AnomalyModifier: Suppressor Modifier Discovery in Familial Hypercholesterolemia via One-Class Anomaly Detection

Motivation

• Known: 희귀 단일유전자 질환에서 동일한 causal variant를 가지고도 무증상인 unaffected carrier가 존재하며, 이는 suppressor modifier variant에 의한 것으로 알려져 있고, 실제로 PCSK9의 LoF 변이가 LDLR 유래 고콜레스테롤혈증을 완화시켜 evolocumab 같은 치료제 개발로 이어진 사례가 있다.
• Gap: 검증된 suppressor label이 거의 존재하지 않아 지도학습 정식화가 불가능하고, modifier variant의 효과는 단독이 아니라 causal variant와 짝을 이루어 평가되어야 하는데, 이를 다루는 pair-level 비지도/one-class 프레임워크가 부재했다.
• Why: Suppressor modifier 발견은 희귀 단일유전자 질환 치료제 개발의 핵심 병목인 target identification 문제를 label 없이 자동으로 해결할 잠재력을 제공하며, 실제 승인 약물 타겟(PCSK9, ANGPTL3, MTTP, APOB)을 재현함으로써 방법의 실용적 타당성을 입증한다.
• Approach: 환자 샘플에서 causal variant와 non-suppressor로 간주되는 co-occurring modifier-candidate variant의 pair를 in-distribution 데이터로 삼아, hypersphere-regularized autoencoder와 Deep SVDD에서 영감을 받은 gradient-decoupled hypersphere center/radius 업데이트로 학습한 뒤, latent space에서 hypersphere 중심으로부터의 거리를 anomaly score로 사용해 suppressor modifier 후보를 탐지한다.

Achievement

Figure 3. Distribution of the SVDD-center squared distance ∥z −

1. 약물 타겟 재발견: 1,121,951개 pair로 구성된 FH type 1 (LDLR) 환자 코호트에서 학습하여, 19,292개 protein-coding gene에 대한 synthetic LoF benchmark에서 PCSK9(rank 2), ANGPTL3(rank 58), MTTP(rank 384), APOB(rank 101)를 상위권으로 recover했으며, 4-gene 평균 rank 136, gene-level AUROC 0.993을 달성했다.
2. 임상 변이 수준 검증: 3,130개 ClinVar 큐레이션 변이에서 variant-level AUROC 0.930, Cohen's d = +1.94를 기록하여 gene 수준을 넘어 개별 variant 수준에서도 판별력을 입증했다.
3. 베이스라인 대비 우위: 지도학습 gene-feature classifier(LightGBM, GaussianNB)와 label-free 단일 모달리티 베이스라인(Linear PCA1, NTv3 cosine concat-pair) 대비 mean rank와 gene-level AUROC 모두에서 우수했으며, LDL panel label 없이도 이를 달성했다.
4. 추가 pathway 발견: Top-K 분석에서 15-gene panel에 없던 ANGPTL8(rank 5)을 발견하여 pathway 수준의 폭넓은 recovery 가능성을 시사했다.

How

Figure 1. AnomalyModifier architecture. The causal and modifier-candidate variants are encoded by a frozen NTv3, refined

• 데이터 구성: 환자 샘플의 variant set에서 causal variant(cs)와 그 외 co-occurring modifier-candidate variant(ms)로 pair를 구성, phenotype상 non-suppressor로 보장되는 D를 in-house pipeline으로 생성 (897,559 train / 112,196 val / 112,196 test).
• 모델 아키텍처: 각 variant는 ±1,000bp 윈도우 서열을 frozen Nucleotide Transformer v3 (NTv3) 100M로 인코딩 후 mean-pooling하여 768-d embedding을 얻고, Causal/Modifier-candidate Adapter(Linear-LN-GELU-Dropout)로 정제, modifier-candidate stream은 8개 disease-aware gene feature와 fusion, segment embedding 추가 후 Transformer stack을 거쳐 32-d latent z를 산출.
• 학습 목적함수: hypersphere-regularized AE loss = Lrecon(정보 보존) + λcLcluster(patient latent를 batch mean으로 응집) + λaLnorm(latent norm을 τ 근처로 앵커링, collapse 방지), 세 항 모두 encoder gradient로만 업데이트.
• Decoupled SVDD: hypersphere 중심 µ는 warmup 후 전체 train set patient latent 평균으로 한 번 초기화 후 고정, radius R은 매 epoch마다 patient distance의 (1-ν)-quantile로 갱신, 두 값 모두 encoder gradient와 분리된 buffer로 취급.
• Anomaly score 및 추론: s(c,m) = ||z(c,m) - µ||²₂를 variant-pair 수준 anomaly score로 정의, 동일 gene 내 pair score 평균으로 gene-level score 산출, R²는 threshold 보정용으로만 사용.
• 평가: (a) synthetic LoF benchmark(CDS 앞 25% 내 10개 위치에서 stop-gained/frameshift 변이 생성, 19,292개 gene에 대해 rank/AUROC 산출), (b) ClinVar 큐레이션 15-gene LDL-pathway panel 기반 3,130개 clinically validated variant에 대한 variant-level AUROC 평가.

Originality

• suppressor modifier discovery를 label이 부재한 상황에서 supervised 분류가 아닌 one-class anomaly detection으로 재정식화한 점이 새롭다.
• 개별 variant가 아닌 (causal, modifier-candidate) variant pair 수준에서 anomaly를 정의하여, modifier 효과가 causal variant와의 상호작용에 의존한다는 생물학적 특성을 모델링에 직접 반영했다.
• Deep SVDD의 hypersphere center/radius 업데이트를 encoder gradient로부터 완전히 분리(decoupled)하여 autoencoder 재구성 목적함수와 결합한 학습 전략을 제안했다.
• DNA language model(NTv3) embedding과 disease-aware gene feature를 fusion하는 아키텍처 설계로 서열 정보와 유전자 수준 정보를 결합했다.

Limitation & Further Study

• 단일 질환(FH type 1, LDLR 유전자)에 대해서만 검증되었으며, 다른 monogenic disease로의 일반화 가능성은 미확인 상태이다.
• Positive set이 4개 유전자(PCSK9, ANGPTL3, MTTP, APOB)로 매우 제한적이어서, gene-level AUROC 0.993이 소수 사례에 기반한 통계적 신뢰성 문제를 가질 수 있다.
• synthetic LoF benchmark는 실제 자연 발생 suppressor variant가 아닌 인위적으로 생성된 stop-gained/frameshift 변이로 구성되어, 실제 suppressor 메커니즘(예: gain-of-function, regulatory 변이)을 포괄하지 못할 가능성이 있다.
• NTv3 encoder를 frozen 상태로 사용해 도메인 특화 fine-tuning의 이점을 활용하지 못했으며, hyperparameter(λc, λa, τ, ν) 선택에 대한 민감도 분석이 부족하다.
• 후속 연구로 다양한 질환 코호트로의 확장, wet-lab 검증을 통한 실제 suppressor 후보 확인, 그리고 gene-feature 없이도 동작하는 완전한 sequence-only 버전의 성능 검증이 필요하다.

Evaluation

총평: Label이 부재한 rare disease target identification 문제를 pair-level one-class anomaly detection으로 창의적으로 재정식화하고, 실제 승인 약물 타겟들을 정량적으로 재발견함으로써 방법론의 실용적 가치를 입증한 흥미로운 연구이나, 단일 질환에 국한된 검증과 제한된 positive set 규모는 추가 검증이 필요함을 시사한다.