Learning Adaptive Perturbation-Conditioned Contexts for Robust Transcriptional Response Prediction

1. 문제 정의 (Problem Definition)

• 배경: 단일 세포 (single-cell) 수준에서 유전자 발현이 다양한 유전적 교란 조건 하에서 어떻게 변화하는지 예측하는 것은 기능 유전학의 핵심 과제입니다.
• 주요 문제점 (Mean Collapse): 기존 방법론들은 실험 노이즈가 심하고 유전자 수준의 효과가 희소 (sparse)하다는 특성을 제대로 반영하지 못합니다. 그 결과, 모델들은 특정 교란에 대한 구체적인 반응을 학습하기보다 전체 평균 발현 수준 (global average expression) 을 예측하는 경향이 강해집니다.
  • 이를 '평균 붕괴'라고 하며, 이는 생물학적으로 중요한 유전자 (DEG, Differentially Expressed Genes) 의 변화량을 과소평가하고, 많은 가양성 (false positives) 을 유발하여 생물학적 해석력을 떨어뜨립니다.
• 기존 지식 그래프의 한계: 최근 연구들은 생물학적 지식 그래프 (Knowledge Graph, KG) 를 활용하지만, 이를 모든 교란에 대해 고정적이고 밀집된 (dense/static) 구조로만 사용합니다. 이로 인해 노이즈가 관련 없는 유전자로 전파되어 실제 신호를 흐리게 만듭니다.

2. 방법론 (Methodology: ADAPERT)

저자들은 ADAPERT (Adaptive Perturbation-Conditioned Contexts) 를 제안하여, 희소성과 생물학적 구조를 명시적으로 모델링함으로써 평균 붕괴를 해결합니다.

A. 교란 조건부 서브그래프 추출 (Perturbation-Conditioned Subgraph Extraction)

• 동적 서브그래프 학습: 고정된 전체 지식 그래프 대신, 각 교란 유전자 (perturbed gene) 에 맞춰 관련된 유전자들로 구성된 컴팩트한 서브그래프 (subgraph) 를 동적으로 학습합니다.
• 절차:
  1. 의미적 임베딩: 교란 유전자의 텍스트 설명 (NCBI 등) 을 언어 모델 (GPT-4o) 로 인코딩하여 의미적 벡터 ($s_p$) 를 생성합니다.
  2. 구조적 임베딩: 지식 그래프의 구조적 정보를 그래프 신경망 (GNN) 을 통해 노드 임베딩 ($h_v$) 으로 추출합니다.
  3. 노드 점수화 및 샘플링: 교란 임베딩과 노드 구조 임베딩을 결합하여 관련성 점수를 산출한 후, Gumbel-Softmax 샘플링을 통해 희소하고 교란에 관련된 노드들만 선택하여 서브그래프 ($G_{context}$) 를 구성합니다.
  • 이 과정을 통해 모델은 특정 교란과 무관한 그래프 구조를 필터링하고 인과적으로 관련된 유전자에 집중할 수 있습니다.

B. 적응형 학습을 통한 신호 - 노이즈 분리 (Adaptive Learning for Signal-Noise Separation)

전통적인 재구성 손실 (MSE) 은 비반응 유전자 (non-DEG) 의 영향을 과도하게 받아 평균으로 수렴하게 만듭니다. 이를 해결하기 위해 세 가지 손실 함수를 결합합니다.

1. 전역 재구성 손실 ($L_{recon}$): 전체 발현 프로필의 정확도를 유지합니다.
2. 비-DEG 강건 손실 ($L_{non}$): 반응하지 않는 유전자 (non-DEG) 에 대해서는 예측 변화량을 0 에 가깝게 유지하도록 Huber Loss를 적용하여 노이즈로 인한 위양성 변화를 억제합니다.
3. 적응형 서브그래프 정렬 손실 ($L_{align}$): 추출된 서브그래프의 표현 ($z_{context}$) 이 실제 교란에 반응하는 유전자 (DEG) 의 패턴과 정렬되도록 유도합니다.

