경로 분석 (Pathway Analysis)
1. 개요
경로 분석(Pathway Analysis)이란 전사체(Transcriptome)나 단백질체(Proteome) 분석을 통해 얻은 대량의 유전자 발현 변화 데이터를 생물학적 경로(Biological Pathway)라는 기능적 단위로 그룹화하여, 특정 생물학적 과정이나 분자적 기전의 변화를 해석하는 분석 기법이다.
전통적인 차등 발현 분석(Differential Expression Analysis, DEA)이 개별 유전자의 발현량 변화(Fold Change)와 통계적 유의성(p-value)에 집중했다면, 경로 분석은 이를 시스템 생물학(Systems Biology) 관점에서 접근한다. 개별 유전자의 변화는 노이즈가 많을 수 있으나, 동일한 경로에 속한 여러 유전자가 일관되게 변화한다면 해당 생물학적 기능이 활성화 또는 억제되었다고 판단할 수 있어 데이터의 생물학적 해석력을 높일 수 있다.
2. 기본 원리 및 분석 방법
경로 분석은 크게 분석 대상 유전자를 선정하는 방식에 따라 과잉 표현 분석(Over-Representation Analysis, ORA)과 유전자 세트 풍부성 분석(Gene Set Enrichment Analysis, GSEA)으로 나뉜다.
2.1 과잉 표현 분석 (Over-Representation Analysis, ORA)
ORA는 사전에 정의된 임계값(예: $p < 0.05$, $|\log_2\text{FC}| > 1$)을 기준으로 '유의하게 변화한 유전자 목록(DEG list)'을 먼저 추출한 뒤, 이 목록에 특정 경로의 유전자가 통계적으로 예상보다 더 많이 포함되어 있는지를 계산한다. 주로 하이퍼기하 분포(Hypergeometric distribution)나 피셔의 정확 검정(Fisher's Exact Test)을 사용한다.
2.2 유전자 세트 풍부성 분석 (Gene Set Enrichment Analysis, GSEA)
GSEA는 임의의 컷오프(Cut-off)를 설정하지 않고, 모든 유전자를 특정 기준에 따라 정렬한 랭킹 리스트(Ranked List)를 사용한다. 랭킹 기준으로는 단순 발현 변화량뿐만 아니라 $\text{signal-to-noise ratio}$나 $\text{signed } p\text{-value}$ ($\text{sign}(\log_2\text{FC}) \times -\log_{10}(p\text{-value})$) 등을 사용하여 통계적 유의성과 변화 방향을 동시에 반영한다.
특정 경로에 속한 유전자들이 정렬된 리스트의 상단(Up-regulated) 또는 하단(Down-regulated)에 밀집되어 있는지를 계산하여 농축 점수(Enrichment Score, ES)를 산출한다. 이는 미세하지만 일관된 변화를 보이는 유전자 집단을 포착하는 데 유리하다.
[표 1] ORA와 GSEA의 비교
| 비교 항목 |
과잉 표현 분석 (ORA) |
유전자 세트 풍부성 분석 (GSEA) |
| 입력 데이터 |
유의 유전자 목록 (DEG List) |
전체 유전자 발현 리스트 (Ranked List) |
| 임계값 설정 |
필요 (p-value, Fold Change 등) |
불필요 (전체 분포 활용) |
| 통계적 기반 |
하이퍼기하 분포, 피셔 정확 검정 |
Kolmogorov-Smirnov 유사 통계량 |
| 장점 |
계산이 빠르고 결과가 직관적임 |
미세한 변화의 누적 효과 포착 가능 |
| 단점 |
컷오프 설정에 따라 결과가 변함 |
계산 복잡도가 높고 해석이 상대적으로 어려움 |
[가이드] ORA vs GSEA 선택 기준
- ORA를 선택해야 하는 경우:
- 발현 변화가 매우 뚜렷한 핵심 유전자(Key Driver) 위주로 빠르게 파악하고 싶을 때
- 분석 대상 유전자 수가 적거나, 명확한 컷오프 기준이 확립되어 있을 때
- GSEA를 선택해야 하는 경우:
- 개별 유전자의 변화량은 작지만, 특정 경로 전체가 일관되게 움직이는 경향을 찾고 싶을 때
- 임의의 컷오프 설정으로 인해 유용한 정보가 손실되는 것을 방지하고 싶을 때
3. 주요 데이터베이스 및 리소스
경로 분석을 위해서는 유전자와 기능 간의 관계를 정의한 표준 지식 베이스(Knowledge Base)가 필수적이다.
