기술 요약: 세포 읽기, 치료법 설계 (CURE)

1. 문제 정의: 전사체 기반 약물 설계 (TBDD)

본 논문은 알려진 3 차원 단백질 구조에 의존하며, 표적이 무질서하거나 질병이 단일 실행 가능한 표적이 아닌 조절되지 않은 다중 경로 네트워크에서 발생할 때 종종 실패하는 구조 기반 약물 설계 (SBDD) 의 한계를 다룹니다. SBDD 를 보완하기 위해 저자들은 **전사체 기반 약물 설계 (TBDD)**를 생성적 역문제 (generative inverse problem) 로 공식화합니다.

핵심 작업: 원하는 치료 효과 (예: 질병 세포를 건강한 상태로 전환) 를 나타내는 전사체 상태 쌍 $(T_{pre}, T_{post})$으로 정의된 목표 기능적 전환이 주어졌을 때, 이 특정 표현형 전환을 유도하는 약물 분자 $G$를 설계하기 위해 조건부 생성기 $p(G | T_{pre}, T_{post})$를 학습하는 것입니다.

식별된 주요 과제:

1. 교차 모달 도메인 간격: 전사체 프로파일 (고차원, 희소, 생물학적 신호) 과 분자 그래프 (이산적, 위상적, 화학적 구조) 는 정보 밀도와 귀납적 편향 측면에서 근본적으로 다르기 때문에, 단순한 조건부 설정은 불안정합니다.
2. 희소하고 노이즈가 많은 신호: 단일 세포 RNA-seq 데이터는 고해상도 이질성을 제공하지만, 드롭아웃 (dropout), 배치 효과, 기술적 노이즈로 고통받습니다. 반면, 벌크 전사체 분석은 세포 수준의 해상도가 부족합니다. 생물학적 이질성을 보존하면서 이를 연결하는 것은 어렵습니다.
3. 잘못된 문제 (Ill-Posed Nature) 의 본질: 전사체는 기능적 효과를 인코딩하지만 고유한 원자 청사진은 아닙니다. 많은 서로 다른 분자 구조가 유사한 전사체 서명을 생성할 수 있으므로, 단일 고유 역해를 찾는 것보다 분포적 접근이 필요합니다.
4. 평가 한계: 대규모 실험실 검증은 비용이 많이 들기 때문에, 데이터 누출과 암기를 방지하기 위해 엄격한 대리 지표 (proxy metrics) 와 분포 외 (OOD) 프로토콜이 필요합니다.

2. 방법론: CURE 프레임워크

저자들은 CURE(A CellUlar Response Engine)를 제안합니다. 이는 다중 해상도 전사체 유도 확산 프레임워크입니다. 아키텍처는 **전사체 교란 기능 특징 추출기 (TFE)**와 **교란 특징 유도 분자 그래프 확산 모델 (PMD)**이라는 두 가지 주요 구성 요소로 구성됩니다.

2.1. 전사체 교란 기능 특징 추출기 (TFE)

TFE 는 원시 전사체 데이터에서 견고하고 기능 지향적인 임베딩을 정제하면서 이를 화학 도메인과 정렬하도록 설계되었습니다. 세 가지 전문 모듈로 구성됩니다:

• 이질성 인식 전사체 집계 (TFE-H):

  • 문제: 단일 세포 데이터의 단순 평균화는 하위 집단 이질성을 붕괴시켜 특정 약물 반응을 흐리게 합니다.
  • 해결책: 이 모듈은 사전 훈련된 SCimilarity 기반 모델을 사용하여 희소한 원시 발현 프로파일을 조밀한 잠재 매니폴드로 투영합니다. 그런 다음 주기 계층화 구조적 집계 (Cycle-Stratified Structured Aggregation) 전략을 사용하여 세포를 세포 주기 단계 (G1, S, G2/M) 와 전사 클러스터별로 분할합니다. 이러한 생물학적으로 일관된 그룹 내에서 계층적 샘플링과 지역적 집계를 수행합니다. 이는 구조적 디노이저 (denoiser) 역할을 하여 기술적 노이즈를 부드럽게 하면서도 정밀한 설계에 필수적인 분포적 변동성과 하위 집단 이질성을 보존합니다.