3. 주요 기여 (Key Contributions)

1. 평균 붕괴 현상의 규명 및 해결: 교란 예측 모델에서 발생하는 평균 붕괴의 원인을 분석하고, 이를 해결하기 위해 희소성 (sparsity) 과 생물학적 구조 (biological structure) 를 명시적으로 모델링하는 새로운 프레임워크를 제시했습니다.
2. 적응형 컨텍스트 학습: 고정된 지식 그래프를 사용하는 기존 접근법을 넘어, 각 교란마다 동적으로 최적화된 서브그래프를 학습하는 메커니즘을 도입했습니다.
3. 신호 - 노이즈 분리 전략: 비반응 유전자에 대한 강건한 페널티와 반응 유전자에 대한 정렬 손실을 통해, 노이즈가 많은 단일 세포 데이터에서도 정확한 교란 신호를 분리해냅니다.

4. 실험 결과 (Results)

저자들은 K562 및 RPE1 세포주의 단일 세포 CRISPR 스크리닝 데이터셋 (Replogle et al., 2022) 을 사용하여 ADAPERT 를 평가했습니다.

• 전체 성능: 기존 데이터 기반 모델 (scVI, CPA 등) 과 지식 그래프 기반 모델 (GEARS, TxPert, MorPH) 을 모두 능가하는 성능을 보였습니다. 특히 PDS (Perturbation Discrimination Score) 와 **Pearson-∆**에서 가장 높은 점수를 기록했습니다.
• DEG 인식 지표 (DEG-aware Metrics):
  • DES (Differential Expression Score): 실제 DEG 가 예측된 상위 유전자 순위에서 얼마나 잘 발견되는지를 측정하는 지표에서 ADAPERT 가 압도적인 우위를 보였습니다.
  • 방향 일치도 (Direction Match): 유전자 발현 변화의 방향 (상승/하락) 을 정확히 예측하는 비율이 가장 높았습니다.
• 평균 붕괴 저항성:
  • 작은 효과 (Small-effect) 교란: 교란 효과가 약할 때 평균 붕괴가 가장 심한데, ADAPERT 는 이 구간에서 TxPert 대비 DES 가 28% 향상되는 등 노이즈 분리 능력이 뛰어났습니다.
  • 효과 크기별 분석: 교란 효과 크기가 작을수록 비-DEG 손실 ($L_{non}$) 의 중요도가 증가함을 확인했습니다.
• 경로 수준 검증: HIRA 유전자 녹다운 (knockdown) 실험에서 예측된 발현 프로필에 대한 경로 풍부화 분석 (GSEA) 결과, 실제 실험 데이터와 높은 상관관계 ($r=0.53$) 를 보이며 세포 주기 관련 경로 등을 정확히 예측함을 입증했습니다.

5. 의의 및 결론 (Significance)

• 생물학적 해석 가능성 향상: 단순한 발현 수치 예측을 넘어, 특정 교란에 반응하는 생물학적으로 의미 있는 유전자 서브넷 (sub-network) 을 포착함으로써, 약물 표적 발굴 및 유전자 기능 연구에 더 유용한 통찰을 제공합니다.
• 노이즈가 많은 환경에서의 강건성: 단일 세포 데이터의 inherent 한계 (노이즈, 희소성) 를 극복하기 위해 적응형 학습 전략을 도입함으로써, 실제 실험 조건에서의 예측 신뢰도를 높였습니다.
• 미래 방향: 고정된 지식 그래프의 한계를 넘어, 교란 조건에 따라 동적으로 진화하는 생물학적 컨텍스트를 학습하는 패러다임을 제시하여, 향후 더 정교한 '가상 세포 (Virtual Cell)' 모델링의 기초를 마련했습니다.

요약하자면, ADAPERT 는 **"어떤 유전자를 교란하느냐에 따라 관련된 생물학적 네트워크가 달라진다"**는 전제하에, 고정된 그래프가 아닌 적응형 서브그래프를 학습하여 노이즈를 제거하고 정확한 전사 반응을 예측하는 혁신적인 접근법입니다.