CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models

기술 요약: CellScientist

문제 제기
가상 세포 모델링 (VCM) 은 Cell Painting 형태 프로파일 및 L1000 전사체 반응과 같은 데이터를 활용하여 교란 (예: 약물, 유전적 개입) 에 대한 세포 반응을 예측하는 것을 목표로 합니다. 현재 대규모 언어 모델 (LLM) 지원 모델링 워크플로우의 결정적 병목 현상은'정제 - 라우팅 문제 (refinement-routing problem)'입니다. 모델의 예측이 실패할 때, 불일치는 실행 가능한 코드 수준에서 관찰되지만, 근본 원인은 더 높은 수준의 모델링 가정, 표현 설계, 또는 작업 제약 조건에 있을 수 있습니다. 기존 워크플로우는 종종 피드백을 코드 디버깅을 위한 구별되지 않은 신호로 취급하는 선형적'생성 - 실행 - 수정'패러다임을 따릅니다. 이러한 접근 방식은 피드백이 추상화 수준 간에 전파되지 못하게 하여, 코드는 수정되지만 불일치를 초래한 근본 가설은 해결되지 않는 상황을 초래합니다. 또한, 구조화된 피드백 전파가 없으면 반복적 정제는 구현 세부 사항을 수정하는 과정에서 작업 제약 조건을 위반하거나 의도된 생물학적 가설에서 벗어나는 위험을 내포합니다.

방법론: CellScientist 프레임워크
저자들은 가설 수립과 실행 가능한 구현 간의 폐쇄 루프를 완성하도록 설계된 이중 공간 계층적 오케스트레이션 프레임워크인 CellScientist를 제안합니다. 이 프레임워크는'가설 → 구현 → 가설'사이클을 통해 작동하며, 세 가지 핵심 구성 요소를 중심으로 구조화됩니다:

1. HRT (계층적 추론 토폴로지):

   • 이 구성 요소는 편집 가능한 설계 공간을 동적인 타입이 지정된 하이퍼그래프($G_t$) 로 구조화합니다.
   • 노드는 특정 모델링 결정 (예: 교란 표현, 융합 전략, 목적 함수) 을 나타내고, 타입이 지정된 하이퍼엣지는 이러한 결정 간의 결합된 의존성을 인코딩합니다.
   • HRT 는 구조적 허용 규칙 (예: 데이터 흐름 비순환성, 누출 방지) 을 강제하며, 특정 피드백 신호에 의해 영향을 받는 결정의 이웃을 제한하기 위해 유계 라우팅 차수 ($d$) 를 사용합니다. 이를 통해 시스템은 전체 워크플로우를 재시작하는 대신 실패를 특정 설계 이웃으로 국소화할 수 있습니다.

2. LCA (논리 제약 정렬):

   • LCA 는 고수준 가설 공간 ($\mathcal{H}$) 과 저수준 구현 공간 ($\mathcal{I}$) 간의 가교 역할을 합니다.
   • 작업 프로토콜에서 파생된 제약 조건 집합 ($\Omega_{const}$) (예: 분할 정의, 지표 요구 사항, 인터페이스 시그니처) 을 강제함으로써 가설 $h$를 허용 가능한 실행 가능한 프로그램($c$) 으로 구체화합니다.
   • 시스템은 생성된 코드가 보호된 작업 의미론을 엄격히 준수하도록 보장하기 위해 제약 조건 확인, 지역적 수정, 또는 후보 거부를 수행하여 코드는 실행되지만 실험 설계를 위반하는'지표 - 의미론 간격 (metric–semantic gaps)'을 방지합니다.

3. PDR (성능 - 불일치 정제):

   • PDR 은 실행 결과 및 검증 지표를 구조화된 피드백 신호 ($m_t$) 로 변환합니다.
   • 불일치의 성격 (예: 정체성 보존 실패, 배치 누출) 에 따라 이러한 신호를 HRT 하이퍼그래프 내의 특정 주소 ($a_t$) (노드 또는 하이퍼엣지) 로 라우팅합니다.
   • 시스템은 편집된 이웃 외부의 검증된 구성 요소를 유지하면서 가설 상태에 지역적 편집 ($\delta_t$) 을 적용하여 모델 설계를 업데이트합니다.

이 워크플로우는 재사용 가능한 검증된 구현 블록의 실행 기록($B_t$) 과 모듈 메모리($M_t$) 를 유지하여 시스템이 특정 설계 선택을 수정하는 동안 안정적인 구성 요소를 유지할 수 있게 합니다.

