Cell-Type Prototype-Informed Neural Network for Gene Expression Estimation from Pathology Images

1. 문제 정의 (Problem Statement)

• 배경: 병리 전체 슬라이드 이미지 (WSI) 로부터 유전자 발현 프로파일을 추정하는 것은 RNA 시퀀싱에 비해 저렴하고 빠른 분자 분석을 가능하게 하여 임상적 가치가 큽니다.
• 기존 방법의 한계:
  • 기존 접근법들은 유전자 발현을 슬라이드 수준 (Bulk) 이나 패치 수준 (Spatial) 의 단순 신호로만 취급합니다.
  • 실제 유전자 발현은 개별 세포 수준의 발현이 집적된 결과 (Aggregation) 임에도 불구하고, 이러한 세포 수준의 생물학적 구조 (Cell-level structure) 를 명시적으로 모델링하지 못합니다.
  • 단일 세포 RNA 시퀀싱 (scRNA-seq) 데이터는 세포 수준의 정보를 제공하지만, 노이즈가 많고 조직병리 이미지와 짝을 이루지 않아 (Unpaired) 직접적인 활용이 어렵습니다.
• 목표: WSI 와 scRNA-seq 데이터 간의 모달리티 격차와 노이즈를 극복하면서, 세포 수준의 정보를 활용하여 슬라이드 및 패치 수준의 유전자 발현을 정확하고 해석 가능하게 추정하는 것입니다.

2. 방법론 (Methodology: CPNN)

저자들은 세포 유형 프로토타입 기반 신경망 (Cell-type Prototype-informed Neural Network, CPNN) 을 제안합니다. 이 방법은 scRNA-seq 데이터에서 추출한 '세포 유형 프로토타입'을 사전 지식 (Prior) 으로 활용합니다.

핵심 구성 요소 및 과정:

1. 세포 유형 프로토타입 (Cell-type Prototypes, $\bar{T}$) 생성:

   • 공개된 scRNA-seq 데이터베이스에서 각 세포 유형의 평균 발현 프로파일을 추정합니다.
   • scRNA-seq 데이터의 배치 효과 (Batch effect) 와 노이즈를 보정하기 위해 Negative Binomial 회귀를 사용하여 정규화된 프로토타입을 생성합니다. 이는 각 세포 유형별 안정적인 유전자 - 유전자 공변동 (Co-variation) 패턴을 인코딩합니다.

2. 조성 가중치 (Compositional Weights, $W$) 추정:

   • 입력된 WSI (또는 패치 이미지) 를 CNN/Transformer 인코더를 통해 특징 벡터로 변환합니다.
   • MLP 를 통해 각 패치에 대한 세포 유형별 조성 비율 (Cell-type proportion) 을 Softmax 를 통해 추정합니다.

3. 유전자 발현 모델링:

   • 관찰된 슬라이드/패치 수준의 발현은 추정된 조성 가중치 ($W$) 와 세포 유형 프로토타입 ($\bar{T}$) 의 선형 결합으로 모델링됩니다.
   • 모달리티 보정 (Modality Correction): scRNA-seq 데이터와 조직 이미지 데이터 간의 기술적 차이 (스케일, 편이) 를 보정하기 위해 유전자별 스케일링 계수 ($\alpha$) 와 편이 파라미터 ($\beta$) 를 도입합니다.
   • 최종 예측 값은 Negative Binomial 분포를 따르도록 가정합니다.

4. 최적화 (Optimization):

   • 손실 함수:
     • $L_{NB}$: 예측된 발현과 실제 발현 간의 Negative Log-Likelihood (재구성 손실).
     • $L_{R}$: 정규화 항. 추정된 조성 비율과 프로토타입이 scRNA-seq 기반의 디콘볼루션 (Deconvolution) 결과와 일관성을 갖도록 부드럽게 제약합니다.
   • 이를 통해 모델은 데이터 기반의 재구성 능력을 유지하면서도 세포 수준의 생물학적 지식을 따르도록 학습됩니다.

5. 확장 (Patch-Level Estimation):

   • 공간 전사체학 (Spatial Transcriptomics) 데이터의 경우, 절대적 발현 값의 노이즈가 크므로 Pearson 상관관계 기반의 손실 함수를 사용하여 패치 간 상대적 관계를 학습하도록 적용이 확장됩니다.