- Gene Ontology (GO): 유전자의 기능을 세 가지 범주로 표준화하여 정의한 데이터베이스이다.
- Biological Process (BP): 세포 분열, 신호 전달 등 생물학적 과정
- Molecular Function (MF): 효소 활성, 수용체 결합 등 분자적 기능
- Cellular Component (CC): 핵, 미토콘드리아 등 세포 내 위치
- KEGG (Kyoto Encyclopedia of Genes and Genomes): 유전자, 단백질, 대사물질 간의 상호작용을 네트워크 형태로 도식화한 데이터베이스로, 대사 경로(Metabolic pathway) 분석에 강점이 있다.
- Reactome: 인간의 생물학적 반응을 상세하게 큐레이션한 오픈 소스 데이터베이스로, 경로 내의 구체적인 화학 반응과 단계별 상호작용 정보를 제공한다.
4. 분석 프로세스 및 워크플로우
일반적인 경로 분석은 다음과 같은 파이프라인을 거친다.
- 데이터 전처리 (Data Preprocessing): Raw read count 데이터를 정규화(Normalization)하고 로그 변환 등을 통해 데이터의 분포를 보정한다.
- 분석 대상 리스트 준비 (List Preparation): 분석 방법론에 따라 리스트를 준비한다.
- ORA: 통계 검정을 통해 유의하게 발현이 변한 유전자(DEG) 목록을 추출한다.
- GSEA: 모든 유전자를 $\text{signed } p\text{-value}$ 등의 기준에 따라 랭킹화한 리스트를 생성한다.
- 경로 매핑 (Pathway Mapping): 유전자 ID를 GO, KEGG 등의 데이터베이스 ID와 매칭하여 해당 유전자가 어떤 경로에 속하는지 할당한다.
- 통계 검정 (Statistical Testing): ORA 또는 GSEA 알고리즘을 적용하여 각 경로의 유의성($p$-value)을 계산한다.
- 통계적 보정 (Multiple Testing Correction): 수천 개의 경로를 동시에 검정하므로 발생하는 위양성(False Positive) 문제를 해결하기 위해 $p$-value를 보정한다.
- FDR (False Discovery Rate): 발견된 유의한 결과 중 실제로는 가짜일 확률을 제어하는 방법이다. 주로 Benjamini-Hochberg (BH) 방법이 사용되며, 보정된 값인 $q$-value가 일반적으로 $0.05$ 미만일 때 유의하다고 판단한다.
- 시각화 (Visualization): 분석 결과를 그래프 형태로 출력하여 해석한다.
5. 결과 해석 및 시각화
분석 결과는 주로 다음과 같은 시각화 도구를 통해 해석된다.
- 바 차트 (Bar Chart): "어떤 경로가 가장 통계적으로 유의한가?"라는 질문에 답하기 위해 사용된다. X축은 $-\log_{10}(p\text{-value})$ 또는 Fold Enrichment 값을 사용하여 경로의 중요도를 나타낸다.
- 도트 플롯 (Dot Plot): "유의도와 함께 해당 경로에 얼마나 많은 유전자가 관여하는가?"를 파악하기 위해 사용된다. 점의 크기로 유전자 수(Gene Count)를, 색상으로 유의도나 발현 방향(Up/Down)을 동시에 표현한다.
- 네트워크 그래프 (Network Graph): "경로 내 유전자들이 어떻게 상호작용하며, 핵심 허브 유전자는 무엇인가?"를 식별하기 위해 사용된다. 유전자를 노드(Node), 상호작용을 엣지(Edge)로 연결하여 시각화한다.
