Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells

이 논문은 단일 세포 전사체 데이터의 희소성과 비순차적 특성을 직접 반영하여 약 18,000 개의 유전자를 사전 선택 없이 학습하고, 다양한 세포 유형과 교란 조건에 따른 전사체 반응 및 가상 세포 생성을 정밀하게 예측하는 생성형 세계 모델 'Lingshu-Cell'을 제안합니다.

핵심

1. 기존 기술의 한계: "스냅샷" vs "영화"

지금까지 생물학자들이 세포를 연구할 때 사용한 AI 모델들은 마치 **정적인 사진 (스냅샷)**을 찍는 것과 같았습니다.

• 기존 모델: "이 세포는 지금 어떤 상태인가?"라고 알려주기는 했지만, "약물을 먹으면 이 세포가 어떻게 변할까?", "유전자를 조작하면 어떤 일이 일어날까?"를 예측하거나 만들어내는 능력은 부족했습니다.
• 링수-셀의 목표: 이 모델은 정적인 사진이 아니라, **세포의 삶을 보여주는 '영화'**를 직접 찍을 수 있습니다. 즉, 세포가 어떻게 태어나고, 어떤 자극을 받으면 어떻게 반응하며, 어떤 모습으로 변할지 가상 시뮬레이션을 가능하게 합니다.

2. 링수-셀의 핵심 원리: "마스크 게임"과 "레고 블록"

링수-셀은 **'마스크된 이산 확산 모델 (Masked Discrete Diffusion Model)'**이라는 기술을 사용합니다. 이를 일상적인 예로 비유해 보면 다음과 같습니다.

• 비유 1: 가려진 그림 맞추기 게임

  • 세포의 유전자 정보 (약 18,000 개) 는 마치 거대한 퍼즐 조각들입니다.
  • 기존 AI 는 이 조각들을 하나씩 순서대로 맞추려 했지만 (순차적 모델), 세포의 유전자는 순서가 중요하지 않고 동시에 작용합니다.
  • 링수-셀은 퍼즐의 일부 조각을 가리고 (마스크), 나머지 조각들을 보고 "가려진 부분은 어떤 모양일까?"를 반복해서 추측합니다.
  • 이 과정을 여러 번 거치면, 처음엔 아무것도 없던 빈 화면에 완벽한 세포의 모습이 그려집니다.

• 비유 2: 레고 블록의 언어

  • 세포의 유전자 발현 데이터는 숫자로 되어 있지만, 매우 희박하고 불규칙합니다.
  • 링수-셀은 이 복잡한 숫자들을 **레고 블록 (토큰)**처럼 단순화합니다.
  • 중요한 점은, 어떤 유전자를 먼저 고를지 미리 정해지지 않았다는 것입니다. 기존 모델들은 '가장 중요한 유전자'만 골라 썼지만, 링수-셀은 18,000 개의 유전자를 모두 한 번에 다뤄서 세포의 복잡한 특징을 놓치지 않습니다.

3. 링수-셀이 할 수 있는 놀라운 일들

이 모델은 단순히 세포를 흉내 내는 것을 넘어, 가상 실험실 역할을 합니다.

• 🌍 다양한 종과 조직의 재현:

  • 인간의 간, 폐, 심장부터 쥐, 원숭이, 물고기, 심지어 초파리의 뇌까지. 다양한 생물과 조직의 세포를 가상으로 만들어냅니다.
  • 실제 실험실에서 세포를 키우지 않아도, AI 가 만들어낸 가상의 세포 데이터가 실제 데이터와 거의 구별이 안 될 정도로 정교합니다.

• 💉 약물 및 유전자 조작 예측 (가상 임상 시험):

  • "만약 이 유전자를 끄면 (CRISPR), 세포는 어떻게 변할까?"
  • "이 사이토카인 (면역 물질) 을 주입하면, 면역 세포는 어떻게 반응할까?"
  • 링수-셀은 세포의 정체성 (어떤 세포인지) 과 자극 (약물/유전자) 을 입력하면, 세포가 어떻게 변할지 전체 유전자 발현을 예측합니다.
  • 실제로 '가상 세포 챌린지 (Virtual Cell Challenge)'라는 국제 대회에서 1 등을 차지하며, 기존 방법들보다 훨씬 정확하게 세포 반응을 예측했습니다.

