유전자 수준에서의 데이터 전처리 및 모델링을 위한 특이값 분해 방법

제목	​유전자 수준에서의 데이터 전처리 및 모델링을 위한 특이값 분해 방법
추천 연구 논문	Singular value decomposition for genome-wide expression data processing and modeling
선정 이유	전사체 자료에서의 샘플들의 위상을 추정하는 Cyclops 알고리즘에서 사용하는 차원축소 방법이므로, 해당 논문의 방법론을 이해하여야 Cyclops 알고리즘의 샘플 위상 추정 방법에 대해서 자세히 이해할 수 있음
주요 내용	- Singular value decompositon (SVD) 는 데이터의 차원 축소 및 압축에 주로 사용되는 방법론 - 본 논문에서는 SVD를 활용하여 마이크로어레이 데이터를 차원 축소하여 Eigengenes x Eigenarrays 로 표현 - 각 Eigenarray에서의 Eigengene 유전자 발현량의 유사성을 이용하여 Array들의 순서를 추정함.
시사점	Cyclops 방법론은 발현량 데이터에서의 샘플들의 위상을 독립적으로 추정할 수 있는 방법론 중 하나이며 데이터의 차원 축소에 사용되는 SVD를 Cyclops 방법론에서 사용한다. 즉, SVD 방법론을 활용하여 전사체 데이터 발현량을 차원축소 하였을 때, 샘플별 유전자들의 발현량 정보가 다른 방법론들에 비해 잘 표현되어 있음을 의미한다. 이 방법론들은 모두 마이크로어레이 데이터만 활용한 연구였기에, RNA-Sequencing 과 같은 NGS 기반의 데이터에서도 활용성 여부에 대한 확인이 필요하다. 만약 NGS 기반의 데이터에서도 해당 방법론들이 활용 가능하다면, 전세계적으로 공개되어 있는 전사체 데이터 모두에 대해서도 활용 가능할 것으로 예상됨.