Mapper 알고리즘을 이용한 유방암 환자의 위상 기반 생존 분석

초록

본 연구는 위상 데이터 분석(Topological Data Analysis, TDA)의 수학적 도구인 Mapper 알고리즘을 1,000명 이상의 TCGA-BRCA 환자 유전자 발현 데이터에 적용하여 생존과 연관된 숨겨진 분자 패턴을 식별하였다. 네트워크 내 고위험 영역 근처에 위치한 환자들은 유의미하게 낮은 생존율을 보였으며, 높은 증식성을 나타내는 유전자 발현 패턴은 전반적으로 더 나쁜 결과와 연관되었으나, 치료는 증식 그룹 간 생존 격차를 줄이는 방향으로 작용하였다. 분석은 또한 전통적 분류 방식이 놓친 분자적 메커니즘을 밝혀내며, 예상되는 임상적 행동과 일치하지 않는 생존 결과를 보인 환자들을 추가로 발견하였는데, 여기에는 더 치료에 반응하는 독특한 유전자 시그니처와 관련되어 예상외로 양호한 결과를 보인 기저형(Basal-like) 환자 하위 그룹이 포함되었다. 보지 않은 환자 데이터를 대상으로 한 훈련 및 테스트를 통한 검증 결과, 연령, 종양 병기 및 치료를 조정한 후에도 위상 기반 위험 그룹이 생존과 유의미한 연관성을 유지함이 확인되어, 유전자 발현 데이터의 기하학적 구조가 기존 유방암 분류 방법을 넘어 임상적으로 의미 있는 예후 정보를 포함하고 있음을 입증하였다.

English

This study applied a mathematical tool from Topological Data Analysis (TDA), called the Mapper algorithm, to gene expression data from more than 1,000 TCGA-BRCA patients to identify hidden molecular patterns associated with survival. Patients located near high-risk regions of the network showed significantly poorer survival, and highly proliferative gene expression patterns were associated with worse outcomes overall, although treatment narrowed this survival gap across proliferation groups. The analysis further uncovered patients whose survival outcomes were inconsistent with their expected clinical behavior, including a subgroup of Basal-like patients with unexpectedly favorable outcomes linked to a distinct, more treatment-responsive gene signature, revealing molecular programs missed by traditional classification methods. Validation through training and testing on unseen patients confirmed that topology-derived risk groups remained significantly associated with survival after adjusting for age, tumor stage, and treatment, demonstrating that the geometric structure of gene expression data contains clinically meaningful prognostic information beyond traditional breast cancer classification methods.

Mapper 알고리즘을 이용한 유방암 환자의 위상 기반 생존 분석

Topology-Informed Survival Analysis of Breast Cancer Patients Using the Mapper Algorithm

초록

Support