그림 1. clusterProfiler 패키지를 이용한 경로 분석 결과의 도트 플롯 예시
분석 목적과 사용자의 숙련도에 따라 다양한 도구가 활용된다.
| 구분 |
도구 명칭 |
특징 |
| R 패키지 |
clusterProfiler |
GO, KEGG 분석을 위한 가장 대표적인 패키지, 시각화 기능 강력 |
|
fgsea |
빠른 GSEA 계산을 위한 최적화 패키지 |
|
pathview |
KEGG 맵 위에 실제 발현 데이터를 색상으로 투영 |
| Python 기반 |
<a href="/doc/%EA%B8%B0%EC%88%A0/%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D/Python%20%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC/GSEApy" class="wiki-link wiki-link-missing">GSEApy</a> |
Python 환경에서 GSEA 및 ORA 분석을 수행할 수 있는 라이브러리 |
|
GSEA (Software) |
Broad Institute에서 제공하는 공식 GSEA 데스크톱 소프트웨어 |
| 웹 기반 툴 |
DAVID |
다양한 데이터베이스를 통합하여 기능 분석 제공 (전통적 툴) |
|
Enrichr |
최신 라이브러리를 빠르게 반영하며 사용법이 매우 간편함 |
|
gProfiler |
다양한 종(Species)에 대한 광범위한 어노테이션 지원 |
7. 활용 사례 및 한계점
7.1 활용 사례
- 질병 바이오마커 발굴: 암 조직과 정상 조직의 경로 분석을 통해 특정 암종에서만 과활성화된 신호 전달 경로를 찾아내고, 이를 진단 마커로 활용한다.
- 약물 타겟 선정: 약물 처리 후 억제된 경로를 분석하여 약물의 작용 기전(Mechanism of Action, MoA)을 규명하고, 부작용을 일으키는 오프 타겟(Off-target) 경로를 예측한다.
7.2 한계점
- 데이터베이스 의존성: 분석 결과는 사용한 DB의 완성도에 전적으로 의존한다. 최신 연구 결과가 DB에 반영되기까지 시간이 걸리며, 종(Species)에 따라 정보의 양 차이가 크다.
- 위양성 문제: 수많은 경로를 동시에 테스트하므로 통계적 보정(FDR)을 거치더라도 우연히 유의하게 나타나는 경로가 존재할 수 있다.
- 단순화의 오류: 실제 생물학적 경로는 매우 복잡하고 유동적이지만, 분석 툴은 이를 정적인 세트(Set)로 처리하므로 실제 생체 내 상호작용을 완벽히 재현하지 못한다.
# 경로 분석 (Pathway Analysis)
## 1. 개요
**경로 분석(Pathway Analysis)**이란 전사체(Transcriptome)나 단백질체(Proteome) 분석을 통해 얻은 대량의 유전자 발현 변화 데이터를 생물학적 경로(Biological Pathway)라는 기능적 단위로 그룹화하여, 특정 생물학적 과정이나 분자적 기전의 변화를 해석하는 분석 기법이다.
전통적인 **차등 발현 분석(Differential Expression Analysis, DEA)**이 개별 유전자의 발현량 변화(Fold Change)와 통계적 유의성(p-value)에 집중했다면, 경로 분석은 이를 **시스템 생물학(Systems Biology)** 관점에서 접근한다. 개별 유전자의 변화는 노이즈가 많을 수 있으나, 동일한 경로에 속한 여러 유전자가 일관되게 변화한다면 해당 생물학적 기능이 활성화 또는 억제되었다고 판단할 수 있어 데이터의 생물학적 해석력을 높일 수 있다.
---
## 2. 기본 원리 및 분석 방법
경로 분석은 크게 분석 대상 유전자를 선정하는 방식에 따라 **과잉 표현 분석(Over-Representation Analysis, ORA)**과 **유전자 세트 풍부성 분석(Gene Set Enrichment Analysis, GSEA)**으로 나뉜다.
### 2.1 과잉 표현 분석 (Over-Representation Analysis, ORA)
ORA는 사전에 정의된 임계값(예: $p < 0.05$, $|\log_2\text{FC}| > 1$)을 기준으로 '유의하게 변화한 유전자 목록(DEG list)'을 먼저 추출한 뒤, 이 목록에 특정 경로의 유전자가 통계적으로 예상보다 더 많이 포함되어 있는지를 계산한다. 주로 **하이퍼기하 분포(Hypergeometric distribution)**나 **피셔의 정확 검정(Fisher's Exact Test)**을 사용한다.
### 2.2 유전자 세트 풍부성 분석 (Gene Set Enrichment Analysis, GSEA)
GSEA는 임의의 컷오프(Cut-off)를 설정하지 않고, 모든 유전자를 특정 기준에 따라 정렬한 **랭킹 리스트(Ranked List)**를 사용한다. 랭킹 기준으로는 단순 발현 변화량뿐만 아니라 $\text{signal-to-noise ratio}$나 $\text{signed } p\text{-value}$ ($\text{sign}(\log_2\text{FC}) \times -\log_{10}(p\text{-value})$) 등을 사용하여 통계적 유의성과 변화 방향을 동시에 반영한다.
