[논문 리뷰] Privacy-Preserving Data Sharing for Genome-Wide Association Studies

Caroline Uhler, Aleksandra Slavković외 1명|arXiv (Cornell University)|2012. 05. 03.

Privacy-Preserving Technologies in Data참고 문헌 21인용 수 7

한 줄 요약

이 논문은 개인의 개인정보를 보호하면서도 집단적 전장 게놈 연관 연구(GWAS) 데이터를 공개하기 위한 차별적 비밀보장 방법을 제안한다. 이는 미세한 대립유전자 빈도(MAF), 카이제곱 통계량, p-값을 포함한 요약 통계량을 포함한다. 또한 유전자-유전자 상호작용을 탐지하기 위해 $\epsilon$-차별적 비밀보장 페널라이즈드 로지스틱 회귀 알고리즘을 도입하여, 시뮬레이션된 데이터와 실제 개의 GWAS 데이터에서 강력한 비밀보장-유용성 트레이드오프를 입증한다.

ABSTRACT

Traditional statistical methods for confidentiality protection of statistical databases do not scale well to deal with GWAS (genome-wide association studies) databases especially in terms of guarantees regarding protection from linkage to external information. The more recent concept of differential privacy, introduced by the cryptographic community, is an approach which provides a rigorous definition of privacy with meaningful privacy guarantees in the presence of arbitrary external information, although the guarantees come at a serious price in terms of data utility. Building on such notions, we propose new methods to release aggregate GWAS data without compromising an individual's privacy. We present methods for releasing differentially private minor allele frequencies, chi-square statistics and p-values. We compare these approaches on simulated data and on a GWAS study of canine hair length involving 685 dogs. We also propose a privacy-preserving method for finding genome-wide associations based on a differentially-private approach to penalized logistic regression.

연구 동기 및 목표

• 공개된 GWAS 데이터베이스의 비밀보장 위험, 특히 미세한 대립유전자 빈도(MAF) 데이터를 악용하는 재식별 공격(예: Homer 등이 제시한 방법)에 대비하여 대응한다.
• 기존의 통계적 누출 제한 기법이 외부 정보를 가진 공격자에게 의미 있는 비밀보장 보장을 제공하지 못하는 한계를 극복한다.
• 차별적 비밀보장 기반의 엄밀한 비밀보장 프레임워크를 개발하여 MAF, 카이제곱 통계량, p-값과 같은 집합적 GWAS 요약 통계량을 안전하게 공유할 수 있도록 한다.
• 복잡한 GWAS 분석에 차별적 비밀보장을 확장하기 위해, 상호작용(유전자-유전자 상호작용)을 탐지하기 위한 비밀보장 페널라이즈드 로지스틱 회귀 방법을 제안한다.
• 특히 GWAS에서 흔히 볼 수 있는 희소성과 중간 크기의 데이터셋을 고려한 현실적인 조건에서, 차별적 비밀보장 요약 통계량의 통계적 유용성을 평가한다.

제안 방법

• 미세한 대립유전자 빈도(MAF)를 공개하기 위해 $\epsilon$-차별적 비밀보장을 적용하여, 환자군과 대조군 내의 미세한 대립유전자 수에 적절하게 캘리브레이션된 라플라스 노이즈를 추가한다.
• 카이제곱 통계량을 위한 비밀보장 알고리즘을 개발하기 위해, 직접적으로 검정 통계량에 노이즈를 추가함으로써, p-값이나 세포 수에 노이즈를 추가하는 것보다 더 뛰어난 유용성을 확보한다.
• Chaudhuri 등(2011)의 프레임워크를 활용하여, 페널라이즈드 로지스틱 회귀의 목적 함수에 스케일 $\frac{2}{\epsilon}$인 라플라스 분포에서 유도된 노이즈 항 $b^T\beta$를 추가한다.
• AIC/BIC 점수를 기반으로 한 전진 선택 및 후진 제거 기법을 차별적 비밀보장 최적화 과정에 통합하여 관련 SNP와 상호작용을 선별한다.
• 개별 유전자형 벡터의 $\ell_2$-노름($||x_i||_2 \leq K$)을 제한하고, 변형된 목적 함수에 대한 민감도 분석을 적용하여 비밀보장을 확보한다.
• 비밀보장 예산 할당 전략을 유도하여 $\epsilon' = \epsilon/2K$로 설정하고, 데이터 민감도에 따라 정규화 파라미터 $\delta$를 조정함으로써 $\epsilon$-차별적 비밀보장을 유지한다.

실험 결과

연구 질문

• RQ1 집합적 GWAS 요약 통계량(MAF, $\chi^2$, p-값)의 차별적 비밀보장 공개가 통계적 유용성을 손상시키지 않으면서도 강력한 비밀보장 보장을 제공할 수 있는가?
• RQ2 카이제곱 통계량에 노이즈를 추가하는 것과 세포 수나 p-값에 노이즈를 추가하는 것 간의 유용성 유지 능력은 어떻게 비교되는가?
• RQ3 차별적 비밀보장이 복잡한 GWAS 모델, 예를 들어 상호작용 탐지를 위한 페널라이즈드 로지스틱 회귀 모델로 효과적으로 확장될 수 있는가?
• RQ4 희소성과 표본 크기가 차별적 비밀보장 요약 통계량의 유용성에 어떤 영향을 미치는가?
• RQ5 두 단계 접근법(선별 + 상호작용 탐지)을 이용한 차별적 비밀보장 방법이 비밀보장을 유지하면서도 유전자-유전자 상호작용 탐지를 가능하게 하는가?

주요 결과

• 카이제곱 통계량에 직접적으로 노이즈를 추가하는 것이, 특히 세포 수가 적거나 중간 수준인 표본에서 비밀보장과 유용성 간의 최적 균형을 이룬다.
• 차별적 비밀보장 페널라이즈드 로지스틱 회귀 알고리즘이 $\epsilon$-차별적 비밀보장을 확보하면서도 관련 유전적 연관성과 상호작용을 탐지할 수 있는 능력을 유지한다.
• 685只의 개를 대상으로 한 실제 개 GWAS 데이터셋에서, 제안된 방법은 유용성 손실가 최소화된 비밀보장 요약 통계량을 성공적으로 공개하였다.
• 시뮬레이션 결과에 따르면, 희소 데이터에서는 단순한 요약 통계량만으로는 부족하며, 더 복잡하고 통합된 모델이 비밀보장과 분석 능력을 유지하기 위해 필요하다.
• 로지스틱 회귀 목적 함수에 라플라스 노이즈를 도입하는 방법은 민감도 분석을 통해 공식적으로 $\epsilon$-차별적 비밀보장이 보장됨을 입증하였다.
• 목적 함수의 노이즈와 정규화 항 간의 비밀보장 예산을 신중히 할당하여, AIC/BIC 기반 모델 선택을 지원하면서도 비밀보장을 유지한다.