3. 주요 기여 (Key Contributions)

1. 문제 공식화: WSI 기반 유전자 발현 추정 문제에 scRNA-seq 데이터베이스에서 추출한 세포 수준 정보를 통합하는 새로운 프레임워크를 제시했습니다.
2. CPNN 아키텍처: 세포 유형 프로토타입과 조성 가중치를 통합하여, 생물학적으로 근거가 있고 구조적으로 정규화된 예측 프레임워크를 개발했습니다.
3. 해석 가능성 (Interpretability): 단순히 발현 값을 예측하는 것을 넘어, 어떤 세포 유형이 예측된 발현을 주도하는지 (Compositional Weights) 를 시각화하여 모델의 결정 과정을 생물학적으로 해석할 수 있게 했습니다.
4. 범용성: 슬라이드 수준 (Bulk) 및 패치 수준 (Spatial) 모두에서 기존 방법론을 대체하거나 기존 모델에 플러그인으로 통합하여 성능을 향상시킬 수 있음을 입증했습니다.

4. 실험 결과 (Results)

저자들은 3 개의 슬라이드 수준 데이터셋 (TCGA-BRCA, KIRC, LUAD) 과 3 개의 패치 수준 공간 전사체 데이터셋 (CSCC, Her2st, STNet) 에서 실험을 수행했습니다.

• 성능 (Slide-Level):
  • 기존 MIL (Multiple Instance Learning) 및 MIR (Multiple Instance Regression) 방법 (HE2RNA, tRNAformer, MOSBY 등) 과 비교하여 Spearman 상관관계 (SCC) 에서 모든 데이터셋에서 최고 성능 (SOTA) 을 기록했습니다.
  • 특히 BRCA 데이터셋에서 SCC 0.338 을 달성하여 기존 최상위 모델 (0.314) 보다 크게 향상되었습니다.
• 성능 (Patch-Level):
  • 기존 모델 (STNet, TRIPLEX 등) 에 CPNN 모듈을 통합했을 때, 모든 데이터셋에서 SCC 가 일관되게 향상되었습니다 (예: CSCC 에서 +0.0506 향상).
  • 이는 세포 유형 프로토타입이 공간 유전자 발현 예측에 강력한 정규화 역할을 함을 시사합니다.
• Ablation Study:
  • 프로토타입 초기화 (PI), 모달리티 보정 (MC), 프로토타입 업데이트 (U), 정규화 손실 (R) 중 어느 하나라도 제거하면 성능이 저하됨을 확인했습니다. 특히 프로토타입을 사용하지 않고 처음부터 학습하는 경우 (w/o PI) 는 기존 방법 (MOSBY) 과 유사한 수준에 그쳤습니다.
• 생물학적 검증:
  • 추정된 조성 가중치를 분석한 결과, 유방암 (BRCA) 의 아형 (Basal, LumA, LumB 등) 에 따라 해당 아형과 관련된 세포 유형 프로토타입의 가중치가 높게 나타남을 확인했습니다. 이는 모델이 생물학적으로 타당한 세포 구성을 학습했음을 의미합니다.

5. 의의 및 결론 (Significance)

• 기술적 의의: 단일 세포 데이터와 조직 이미지라는 서로 다른 모달리티 간의 격차를 '프로토타입'이라는 개념을 통해 효과적으로 연결했습니다. 이는 물리 정보 기반 신경망 (PINN) 과 유사하게 생물학적 법칙을 모델 구조에 통합한 사례입니다.
• 임상적/연구적 가치:
  • 비용 효율성: 고비용인 RNA 시퀀싱 없이 WSI 만으로 정밀한 분자 프로파일링이 가능해집니다.
  • 해석 가능성: 기존 딥러닝 모델의 '블랙박스' 문제를 해결하여, 어떤 세포 유형이 질병의 유전자 발현 패턴을 주도하는지 생물학적 통찰을 제공합니다.
  • 일반화 능력: 다양한 암종 (유방암, 신장암, 폐암 등) 과 조직 유형에서 일관된 성능 향상을 보여주어 임상 적용 가능성이 높습니다.

이 논문은 병리 이미지 분석과 유전체학의 융합 분야에서, 세포 수준의 생물학적 지식을 딥러닝 모델에 체계적으로 통합함으로써 정확도와 해석 가능성을 동시에 높인 획기적인 접근법으로 평가됩니다.