특정 경로에 속한 유전자들이 정렬된 리스트의 상단(Up-regulated) 또는 하단(Down-regulated)에 밀집되어 있는지를 계산하여 **농축 점수(Enrichment Score, ES)**를 산출한다. 이는 미세하지만 일관된 변화를 보이는 유전자 집단을 포착하는 데 유리하다.
### [표 1] ORA와 GSEA의 비교
| 비교 항목 | 과잉 표현 분석 (ORA) | 유전자 세트 풍부성 분석 (GSEA) |
| :--- | :--- | :--- |
| **입력 데이터** | 유의 유전자 목록 (DEG List) | 전체 유전자 발현 리스트 (Ranked List) |
| **임계값 설정** | 필요 (p-value, Fold Change 등) | 불필요 (전체 분포 활용) |
| **통계적 기반** | 하이퍼기하 분포, 피셔 정확 검정 | Kolmogorov-Smirnov 유사 통계량 |
| **장점** | 계산이 빠르고 결과가 직관적임 | 미세한 변화의 누적 효과 포착 가능 |
| **단점** | 컷오프 설정에 따라 결과가 변함 | 계산 복잡도가 높고 해석이 상대적으로 어려움 |
### [가이드] ORA vs GSEA 선택 기준
* **ORA를 선택해야 하는 경우:**
* 발현 변화가 매우 뚜렷한 핵심 유전자(Key Driver) 위주로 빠르게 파악하고 싶을 때
* 분석 대상 유전자 수가 적거나, 명확한 컷오프 기준이 확립되어 있을 때
* **GSEA를 선택해야 하는 경우:**
* 개별 유전자의 변화량은 작지만, 특정 경로 전체가 일관되게 움직이는 경향을 찾고 싶을 때
* 임의의 컷오프 설정으로 인해 유용한 정보가 손실되는 것을 방지하고 싶을 때
---
## 3. 주요 데이터베이스 및 리소스
경로 분석을 위해서는 유전자와 기능 간의 관계를 정의한 표준 지식 베이스(Knowledge Base)가 필수적이다.
* **Gene Ontology (GO):** 유전자의 기능을 세 가지 범주로 표준화하여 정의한 데이터베이스이다.
* *Biological Process (BP):* 세포 분열, 신호 전달 등 생물학적 과정
* *Molecular Function (MF):* 효소 활성, 수용체 결합 등 분자적 기능
* *Cellular Component (CC):* 핵, 미토콘드리아 등 세포 내 위치
* **KEGG (Kyoto Encyclopedia of Genes and Genomes):** 유전자, 단백질, 대사물질 간의 상호작용을 네트워크 형태로 도식화한 데이터베이스로, 대사 경로(Metabolic pathway) 분석에 강점이 있다.
* **Reactome:** 인간의 생물학적 반응을 상세하게 큐레이션한 오픈 소스 데이터베이스로, 경로 내의 구체적인 화학 반응과 단계별 상호작용 정보를 제공한다.
---
## 4. 분석 프로세스 및 워크플로우
일반적인 경로 분석은 다음과 같은 파이프라인을 거친다.
1. **데이터 전처리 (Data Preprocessing):** Raw read count 데이터를 정규화(Normalization)하고 로그 변환 등을 통해 데이터의 분포를 보정한다.
2. **분석 대상 리스트 준비 (List Preparation):** 분석 방법론에 따라 리스트를 준비한다.
* **ORA:** 통계 검정을 통해 유의하게 발현이 변한 유전자(DEG) 목록을 추출한다.
* **GSEA:** 모든 유전자를 $\text{signed } p\text{-value}$ 등의 기준에 따라 랭킹화한 리스트를 생성한다.
3. **경로 매핑 (Pathway Mapping):** 유전자 ID를 GO, KEGG 등의 데이터베이스 ID와 매칭하여 해당 유전자가 어떤 경로에 속하는지 할당한다.
4. **통계 검정 (Statistical Testing):** ORA 또는 GSEA 알고리즘을 적용하여 각 경로의 유의성($p$-value)을 계산한다.
