UK Biobank 분석의 주요 한계와 주의 사항

UK Biobank(UKB)는 방대한 데이터를 제공하지만,
“데이터가 크다고 분석이 곧 정답이 되지는 않는다.”
이 말은 UKB 분석을 시작하는 모든 연구자가 기억해야 할 첫 번째 원칙이다.

 

이번 글에서는 UKB 데이터를 분석할 때 반드시 유의해야 할 핵심 포인트를 정리해본다.

 

Image created with AI · Curated by JINetic CODE

---

1. 선택 편향 (Selection Bias)

UKB 참여자는 모두 자발적으로 모집된 일반인이다.
→ 따라서 전 국민을 대표하는 무작위 샘플이 아니다!

 

⚠️ 예를 들어:

• 건강에 관심이 많은 사람일수록 참여 확률이 높음
• 영국의 특정 지역/계층에 편중될 수 있음

📌 이로 인해 특정 질병이나 행동 특성이 과소/과대추정될 가능성이 있다.

✔ 분석 결과를 일반 인구집단에 적용할 때는 주의,
✔ 외부 검증 세트와 비교하거나, 가중치(weighting) 사용이 권장된다.

---

2. 자기보고(Self-report) 데이터의 한계

UKB의 일부 변수(예: 음주, 운동, 식습관)는
참여자 본인의 자기기입형 설문으로 수집된다.

 

📌 유의사항:

• 주관적, 기억 오류, 과소/과대 보고 가능성
• 사회적 바람직성 편향(social desirability bias) 등 포함

✔ 가능하면 객관적 지표(예: 혈액 수치, 진단코드 등)와 함께 사용
✔ 다변량 분석 시 self-report 변수는 보조지표로 해석 권장

---

3. 지연된 진단 및 이벤트 발생 타이밍

질병 진단 정보는 NHS 진료 기록과 연계된 HES(Hospital Episode Statistics) 기준이므로,

• 진단일 기준으로만 이벤트를 판단하는 것은 오류 가능성 있음
• 발병일 vs 진단일 사이 시간차 고려 필요

✔ 이벤트 타이밍 변수(Date of diagnosis, Date first reported, 등)를 활용
✔ 생존분석(survival analysis) 또는 time-to-event 분석 시 더 중요

---

4. 유전체 데이터 사용 시 QC 주의

UKB는 WES, WGS, Genotyping array 등 유전체 데이터를 제공하지만,
raw 파일을 바로 분석하는 건 위험!

• UKB는 QC를 거친 버전의 genotyping 데이터를 제공하기도 하지만,
  → 연구 목적에 따라 다시 한 번 QC를 수행하는 것이 보통의 관행이다.
• 특히 유전체 + 표현형 통합 분석(GWAS 등)을 할 때는
  → QC가 안 된 데이터는 위양성(false positive)이 무더기로 나올 수 있다.
• GWAS처럼 민감한 분석은 QC가 연구의 성패를 좌우한다고 해도 과언이 아니다.

 

📌 반드시 필요한 QC:

• Sample-level QC (성별 불일치, contamination 등)
• Variant-level QC (MAF, HWE, call rate 등)
• Population stratification 조정

✔ PLINK, bcftools, GCTA 등 표준 툴 사용
✔ 필요 시 PCA/TSNE 등으로 sub-population 고려

---

5. 데이터 링크 주의 (Linkage Lag)

UKB는 HES, 사망정보, 암등록 데이터 등과 정기적으로 데이터 업데이르를 수행함.
→ 하지만 항상 최신은 아님.

• 사망 데이터는 몇 개월~1년 지연될 수 있음
• 진단 코드는 지역별로 누락/지연 가능성 존재

✔ 최신 날짜 기준을 명확히 표시하고
✔ 타임스탬프(record date, diagnosis date) 활용 필수

---

6. 전처리 필수: 결측치, 이상치, 변수 타입 확인

UKB 데이터는 표면적으로 정돈돼 보이지만,
실제로는 결측치, 범주형 오기, 연속형 이상값 등 존재함.

📌 실무 팁:

• -1, -3 같은 의도적 결측치 코드 존재
• 변수 타입 (integer vs. categorical) 확인
• BMI = 80 같은 극단값은 확인 후 제거 or winsorization

✔ 데이터 가공 전에 UKB Showcase에서 변수 설명 반드시 확인하기
https://biobank.ndph.ox.ac.uk/showcase/index.cgi

: Showcase Homepage

 

---

정리: UKB 분석 전 반드시 체크할 것들

항목	주의할 점
선택 편향	자발적 참여자 →  일반화 주의
Self-report	주관적 평향 존재
진단 이벤트	발병일 vs 진단일 구분 필수
유전체 데이터	QC 필수, 집단 구조 고려 (false positive 주의)
데이터 링크	최신성/지역 편차 유의
전처리	결측치 코드, 이상값 반드시 확인