[논문 리뷰] Matrix eQTL: Ultra fast eQTL analysis via large matrix operations

Andrey A. Shabalin|arXiv (Cornell University)|2011. 05. 29.

Genetic Mapping and Diversity in Plants and Animals참고 문헌 13인용 수 472

한 줄 요약

Matrix eQTL는 R 및 Matlab에서 대규모 행렬 연산을 활용하여 선형 회귀 및 ANOVA 모델링을 수행함으로써 전사-유전자형 다형성(Transcript-SNP) 연관성에 대해 초고속 eQTL 분석을 수행하는 도구이다. 이는 기존 도구보다 수백~수천 배 빠른 성능을 보이며, 단일 데스크톱 컴퓨터에서 전체 eQTL 분석을 가능하게 한다. 이 도구는 공변량, 이방산성, 상관 오차를 지원하며, 대규모 데이터셋(예: 낭성 섬유증 연구)에서 모델 비교, 품질 관리 및 순열 검정을 크게 가속화한다.

ABSTRACT

Expression quantitative trait loci (eQTL) mapping aims to determine genomic regions that regulate gene transcription. Expression QTL is used to study the regulatory structure of normal tissues and to search for genetic factors in complex diseases such as cancer, diabetes, and cystic fibrosis. A modern eQTL dataset contains millions of SNPs and thousands of transcripts measured for hundreds of samples. This makes the analysis computationally complex as it involves independent testing for association for every transcript-SNP pair. The heavy computational burden makes eQTL analysis less popular, often forces analysts to restrict their attention to just a subset of transcripts and SNPs. As larger genotype and gene expression datasets become available, the demand for fast tools for eQTL analysis increases. We present a new method for fast eQTL analysis via linear models, called Matrix eQTL. Matrix eQTL can model and test for association using both linear regression and ANOVA models. The models can include covariates to account for such factors as population structure, gender, and clinical variables. It also supports testing of heteroscedastic models and models with correlated errors. In our experiment on large datasets Matrix eQTL was thousands of times faster than the existing popular software for QTL/eQTL analysis. Matrix eQTL is implemented as both Matlab and R packages and thus can easily be run on Windows, Mac OS, and Linux systems. The software is freely available at the following address: http://www.bios.unc.edu/research/genomic_software/Matrix_eQTL

연구 동기 및 목표

• 대규모 데이터셋에서 수십억 개의 전사-유전자형 다형성 쌍을 검정함으로써 발생하는 eQTL 분석의 계산적 병목 현상 해결.
• 고성능 컴퓨팅 클러스터가 아닌 표준 데스크톱 하드웨어에서 빠르고 확장 가능한 eQTL 분석을 가능하게 하는 방법 개발.
• 공변량, 이방산성, 상관 오차를 고려한 민첩한 선형 모델 지원으로 통계적 정확도 향상.
• 빠른 모델 비교, 사전 처리 테스트 및 순열 기반 유의성 임계값 추정을 위한 지원.

제안 방법

• 핵심 eQTL 연관성 검정을 대규모 행렬 연산, 특히 행렬 곱셈을 통해 표현하여 최적화된 BLAS 라이브러리 활용.
• 모든 모델 파rameter를 명시적으로 추정하지 않고도 검정 통계량(예: F통계량)을 계산하기 위해 중심화 및 투영 기법 사용.
• 유전자형 및 발현 데이터를 공변량에 수직인 공간으로 정규화함으로써 공변량을 포함한 모델을 구현.
• 이방산성 및 상관 오차 모델을 위해 알려진 공분산 행렬 K의 역행렬 제곱근을 사용해 데이터 변환.
• 루프 기반 구현 대비 느린 성능을 피하기 위해 고수준 언어(R/Matlab)의 성능을 극대화하기 위해 알고리즘을 행렬 대수 표현으로 구현.
• 미래 버전에서 CUDA를 통한 GPU 가속을 구현할 예정이며, CPU 기반 계산 대비 약 10배 향상된 성능 기대.

실험 결과

연구 질문

• RQ1 대규모 데이터셋에서 전체 분석이 단일 데스크톱 컴퓨터에서 가능해질 정도로 eQTL 분석을 얼마나 빠르게 개선할 수 있는가?
• RQ2 eQTL 분석에서 기존 루프 기반 구현 대비 행렬 기반 계산은 얼마나 더 빠를 수 있는가?
• RQ3 공변량, 이방산성, 상관 오차를 고려한 민감한 선형 모델이 고성능 프레임워크에 얼마나 잘 통합될 수 있는가?
• RQ4 성능 향상으로 인해 대규모 eQTL 연구에서 정확한 유의성 임계값 추정을 위한 순열 검정을 실용적으로 적용할 수 있는가?

주요 결과

• Matrix eQTL는 낭성 섬유증 데이터셋(840명)에서 Plink, Merlin, R/qtl, eMap, FastMap 등의 기존 도구보다 수백~수천 배 빠른 성능을 기록했다.
• 4,096×4,096 행렬 곱셈 작업에서, Matlab 또는 Revolution R과 함께 Intel KML를 사용한 Matrix eQTL는 4.3초의 실행 시간을 기록했으며, 일반 BLAS를 사용한 R(80~90초) 및 ATLAS를 사용한 R(15초)보다 뛰어난 성능를 보였다.
• NVIDIA GTX 480를 사용한 GPU 가속 버전은 동일한 행렬 곱셈 작업에서 단 0.25초의 실행 시간을 기록하여 CPU 기반 방법 대비 약 10배 향상된 성능를 보였다.
• Matrix eQTL는 단일 머신에서 대규모 데이터셋의 전체 eQTL 분석을 수분 내외로 수행할 수 있었으며, 다른 도구는 클러스터에서 수주 분량의 프로세서 시간이 필요했다.
• 데이터 변환을 통해 공변량, 이방산성, 상관 오차를 포함한 복잡한 모델링을 지원하며, 높은 속도를 유지하면서도 모델의 유연성은 손상시키지 않았다.
• 소프트웨어는 크로스플랫폼 R 및 Matlab 패키지로 제공되어 Windows, Mac OS, Linux 시스템 간 광범위한 접근성과 호환성을 확보했다.