[논문 리뷰] Correlative-causative structures and the 'pericause': an analysis of causation and a model based on cellular biology

Sepehr Ehsani|arXiv (Cornell University)|2013. 10. 01.

Bioinformatics and Genomic Networks참고 문헌 14인용 수 3

한 줄 요약

이 논문은 세포 생물학에서 상관관계 데이터를 통해 인과성을 모델링함으로써, 복잡한 생물학적 시스템에서 인과 효과를 중개하는 맥락적 프레임워크인 '퍼리코즈(pericause)'를 소개한다. 공통 질환에서 다양한 상游 원인이 존재하나 공통된 표현형 결과가 나타나는 이유를 설명하기 위해, 상관관계와 인과관계를 구분하는 공식적 구조를 제안한다.

ABSTRACT

The advent of molecular biology has led to the identification of definitive causative factors for a number of diseases, most of which are monogenic. Causes for most common diseases across the population, however, seem elusive and cannot be pinpointed to a limited number of genes or genetic pathways. This realization has led to the idea of personalized medicine and treating each case individually. Nevertheless, since each common disease appears to have the same endpoint and phenotypic features in all diagnosed individuals, the search for a unifying cause will still continue. Given that multivariate scientific data is of a correlative nature and causation is always inferred, a simple formalization of the general structure of cause and correlation is presented herein. Furthermore, the context in which a causal structure could take shape, termed the 'pericause', is proposed as a tractable and uninvestigated concept which could theoretically play a crucial role in determining the effects of a cause.

연구 동기 및 목표

• 단일 유전적 트리거가 없는 상황에서도 공통적이고 다인자성 질환에서 통합된 원인을 식별하는 데 도전하는 것.
• 특히 고차원적, 다변량 측정을 포함한 시스템에서 상관관계와 인과관계 관계를 공식적으로 구분하는 것.
• 생물학적 네트워크에서 인과 효과가 어떻게 나타나는지를 설명하는 데 맥락을 제공하는 새로운 이론적 구조인 '퍼리코즈'를 제안하는 것.
• 다양한 기초 원인이 존재하나도 동일한 표현형 결과를 보이는 개인들 사이에서 일관된 표현형 결과를 설명하는 세포 생물학에 기반한 모델을 개발하는 것.
• 개별화된 원인과 공통된 질환 종단점 간의 조화를 이끄는 개인 맞춤 의료 프레임워크를 제공하는 것.

제안 방법

• 생물학적 시스템에서 상관 패턴과 실제 인과 메커니즘 간의 차이를 명확히 하는 공식적 구조를 제안한다.
• 상관관계 데이터로부터 인과 효과가 나타나도록 하는 역동적이고 맥락에 따라 달라지는 환경으로서 '퍼리코즈'를 도입한다.
• 특히 신호전달 및 조절 네트워크 원리를 활용해 인과관계를 모델링함으로써, 다양한 상游 입력이 동일한 표현형 출력을 낳을 수 있는 방식을 시뮬레이션한다.
• 단일 유전적 원인이 없는 공통 질환에 이 모델을 적용하고, 네트워크 수준 분석을 통해 인과 경로를 추론한다.
• 다양한 유전적 및 환경적 요인이 퍼리코즈 프레임워크를 통해 공통된 질환 표현형으로 수렴하는 방식을 체계적 수준에서 매핑한다.
• 계산 모델링이 아닌 개념적 프레임워크를 사용하여, 생물학적 시스템에서 인과관계와 상관관계의 이론적 통합에 초점을 맞춘다.

실험 결과

연구 질문

• RQ1 다변량 데이터를 포함한 복잡한 생물학적 시스템에서 인과관계를 공식적으로 상관관계와 구분할 수 있는가?
• RQ2 생물학적 네트워크에서 특정 효과를 유도할 수 있는 원인이 작용하기 위해 필요한 맥락적 요인은 무엇이며, 이러한 요인들은 어떻게 모델링할 수 있는가?
• RQ3 단일 유전적 원인이 없는 공통 질환이 왜 일관된 표현형을 보이는가?
• RQ4 다양한 원인이 서로 다른 개인에서 동일한 질환 결과로 이어지는지를 통합할 수 있는 프레임워크가 존재하는가?
• RQ5 '퍼리코즈'는 이질적인 생물학적 입력 간의 인과 효과를 어떻게 중개하는가?

주요 결과

• '퍼리코즈'는 생물학적 시스템에서 상관관계 데이터로부터 인과 효과가 나타나기 위한 필수 맥락을 제공하는 이론적 구조로 제안된다.
• 단일 유전적 원인이 없는 공통 질환도 퍼리코즈 환경을 통해 통합된 인과 메커니즘이 존재할 수 있으며, 이는 일관된 표현형 결과를 설명할 수 있다.
• 상관관계 데이터만으로는 진정한 원인을 식별할 수 없으며, 특히 복잡하고 다변량인 시스템에서는 인과관계를 추론하기 위해 공식적 구조가 필요하다.
• 세포 네트워크는 다양한 상游 요인이 동일한 하류 표현형을 낳을 수 있는 방식을 이해하는 데 실현 가능한 생물학적 모델로 기능한다.
• 퍼리코즈 프레임워크는 개인 맞춤 원인과 공통된 질환 종단점을 조화시키는 이론적 기반을 제공하며, 향후 체계적 수준의 질병 모델링을 지원한다.
• 이 모델은 복잡한 질환에서 인과관계가 개별 요인에 의해 결정되는 것이 아니라, 퍼리코즈 맥락 내에서의 상호작용에 의해 결정된다는 점을 시사한다.