Identification of Heterogeneous Erlotinib Response Gene Sets Using Sample-Specific Counterfactual Causal Attribution

Motivation

• Known: CCLE, GDSC 같은 대규모 pharmacogenomic 자원을 활용해 유전체/전사체 특성으로부터 IC50 같은 연속적 약물반응 표현형을 예측하는 딥러닝 및 multi-omics 모델들이 예측 성능을 개선해왔으며, pathway-guided neural network, DrugCell, DR-Preter 등 해석 가능성을 높인 모델들도 제안된 바 있다.
• Gap: 기존 접근법들은 여전히 예측 중심이며 pathway saliency나 feature importance가 반사실적 인과 기여와 반드시 일치하지 않고, 대부분의 설명이 개별 샘플 수준에서 정의되지 않는다. 또한 CCCE는 이산 변수와 정확한 열거에 자연스러운 반면 전사체 약물반응 분석은 연속적 유전자 발현과 연속적 IC50을 다루어야 하고, 수만 개 유전자로 인해 직접적인 반사실적 모델링은 불안정하고 계산 비용이 크며 해석이 어렵다는 문제가 있다.
• Why: 특정 세포주에서 어떤 유전자(조합)가 관찰된 약물 반응에 실제로 기여했는지에 대한 sample-level 반사실적 가설을 제시할 수 있다면, erlotinib 저항성 메커니즘(EGFR 신호, bypass RTK, MAPK escape, PI3K/AKT/PTEN, EMT/AXL, 세포사멸 등)의 이질성을 반영한 실험적으로 검증 가능한 유전자 조합을 우선순위화할 수 있어 downstream 생물학적 검증에 실질적 도움을 준다.
• Approach: BIRD-inspired evidence-integration 단계로 발현-반응 연관성, 돌연변이 지지, KEGG topology, 큐레이션된 EGFR-TKI 생물학을 CPT 기반으로 결합해 mechanism-diverse한 BIRD-20 패널을 구성하고, 이 패널에 대해 mechanism-informed ordering을 가진 causal normalizing flows(CNFs)를 학습시켜 CR1/CR2/CR3(1,2,3-유전자) 반사실적 개입에 대한 CCCE 점수를 근사한다.

Achievement

Figure 2. CNF-CCCE any-hit rates for CR1, CR2, and CR3 using

1. BIRD-inspired mechanism-guided 패널 구축: 인과 드라이버 라벨 없이도 발현-반응 연관, 돌연변이, KEGG topology, 큐레이션된 EGFR-TKI 생물학을 결합하여 mechanism 다양성을 보존하는 BIRD-20 패널을 구성했다.
2. CNF 기반 CCCE 근사 확장: 이산 변수에 국한되던 CCCE 개념을 causal normalizing flows를 통해 연속적 전사체·logIC50 공간에서 1,2,3-유전자 개입(CR1, CR2, CR3)으로 확장하여 근사했다.
3. Leakage-aware 5-fold 강건성 평가: foldwise 재구성 BIRD-20, NoOmics-BIRD-20, GPT-20, Random-KEGG-20, KEGG-26 등 다중 비교군을 대상으로 5-fold held-out 평가를 수행하여 BIRD-inspired 패널이 일관되게 더 높은 hit rate를 보임을 확인했다.
4. 강건성 진단 및 비가법성 분석: 결정론적 threshold와 anchor 민감도 진단, 선택된 다중 유전자 프로파일의 모델 기반 non-additivity를 단일 유전자 가법적 벤치마크와 비교 분석했다.

How

Figure 1. Overall analysis workflow. BIRD-20 is reconstructed within each training fold, while NoOmics-BIRD-20, GPT-20,

• 571개 암 세포주의 TPM 발현값(19,193 유전자)과 GDSC erlotinib logIC50 반응 데이터를 매칭하여 사용
• Mechanism family(직접 EGFR 신호, bypass RTK, MAPK escape, PI3K/AKT/PTEN, EMT/AXL, 세포사멸 등)를 사전 지식으로 정의하고, 발현-반응 연관, 돌연변이 지지, KEGG topology, 큐레이션된 EGFR-TKI 생물학이라는 7개 증거 요인을 CPT(conditional probability table)로 통합해 유전자별 relevance score R(g) 산출
• 5-fold 교차검증 내에서 훈련 데이터만 사용해 foldwise BIRD-20 패널을 재구성(leakage 방지)
• 비교군으로 NoOmics-BIRD-20(오믹스 무관 변형), GPT-20(텍스트 큐레이션), Random-KEGG-20(크기 매칭 무작위 KEGG), KEGG-26(정준 pathway 기반) 패널을 사전 정의
• 패널별 DAG와 생물학적 순서(biological ordering)를 지정하여 causal normalizing flows(CNFs)를 각 fold의 훈련 데이터로 학습
• 훈련 fold의 low/high anchor를 기준으로 CR1, CR2, CR3 개입에 대해 sample-specific top profile을 산출하고 any-hit rate, threshold/anchor 민감도, non-additivity를 held-out test fold에서 평가

Originality

• BIRD(Bayesian inference from abduction and deduction)라는 기존 인과 추론 프레임워크의 증거 통합 원리를 라벨이 없는 pharmacogenomic omics 세팅에 최초로 적용해 mechanism-diverse 패널 구성에 활용
• CCCE 개념(원래 이산 변수·정확 열거에 적합)을 causal normalizing flows와 결합하여 연속값 전사체·IC50 공간에서 sample-specific 다중 유전자(최대 3개) 반사실적 개입으로 확장
• 단순 예측 성능이나 saliency 기반 해석이 아니라, foldwise leakage-aware 재구성과 다중 비교 패널(오믹스 무관, 텍스트 큐레이션, 무작위/정준 pathway)을 통한 체계적 강건성 검증 설계

Limitation & Further Study

• Sample-level 인과 드라이버에 대한 검증된 ground-truth 라벨이 부재하여, 결과는 선택된 패널·그래프 순서·개입 anchor·CNF 모델에 조건화된 model-based 가설로만 해석 가능하며 실제 생물학적 검증(예: 세포실험)은 이루어지지 않음
• CNF의 causal ordering과 DAG 구조에 대한 가정이 결과에 미치는 영향에 대한 심층적 민감도 분석이 제한적일 수 있음(threshold/anchor 민감도만 다룸)
• 후속 연구로 실제 wet-lab 검증, 다른 약물·세포주 데이터셋으로의 일반화, 더 복잡한 causal graph 구조 학습(고정된 mechanism-informed ordering이 아닌 데이터 기반 구조 학습) 등이 필요

Evaluation

총평: 라벨 부재 상황에서 mechanism-guided 증거 통합과 causal normalizing flows를 결합해 sample-specific 반사실적 유전자 세트 가설을 생성하는 참신하고 실용적인 프레임워크이나, 실제 실험적 검증 없이는 그 인과적 해석의 타당성이 제한적이라는 점에서 후속 검증이 중요하다.