4. 왜 이것이 중요한가? (미래의 비전)

이 기술은 생물학 연구의 패러다임을 바꿀 수 있습니다.

• 시간과 비용 절감: 실제 실험실에서 수개월, 수년을 걸려야 하는 약물 개발이나 질병 연구 과정을, 컴퓨터 안에서 몇 시간 만에 시뮬레이션할 수 있습니다.
• 안전한 실험: 위험한 실험이나 윤리적으로 문제가 될 수 있는 실험을 가상으로 먼저 해볼 수 있습니다.
• 새로운 발견: AI 가 만들어낸 가상의 세포 데이터를 통해, 인간이 아직 발견하지 못한 질병 메커니즘이나 치료법을 찾아낼 수 있습니다.

📝 한 줄 요약

링수-셀은 세포의 유전 정보를 '가려진 퍼즐'처럼 보고, AI 가 그 퍼즐을 맞춰가며 가상의 세포를 창조하고, 약물을 넣었을 때 세포가 어떻게 변할지 미리 보여주는 '초고성능 가상 세포 공장'입니다.

이 기술은 이제 막 시작되었지만, 앞으로 디지털 공간에서 질병을 치료하고 신약을 개발하는 새로운 시대를 열 것으로 기대됩니다.

기술 요약

Lingshu-Cell: 가상 세포를 위한 생성형 세포 세계 모델에 대한 기술 요약

이 논문은 단일 세포 전사체 (transcriptome) 데이터의 분포를 학습하고, 교란 (perturbation) 하에서의 조건부 시뮬레이션을 지원하는 Lingshu-Cell이라는 새로운 생성형 모델을 소개합니다. 이는 '세포 세계 모델 (Cellular World Model)'의 개념을 구현하여, 정적인 세포 상태 카탈로그를 넘어 가상 실험을 통한 생물학적 발견과 약물 스크리닝의 새로운 패러다임을 제시합니다.

1. 문제 정의 (Problem)

• 기존 모델의 한계: 기존 단일 세포 기반 모델 (scGPT, Geneformer 등) 은 주로 정적인 표현 학습에 최적화되어 있어, 세포 상태의 분포를 생성하거나 교란에 대한 반응을 시뮬레이션하는 데 한계가 있었습니다.
• 데이터 특성의 불일치: 기존 생성 모델 (scDiffusion, scVI 등) 은 연속적인 데이터 가정을 기반으로 하여, 희소성 (sparsity) 이 높고 이산적 (discrete)이며 순서 없는 (non-sequential) 특성을 가진 단일 세포 RNA 시퀀싱 (scRNA-seq) 데이터와 잘 맞지 않았습니다.
• 교란 예측의 부족: 기존 교란 예측 방법들은 특정 작업에 초점을 맞추어 학습되었을 뿐, 전사체 상태의 근본적인 분포나 조건부 역학을 명시적으로 모델링하지 못했습니다.

2. 방법론 (Methodology)

Lingshu-Cell 은 마스크된 이산 확산 모델 (Masked Discrete Diffusion Model, MDDM) 아키텍처를 기반으로 설계되었습니다.

핵심 기술 요소

1. 이산 토큰 공간에서의 직접 모델링:

   • scRNA-seq 의 희소하고 이산적인 카운트 데이터를 연속적인 노이즈가 아닌 **이산 토큰 (discrete tokens)**으로 직접 처리합니다.
   • 약 18,000 개의 유전자에 대한 전사체 전체 표현을 학습하며, 고변동성 유전자 필터링이나 발현량 순위 매기기와 같은 사전 유전자 선택 (prior gene selection) 이 필요 없습니다.
   • 유전자 발현의 비순차적 (orderless) 구조를 반영하기 위해 AR(자기회귀) 모델의 고정된 순서 의존성을 제거하고, 무작위 마스킹과 예측을 수행합니다.

2. 마스킹 및 예측 과정:

   • 전진 과정 (Forward Process): 관측된 유전자 발현 값을 단계적으로 마스킹하여 완전히 마스킹된 상태까지 진행합니다.
   • 역과정 (Reverse Process): 마스킹된 유전자 발현 값을 반복적으로 예측하여 생물학적으로 현실적인 scRNA-seq 프로필을 생성합니다.

