급성 및 만성 수면 부족을 앓고 있는 참가자들의 혈액 mRNA 바이오 마커 규명을 위한 유전체 데이터 기반 머신러닝 분석

제목	​급성 및 만성 수면 부족을 앓고 있는 참가자들의 혈액 mRNA 바이오 마커 규명을 위한 유전체 데이터 기반 머신러닝 분석
추천 연구 논문	Identifying and validating blood mRNA biomarkers for acute and chronic insufficient sleep in humans: a machine learning approach. Sleep, 42(1)
선정 이유	​유전체 데이터 기반 불면증과 다른 합병증 또한 유발할 수 있는 “수면 부족”과 관련된 biomarker들을 조사하고 glmnet 모델을 기반으로 전체 데이터를 사용했을 때와, feature selection 방법 중 embedded method에 해당된 elastic net, ridge를 사용했을 때의 각각 LOSO-CV와 IV의 성능을 비교함. 유전체 데이터 기반한 머신러닝 모델 평가 방법을 제시했다.
주요 내용	혈액 전사체 샘플을 이용하여 개인의 깨어있는 시간과 24시간 이상 깨어 있는 경우의 예측도, 불충분한 수면일 때와 충분한 수면 일 때의 구별(classification), 급성 수면 부족과 만성 수면 부족에 대한 바이오마커를 식별하고, 수면량의 증가와 감소를 구분할 수 있는 바이오마커를 규명하고자 선형 회귀 모델(glmnet)을 사용하고 feature selection 단계에서 elastic net과 ridge regression을 적용했을 때, 모든 feature를 사용했을 때를 각각 상황에 맞춰 비교했다. 개인이 깨어있는 시간을 예측 할 때에 모든 feature를 사용하면 모델 예측 정확도가 제일 우수함을 보였고, 혈액 샘플만으로도 24시간 이상 깨어있을 때의 평균 예측 시간이 보통의 깨어있는 시간보다 더 우수한 예측 정확도를 보였다. 깨어있는 시간과 급성 수면 부족에 대해 밝혀낸 바이오 마커의 유전자 정보에는 서로 중복이 없음을 밝혔다. 급성 및 만성 수면 부족과 관련된 유전자에는 ZNF395를 제외한 나머지 정보에서 중복이 없음을 밝혔다. 급성 및 만성 수면 부족과 관련하여 24시간 주기 유전자로는 BTRC가 밝혀졌다. 수면 부족 상태에 대한 biomarker는 이전에 밝혀졌던 24시간 주기에 대한 mRNA 바이오 마커와는 중첩되는 부분이 거의 없는 것으로 발견 되었다. 이에 따라, 수면 부족에 의해 활성화되는 전사 과정은 circadian control 과정과 매우 다른 사실을 알아냈다. 실제로, circadian 단계를 예측하기 위해 이전에 밝혀졌던 전사체 biomarker보다 본 연구에서 발견된 수면 손실 바이오마커와 관련된 기능적 과정이 blood cell의 기능(면역 기능)과 glucocorticoid signaling(염증 반응)에 더 관련이 있고 이를 통해 세포 스트레스 반응과 관련이 있는 사실을 확인할 수 있었다.
시사점	수면 부족과 세포 스트레스 반응과의 관계에 대한 이해를 높이고 이와 더불어 앞으로의 질병 연구에서 수면량에 대한 부분과 급성 수면 부족에 대한 관점도 고려해야 하는 정보가 될 새로운 가능성을 제시한다. 개인 내에서 혈액 전사체 바이오마커를 활용하여 개인의 수면량 변화를 구별했기 때문에, 수면량 변화를 구분한 바이오마커 패널을 이용하여 수면장애로 인한 개인 수면량 변화의 추이를 유추할 수 있음을 시사한다.