적용하기보다, 표적 데이터에 맞게 조정해야 한다.
Transfer의 핵심은 복사가 아니라 조정이다
유전체 예측에서 Transfer는 대규모 원천 집단의 효과 추정치를 출발점으로 사용하면서 표적 집단의 데이터로 이를 보정하는 접근이다. 실질적인 과제는 원천 정보를 얼마나 유지하고, 표적 정보에 얼마나 적응할지 결정하는 것이다.
방법에 따라 조정 방식은 다르다.
TL-GDES는 원천 집단의 변이 효과를 초기값으로 사용한 뒤, 표적 집단 데이터에서 경사하강법으로 계수를 갱신한다. 조기 종료는 계수가 초기 효과에서 지나치게 멀어지는 것을 억제한다.
TL-PR은 변이 효과 자체를 0에 가깝게 만드는 대신, 원천 집단의 사전 효과 추정치에서 벗어나는 정도에 페널티를 부과한다.
TL-BMM은 유한 혼합 사전분포를 사용해 여러 사전 정보원으로부터 학습한 정보를 활용할 수 있다.1
이러한 접근은 표적 집단의 표본이 적을 때 특히 유용할 수 있다. 그러나 표적 데이터가 충분히 커지면 외부 정보를 결합한 모델보다 표적 집단만으로 학습한 모델이 더 나을 수 있다.
표본 수와 형질에 따라 모델을 다시 비교해야 한다
UK Biobank의 유럽계 표본과 약 20만 명 규모의 Biobank Japan 일본인 코호트를 활용한 비교는 이러한 전환점을 보여준다. 연구는 BMI, 수축기·이완기 혈압, 적혈구·백혈구 수, HDL·LDL 콜레스테롤, 혈당 등 8개 형질을 평가했다. 모든 PRS 모델은 동일한 별도 Biobank Japan 표본에서 평가됐으며, 성능 지표로 피어슨 상관계수를 사용했다.2
Biobank Japan 훈련 표본이 1만5천 명 이상일 때는 일본인 표본만으로 학습한 모델이 유럽계 데이터를 함께 사용한 모델보다 우수했다. 또한 표적 표본이 2만5천 명 미만일 때 PRS-CSx는 BMI를 제외한 모든 형질에서 최상위 엘라스틱넷 모델보다 낮은 성능을 보였다.2
이 결과는 Transfer가 언제나 최선의 선택은 아니라는 점을 시사한다. 실제 적용에서는 다음을 확인해야 한다.
표적 집단의 훈련 표본이 얼마나 확보됐는가
원천 집단과 표적 집단의 유전적·환경적 차이가 어느 정도인가
동일한 별도 검증 표본에서 모델을 공정하게 비교했는가
평균 성능이 아니라 각 형질에서 어떤 모델이 우수한가
한줄 요약: Transfer는 부족한 표적 데이터를 보완할 수 있지만, 표적 표본이 늘어날수록 집단 전용 모델과 형질별 성능을 다시 비교해야 한다.
1Improving polygenic score prediction for underrepresented groups through transfer learning
2Transfer learning for genomic prediction in underrepresented populations
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.