3. 조건부 생성 (Conditional Generation):

   • 세포 유형 (Cell type), 공여체 (Donor), 유전적 교란 (Genetic perturbation), 사이토카인 자극 (Cytokine stimulation) 등의 정보를 추가 토큰으로 입력하여 조건부 시뮬레이션을 가능하게 합니다.
   • 클래식 프리 가이드 (Classifier-Free Guidance, CFG): 생성된 표현이 교란 조건과 더 일치하도록 샘플링을 유도하여 예측 정확도를 높입니다.

4. 효율성 및 생물학적 사전 지식 주입:

   • 시퀀스 압축 (Sequence Compression): 긴 유전자 시퀀스를 임베딩 공간에서 그룹화하여 Transformer 의 계산 비용을 줄이면서도 전사체 전체 패턴을 포착합니다.
   • 생물학적 사전 지식 주입 (Biological Prior Injection): 교란 시 하향 조절되는 유전자 집합을 외부 데이터에서 추출하여 생성 초기 단계에서 마스킹된 위치를 초기화함으로써, 생물학적으로 타당한 방향성을 제공합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

1) 무조건부 생성 (Unconditional Generation)

• 범용성: 인간 조직 (신피질, 심장, 폐, 대장 등) 과 다양한 종 (마우스, 원숭이, 제브라피시, 파리) 에 걸쳐 훈련된 모델은 실제 scRNA-seq 데이터의 전사체 분포, 마커 유전자 발현 패턴, 세포 아형 비율을 정확하게 재현했습니다.
• 성능: scDiffusion 및 scVI 와 비교하여 Pearson/Spearman 상관관계, MMD(최대 평균 불일치), 1-WD(워asserstein 거리), iLISI(통합 품질) 등 5 가지 지표에서 모두 최상의 성능을 보였습니다.

2) 유전적 교란 예측 (Genetic Perturbation Prediction)

• Virtual Cell Challenge (VCC) H1 벤치마크: VCC 의 H1 유전적 교란 데이터셋에서 Lingshu-Cell 은 25 개 팀 중 **평균 랭킹 1 위 (8.7)**를 기록했습니다.
• 정확도: MAE(평균 절대 오차) 와 Pearson-Δ 상관관계에서 최상위권을 기록하며, 기존 작업 특화 모델들을 능가하는 전반적인 성능을 입증했습니다.

3) 사이토카인 교란 예측 (Cytokine Perturbation Prediction)

• PARSE 10M PBMC 데이터셋: 인간 PBMC(말초혈액 단핵구) 에 대한 90 가지 사이토카인 자극 조건에 대한 반응을 예측했습니다.
• 성능: 교란 방향성, 발현 변화의 크기, 차등 발현 유전자 (DEG) 회복 능력 등 8 가지 평가 지표에서 모든 비교 모델 (PertMean, STATE, scGPT 등) 보다 우수한 평균 점수를 기록했습니다.

4. 의의 및 결론 (Significance)

• 세포 세계 모델의 실현: Lingshu-Cell 은 단순한 데이터 생성을 넘어, 다양한 생물학적 맥락에서 세포 상태와 교란 반응을 시뮬레이션할 수 있는 가상 세포 (Virtual Cell) 환경을 구축했습니다.
• 패러다임 전환: 단일 세포 분석을 정적인 주석 (annotation) 에서 **예측적 시뮬레이션 (predictive simulation)**으로 전환하는 계기를 마련했습니다.
• 응용 가능성: 질병 메커니즘 규명, 신약 후보 물질 스크리닝, 복잡한 발달 궤적 매핑 등 대규모 in silico 실험을 가능하게 하여, 실험실 연구의 효율성을 극대화하고 새로운 생물학적 발견을 촉진할 것으로 기대됩니다.

이 연구는 이산 확산 모델이 단일 세포 전사체 모델링에 적합하다는 것을 입증하며, 향후 다중 오믹스 (epigenomics, proteomics 등) 와 시간적 역학을 통합한 더욱 정교한 가상 세포 모델 개발의 토대를 제공합니다.