가중 유전자 공발현 네트워크 분석 (weighted gene co-expression network analysis)

한 줄 정의: 샘플 간 발현이 함께 오르내리는 유전자들을 네트워크로 묶어 모듈을 찾는 분석법입니다.

쉽게 풀면

수천 개 유전자를 하나씩 비교하면 흐름을 파악하기 어렵습니다. WGCNA는 여러 샘플에서 발현이 비슷하게 오르내리는 유전자끼리 한 무리(모듈)로 묶어 줍니다. 같이 움직이는 유전자들은 같은 기능에 참여할 가능성이 높으므로, 모듈 단위로 보면 생물학적 의미를 더 쉽게 읽을 수 있습니다.

왜 중요한가

개별 유전자 수준에서 놓치기 쉬운 협조적 변화를 모듈 단위로 드러내고, 모듈을 질환·형질 같은 외부 변수와 연결할 수 있어 전사체 연구에서 널리 쓰입니다. 다중 비교 부담도 유전자 수천 개에서 모듈 수십 개로 줄어드는 장점이 있습니다.

논문에서는 이렇게 쓰입니다

"WGCNA를 통해 시냅스 관련 모듈과 크로마틴·mRNA 가공 관련 모듈을 분리하고, 각 모듈의 변화 방향을 모델별로 비교하였다."

함께 발현이 변하는 유전자 묶음을 기능별로 나누어 모델 간 차이를 요약했다는 뜻입니다.

조금 더 깊게 보면

먼저 유전자 쌍의 상관을 계산한 뒤, 상관을 거듭제곱해 강한 연결을 강조하고 약한 연결은 작게 만드는 '가중' 네트워크를 만듭니다. 이어서 연결 패턴이 비슷한 유전자들을 계층적 군집화로 묶어 모듈을 정의합니다. 각 모듈은 첫 번째 주성분에 해당하는 대표값(모듈 고유유전자)으로 요약되어 형질과의 관련성 분석에 쓰입니다.

주의할 점

공발현은 상관관계일 뿐 조절 관계나 인과를 의미하지 않습니다. 샘플 수가 적거나 배치 효과가 크면 모듈이 불안정해질 수 있으므로, 매개변수 선택과 재현성 확인이 중요합니다.