주요 기여

1. 수식화: 본 논문은 보호된 작업 의미론 하에서 실행 실패와 모델링 가정 간의 귀속 격차를 명시적으로 해결하는 이중 공간 교차 수준 피드백 라우팅 문제로서 LLM 지원 VCM 정제를 수식화합니다.
2. 프레임워크: HRT, LCA, PDR 을 통해 실행 가능한 구현을 구조화된 가설 상태와 정렬하는 계층적 오케스트레이션 프레임워크 (CellScientist) 를 통해 이 관점을 구체화합니다.
3. 평가: 저자들은 형태학, 전사체, 단일 세포 교란 벤치마크 전반에 걸쳐 CellScientist 를 평가하여, 선택된 실행 가능한 모델이 정제 과정의 감사 가능한 흔적을 유지하면서 베이스라인보다 개선된 성능을 보임을 입증했습니다.

실험 결과
비교 가능성을 보장하기 위해 고정된 분할 및 평가 프로토콜 하에서 평가가 수행되었습니다.

• 형태학 벤치마크: BBBC036, BBBC047, CPG0016 데이터셋에서 CS-model(CellScientist 가 선택한 최종 실행 가능한 모델) 은 고정 예측기 (TabR, RealMLP, RF-TD), 검색 기반 베이스라인 (FLAML, Random Search), 그리고 에이전트 설계 베이스라인 CellForge보다 우수한 성능을 보였습니다. SMILES 기반 및 플레이트 기반 분할 모두에서 전역 지표 (MSE, PCC, R²) 에서 개선이 관찰되었습니다.
• 전사체 벤치마크: LINCS2020 L1000 데이터 (7 개 세포주 및 전체 데이터 설정) 에서 CS-model 은 도메인 특화 베이스라인 (DLEPS, DeepCE, CIGER 등) 에 비해 RMSE, PCC, P@100 지표에서 우수한 성능을 달성했습니다.
• 단일 세포 벤치마크: Norman, Schiebinger, Papalexi 데이터셋에서 CS-model 은 CellForge 대비 PCC 및 PCCDE (차등 발현 민감성 PCC) 에서 상당한 향상을 보였습니다.
• 효율성 및 견고성: 제거 실험 (Ablation studies) 은 전체 컨트롤러 (HRT + LCA + PDR) 가 실행 성공률, 규칙 준수, 예측 품질, 실행 시간 간의 최적 균형을 최대화함을 확인했습니다. 이 프레임워크는 다양한 LLM 백본 (예: Gemini 3 Pro, DeepSeek-R1, GPT-5.2) 및 프롬프트 변형 전반에 걸쳐 견고함을 입증했습니다.

의의 및 주장
본 논문은 CellScientist 가 검증 실패를 구조화되지 않은 디버깅 사건에서 모델 정제를 위한 구조화된 증거로 변환한다고 주장합니다. 명시적인 가설 상태를 유지하고 피드백을 표적화된 지역 수정으로 라우팅함으로써, 이 프레임워크는 추적 가능하고 감사 가능한 정제 과정을 가능하게 합니다.

• 감사 가능성: 시스템은 거부된 분기, 후퇴적 후보, 그리고 제약 조건 확인을 보존하여 설계 궤적 (예: BBBC047 사례 연구에서 FiLM-CVAE 에서 Ref-RGAF 로의 전환) 의 완전한 기록을 제공합니다.
• 일반화: 결과는 제약된 정제 워크플로우가 서로 다른 세포 판독값 (형태학에서 전사체, 단일 세포로) 간에 이전됨을 시사하며, 이는 프레임워크가 특정 데이터셋에 과적합되는 것이 아니라 모델 구축의 근본적인 문제를 해결함을 나타냅니다.
• 겸손함: 저자들은 명시적으로 사례 연구가 자율적 과학적 발견의 증명이나 고유한 생물학적 법칙의 식별이 아닌 감사 추적 (audit trails) 로서 기능한다고 명시합니다. 선택된 아키텍처 (예: DD-MIA, Ref-RGAF) 는 검증 피드백에 의해 뒷받침되는 작업 특화적 귀납적 편향으로 제시되며, 보편적으로 최적의 솔루션으로 간주되지 않습니다. 이 연구는 새로운 생물학적 메커니즘의 발견을 주장하기보다는 신뢰할 수 있고 추적 가능한 모델 정제의 과정에 초점을 맞춥니다.