뇌 MRI 표면과 볼륨 결합 학습으로 유전체 발견 가능성 높임
Surface-volume self-supervised representation learning of brain MRI for genetic discovery
arXiv연구진은 뇌 MRI의 볼륨 정보와 피질 표면 구조 정보를 결합한 자기 지도 학습 프레임워크 'MEVA'를 개발했습니다.
뇌의 형태(표면)와 내용물(볼륨)을 함께 분석하는 것이 기존 방식보다 더 많은 유전적 변이를 포착하여 질병의 원인을 밝히는 데 도움을 줄 수 있어요.
- 이 MEVA가 추출한 특징을 유전체 연관성 연구(GWAS)에 적용했을 때, 기존 방식보다 더 많은 유의미한 유전자 위치를 발견하는 성과를 보였습니다.
- 이는 뇌 해부학적 변이 중 볼륨 정보만으로는 포착하기 어려웠던 추가적인 유전적 정보를 피질 표면 구조가 담고 있음을 시사합니다.
- 결론적으로, 뇌의 형태(표면)와 내용물(볼륨)을 함께 분석하는 것이 유전체 연구에 새로운 통찰력을 제공함을 입증했습니다.
기존의 뇌 영상 기반 전장유전체연관분석(GWAS)은 미리 정의된 표현형이나 딥러닝을 통해 얻은 이미징 표현형에 의존해 왔습니다. 하지만 이러한 표현형들은 볼륨 스캔 또는 피질 표면 메쉬 중 하나만을 사용하기 때문에, 뇌 해부학적 변이의 일부만 포착하는 한계가 있었습니다.
연구진은 이 문제를 해결하기 위해 MEVA(Mesh-Enhanced Volumetric Autoencoder)라는 자기 지도 학습 프레임워크를 도입했습니다. MEVA는 복셀 수준의 이미지 강도 정보와 함께, 각 표면 정점에서의 곡률 및 피질 두께를 포함한 피질 메쉬 기하학 정보를 하나의 공유된 이미징 특징 세트로 인코딩합니다.
MEVA가 결합된 이 특징들을 영국 바이오뱅크의 GWAS에 적용했을 때, 볼륨 정보만 사용하거나 메쉬 정보만 사용했을 때보다 더 많은 유전체 전반적으로 유의미한 위치를 밝혀냈습니다. 이는 피질 표면 기하학 정보를 결합하는 것이 추가적인 유전적 변이를 포착하여 검출되는 유전자 좌위 수를 늘린다는 것을 시사합니다.
기존 뇌 영상 기반 유전체 분석의 한계는 무엇인가요?
이전에는 뇌 해부학적 변이를 볼륨 스캔이나 피질 표면 메쉬 중 하나만 사용해서 포착하는 한계가 있었어요.
MEVA는 어떤 정보를 결합하여 특징을 추출하나요?
MEVA는 복셀 수준의 이미지 강도 정보와 각 표면 정점에서의 곡률 및 피질 두께를 포함한 피질 메쉬 기하학 정보를 하나의 공유된 특징 세트로 인코딩해요.
MEVA를 적용했을 때 어떤 성과가 있었나요?
볼륨 정보만 사용하거나 메쉬 정보만 사용했을 때보다 더 많은 유전체 전반적으로 유의미한 위치를 밝혀냈어요. 이는 피질 표면 기하학 정보를 결합하는 것이 추가적인 유전적 변이를 포착하여 검출되는 유전자 좌위 수를 늘렸기 때문이에요.