5. **통계적 보정 (Multiple Testing Correction):** 수천 개의 경로를 동시에 검정하므로 발생하는 **위양성(False Positive)** 문제를 해결하기 위해 $p$-value를 보정한다.
* **FDR (False Discovery Rate):** 발견된 유의한 결과 중 실제로는 가짜일 확률을 제어하는 방법이다. 주로 **Benjamini-Hochberg (BH)** 방법이 사용되며, 보정된 값인 $q$-value가 일반적으로 $0.05$ 미만일 때 유의하다고 판단한다.
6. **시각화 (Visualization):** 분석 결과를 그래프 형태로 출력하여 해석한다.
---
## 5. 결과 해석 및 시각화
분석 결과는 주로 다음과 같은 시각화 도구를 통해 해석된다.
* **바 차트 (Bar Chart):** "어떤 경로가 가장 통계적으로 유의한가?"라는 질문에 답하기 위해 사용된다. X축은 $-\log_{10}(p\text{-value})$ 또는 Fold Enrichment 값을 사용하여 경로의 중요도를 나타낸다.
* **도트 플롯 (Dot Plot):** "유의도와 함께 해당 경로에 얼마나 많은 유전자가 관여하는가?"를 파악하기 위해 사용된다. 점의 크기로 유전자 수(Gene Count)를, 색상으로 유의도나 발현 방향(Up/Down)을 동시에 표현한다.
* **네트워크 그래프 (Network Graph):** "경로 내 유전자들이 어떻게 상호작용하며, 핵심 허브 유전자는 무엇인가?"를 식별하기 위해 사용된다. 유전자를 노드(Node), 상호작용을 엣지(Edge)로 연결하여 시각화한다.
*그림 1. clusterProfiler 패키지를 이용한 경로 분석 결과의 도트 플롯 예시*
---
## 6. 분석 도구 (Tools)
분석 목적과 사용자의 숙련도에 따라 다양한 도구가 활용된다.
| 구분 | 도구 명칭 | 특징 |
| :--- | :--- | :--- |
| **R 패키지** | `clusterProfiler` | GO, KEGG 분석을 위한 가장 대표적인 패키지, 시각화 기능 강력 |
| | `fgsea` | 빠른 GSEA 계산을 위한 최적화 패키지 |
| | `pathview` | KEGG 맵 위에 실제 발현 데이터를 색상으로 투영 |
| **Python 기반** | `GSEApy` | Python 환경에서 GSEA 및 ORA 분석을 수행할 수 있는 라이브러리 |
| | `GSEA` (Software) | Broad Institute에서 제공하는 공식 GSEA 데스크톱 소프트웨어 |
| **웹 기반 툴** | `DAVID` | 다양한 데이터베이스를 통합하여 기능 분석 제공 (전통적 툴) |
| | `Enrichr` | 최신 라이브러리를 빠르게 반영하며 사용법이 매우 간편함 |
| | `gProfiler` | 다양한 종(Species)에 대한 광범위한 어노테이션 지원 |
---
## 7. 활용 사례 및 한계점
### 7.1 활용 사례
* **질병 바이오마커 발굴:** 암 조직과 정상 조직의 경로 분석을 통해 특정 암종에서만 과활성화된 신호 전달 경로를 찾아내고, 이를 진단 마커로 활용한다.
* **약물 타겟 선정:** 약물 처리 후 억제된 경로를 분석하여 약물의 작용 기전(Mechanism of Action, MoA)을 규명하고, 부작용을 일으키는 오프 타겟(Off-target) 경로를 예측한다.
### 7.2 한계점
* **데이터베이스 의존성:** 분석 결과는 사용한 DB의 완성도에 전적으로 의존한다. 최신 연구 결과가 DB에 반영되기까지 시간이 걸리며, 종(Species)에 따라 정보의 양 차이가 크다.
* **위양성 문제:** 수많은 경로를 동시에 테스트하므로 통계적 보정(FDR)을 거치더라도 우연히 유의하게 나타나는 경로가 존재할 수 있다.
* **단순화의 오류:** 실제 생물학적 경로는 매우 복잡하고 유동적이지만, 분석 툴은 이를 정적인 세트(Set)로 처리하므로 실제 생체 내 상호작용을 완벽히 재현하지 못한다.