GNE: 생물학적 정보를 통합함으로써 유전자 네트워크 추론을 위한 딥러닝 프레임워크

유전자 상호작용 네트워크의 위상학적 구조는 유전자 또는 단백질의 기능적 패턴을 추론하는 데 풍부한 정보를 제공한다. 그러나 유전자 발현과 유전자 상호작용과 같은 이질적인 생물학적 정보를 통합하여 유전자 상호작용의 예측 및 새로운 상호작용 탐색을 보다 정확하게 수행하는 것은 여전히 도전적인 과제이다. 특히 다양한 입력 데이터를 통합할 수 있는 통합된 벡터 표현을 생성하는 방법은 본 연구에서 다루는 핵심 과제이다. 본 연구에서는 기존의 유전자 상호작용과 유전자 발현 정보를 통합하여 유전자 상호작용 예측을 수행할 수 있도록, 확장 가능하고 강건한 딥러닝 프레임워크를 제안한다. 이 프레임워크는 저차원의 임베딩 표현을 학습함으로써 급속히 증가하고 다양한 형태로 존재하는 유전자 상호작용 네트워크의 구조적 특성을 깊이 있게 파악할 수 있으며, 후속 모델링 과정을 크게 단순화한다. 제안된 깊이 학습 임베딩의 예측 성능을 강력한 기준 모델들과 비교한 결과, 본 연구의 임베딩이 유의미하게 더 정확한 예측 성능을 보였다. 더불어, 최신 문헌 기반 데이터베이스의 업데이트된 항목을 통해 제안된 새로운 유전자 상호작용 예측 결과들이 실험적으로 검증되었다. 본 연구의 모델은 유전자 네트워크 추론에 있어 이질적인 유전자 정보를 통합하는 것이 중요함을 입증한다. 본 모델(GNE)은 GNU 일반 공공 라이선스(GNU General Public License) 하에 무료로 제공되며, GitHub에서 다운로드할 수 있다(https://github.com/kckishan/GNE).