다중 오믹스 데이터 통합을 위한 그래프 신경망(GNN) 기반 네트워크 추론의 비판적 평가

바이오 빅데이터 시대에 등장한 다중 오믹스 데이터 통합 분석 기법 중, 최근 각광받는 그래프 신경망 (GNN)은 복잡한 생물학적 관계망을 모델링하는 강력한 도구이지만, 해석 가능성과 데이터 편향성이라는 근본적인 난제를 안고 있다.

GNN 기반 통합 분석의 작동 원리와 도전 과제

• 강점: GNN은 유전자, 단백질, 대사체 등 서로 다른 유형의 데이터 포인트 간의 잠재적인 비선형적 상호작용을 그래프 구조를 통해 포착하여, 기존의 단순 통계적 방법을 능가하는 네트워크 수준의 인사이트를 제공한다.
• 한계: 모델 학습 시 사용되는 그래프의 구조(엣지 정의)가 생물학적 가정에 크게 의존하며, 이는 결과의 해석 가능성(Explainability)을 저해한다. 또한, 희소하거나 불완전한 생물학적 데이터베이스의 특성은 모델 성능을 심각하게 왜곡할 수 있다.