유전자 조절 네트워크(GRN)는 전사인자(TF)와 표적 유전자의 연결을 뜻하지만, 전장 유전체 데이터만으로 복원하는 일은 여전히 쉽지 않다. 2026년 7월 17일 공개된 이 arXiv 박사논문 프리프린트는, 모델 가정이 특정 추론 절차에 묶이고 참조 네트워크가 불완전해 평가가 제한된다는 문제를 전제로 두 개의 보완적 틀을 제시한다. 하나는 확률 그래프 모델 PMF-GRN이고, 다른 하나는 뉴클레오타이드 시퀀스에서 TF-표적 상호작용을 직접 예측하는 GLM-Prior다.
PMF-GRN은 변분추론으로 최적화되는 확률적 그래픽 모델로 GRN 추론을 구성해, 경험적 규칙에 기대는 모델 선택을 줄이고 엣지 추정에 불확실성을 함께 담도록 설계됐다. 반면 GLM-Prior는 사전지식 부족을 겨냥해 사전학습된 Nucleotide Transformer를 미세조정하고, 효모·마우스·인간 설정으로 일반화되는지 살폈다. 논문은 이 둘을 결합해, 시퀀스에서 얻은 이식 가능한 사전 구조를 출발점으로 삼고 확률 추론으로 조절 추정을 다듬는 이단계 관점을 제안한다.
검증은 종과 세포주를 넘나드는 교차 비교에 집중됐다. GLM-Prior의 전이학습 실험에서는 인간과 마우스로 함께 학습한 뒤 효모에 적용하는 경우, 마우스만으로 학습해 인간 세포주에 적용하는 경우, 인간만으로 학습해 마우스 세포주에 적용하는 경우를 나눴다. 또 인간·마우스·효모를 순차 학습한 다종 모델을 여섯 개 세포주에 평가했다. p.20과 p.161, p.163의 cross-method comparison에서는 prior와 GRN 추론의 기여를 분리하기 위해 아홉 가지 조합을 직접 비교했다.
수치가 제시된 내부 평가는 GLM-Prior와 PMF-GRN 모두에서 AUPRC, F1, ROC AUC 등을 사용했다. 예를 들어 PMF-GRN의 B. subtilis B1 데이터셋에서는 Regular가 0.0509 ± 0.0273, No Prior가 0.0048 ± 0.0003, Shuffled가 0.0050 ± 0.0028의 AUPRC를 보였고, Min-Max Scaling에서는 Regular가 0.1931 ± 0.0171, No Prior가 0.0042 ± 0.0003, Shuffled가 0.0042 ± 0.0018이었다. 같은 형식의 B2 데이터셋에서는 Regular 0.2508 ± 0.0232, No Prior 0.0062 ± 0.0006, Shuffled 0.0052 ± 0.0004, 그리고 Min-Max Scaling 0.2886 ± 0.0312, 0.0048 ± 0.0008, 0.0038 ± 0.0005가 보고됐다.
GLM-Prior의 검증 성능도 종별로 달랐다. 효모 단일종 모델은 Best F1 Score 0.76, ROC AUC 1.00, Positive Class Precision 0.89, Positive Class Recall 0.67을 기록했고, 인간 단일종 모델은 hESC에서 AUPRC 0.19, HepG2에서 0.30이었으며 ROC AUC는 각각 0.85와 0.83이었다. 마우스 단일종 모델은 mESC, mDC, mHSC에서 AUPRC가 각각 0.23, 0.09, 0.49로 나타났고, Best F1 Score는 모두 0.19~0.20 수준이었다. 논문은 또한 인간-마우스-효모 전이학습에서 클래스 불균형이 크고, 효모에서는 GLM-Prior가 chance 수준에 가깝다고 적었다.
| 대상 | 지표/구성 | 수치/결과 | source_locator |
|---|---|---|---|
| PMF-GRN B. subtilis B1 | Regular / No Prior / Shuffled; No Normalization | 0.0509 ± 0.0273 / 0.0048 ± 0.0003 / 0.0050 ± 0.0028 (AUPRC) | p.123 | Table 3.1 |
| PMF-GRN B. subtilis B1 | Regular / No Prior / Shuffled; Min-Max Scaling | 0.1931 ± 0.0171 / 0.0042 ± 0.0003 / 0.0042 ± 0.0018 (AUPRC) | p.123 | Table 3.1 |
| PMF-GRN B. subtilis B2 | Regular / No Prior / Shuffled; No Normalization | 0.2508 ± 0.0232 / 0.0062 ± 0.0006 / 0.0052 ± 0.0004 (AUPRC) | p.124 | Table 3.2 |
| GLM-Prior human-trained | hESC / HepG2 | AUPRC 0.19 / 0.30; ROC AUC 0.85 / 0.83 | p.181 | Table 4.2 |
| GLM-Prior mouse-trained | mESC / mDC / mHSC | AUPRC 0.23 / 0.09 / 0.49; ROC AUC 0.70 / 0.80 / 0.74 | p.183 | Table 4.3 |
자료: STORIUM 정리
이 논문은 생물학적 진실을 최종 판정하는 자료라기보다, 불완전한 기준망 아래서 어떤 조합이 어느 종과 세포주에서 얼마나 잘 맞는지 따지는 내부 비교에 가깝다. AUPRC, F1, ROC AUC 같은 지표도 참조 네트워크와의 합치도를 보여줄 뿐이며, 발현 데이터의 스냅샷성·제한된 관측 가능성·전이성 부족 같은 한계를 함께 전제한다. 첫 저자 Claudia Skok Gibbs의 PDF 표기 소속은 University of Toronto로 확인된다.
저작권자 © STORIUM 무단전재 및 재배포 금지