• 양방향 전사체 교란 신호 상호작용 (TFE-I):

  • 문제: 복잡한 세포 배경에서 인과적 교란 서명을 추출하는 것.
  • 해결책: 이중 스트림 아키텍처가 $T_{pre}$와 $T_{post}$를 별도로 처리합니다. 대칭적 교차 주의 (symmetrical Cross-Attention) 메커니즘을 사용하여 두 상태가 서로를 상호 주의하며, 약물로 유도된 차등 유전자 발현 패턴을 강조하기 위해 상태를 동적으로 정렬합니다. 이후 자기 주의 (Self-Attention) 계층이 상태 내 의존성을 정제합니다. 스트림은 적응형 유닛을 통해 융합되어 기본 세포 변형과 무관한 컴팩트한 기능 지향 임베딩을 생성합니다.

• 이중 뷰 분자 도메인 정렬 (TFE-A):

  • 문제: 생물학적 잠재 공간과 화학 공간 간의 의미적 간극을 연결하는 것.
  • 해결책: 추출된 생물학적 특징 $z$를 구조적 유효성과 기능적 특이성을 모두 보장하기 위해 두 가지 보완적인 화학 도메인으로 투영합니다:
    1. 글로벌 위상적 정렬: $z$를 사전 훈련된 계층적 그래프 오토인코더 (VAE) 의 잠재 공간과 정렬하여 기본 화학 규칙 (원자가, 고리 구조) 을 강제합니다.
    2. 로컬 생체 활성 정렬: **스파스 인식 생체 활성 제약 (Sparse-Aware Bioactivity Constraint)**을 사용하여 $z$를 Morgan Fingerprints와 정렬합니다. 이는 희소 회귀와 레이블 유도 대비 학습을 결합하여 연속적 특징을 로컬 약리단 (pharmacophores) 의 고차원 희소 이산 공간에 매핑합니다.

2.2. 교란 특징 유도 분자 그래프 확산 (PMD)

• 백본: Diffusion Transformer (DiT) 아키텍처 기반의 그래프 확산 트랜스포머 (Graph Diffusion Transformer).
• 프로세스: 모델은 마르코프 체인 주도 순방향 과정을 사용하여 분자 그래프 특징 (원자와 결합) 에 노이즈를 추가하고, 신경망 파라미터화된 역방향 과정을 사용하여 그래프를 재구성합니다.
• 조건부 설정: 교란 임베딩 $C$(TFE 의 출력) 는 **적응형 레이어 정규화 (AdaLN)**를 통해 확산 과정에 주입됩니다.
• 훈련: 모델은 조건부 생성 안정성을 향상시키기 위해 동적 특징 드롭 및 노이즈 주입을 사용하는 **클래스리버 프리 가이드 (Classifier-Free Guidance, CFG)**를 적용합니다. 훈련 목적 함수는 역방향 과정의 음의 로그 가능도를 최소화합니다.

3. 실험 설정 및 평가

저자들은 벌크(L1000 데이터셋) 및 단일 세포(Tahoe-100M 데이터셋) 데이터 모두에서 CURE 를 평가했습니다.

• 베이스라인: 강력한 TBDD 베이스라인인 GexMolGen, Gx2Mol, TRIOMPHE 와 비교했습니다. 단일 세포 데이터의 경우, 네이티브 단일 세포 생성 베이스라인이 없으므로 공정한 비교를 위해 **가상 벌크 프로파일링 (pseudo-bulk profiling, 평균화)**을 사용하여 베이스라인을 적응시켰습니다.
• 평가 프로토콜:
  • 분포 내 (In-Distribution): 표준 무작위 분할.
  • 분포 외 (Out-of-Distribution, OOD):
    • 보이지 않는 세포주: 계층적 생물학적 분할 (불연속 조직/종양 유형).
    • 보이지 않는 약물: 구조적 암기를 방지하기 위한 스케폴드 수준 분할 (Bemis-Murcko 스케폴드).
• 지표:
  • 구조적: 커버리지 (Coverage), 고유성 (Uniqueness), 유사성 (Similarity), Fréchet ChemNet 거리, QED, 합성 가능성 (SA), 유효성 (Validity).
  • 기능적: Fraggle 및 Morgan 유사성 (스케폴드/원자 환경), PRnet MSE(독립 예측기를 사용하여 예측된 교란 프로파일과 실제 교란 프로파일 간의 평균 제곱 오차).
  • Zero-Shot 작업: 유전자 억제제 설계 (보이지 않는 유전자 녹아웃을 위한 분자 생성) 및 약물 스크리닝 (Top-K 검색).

4. 주요 결과

• 우수한 성능: CURE 는 분포 내 및 OOD 설정 모두에서 벌크 및 단일 세포 모달리티 전반에 걸쳐 모든 베이스라인을 일관되게 능가했습니다.
  • 가장 높은 커버리지(벌크에서 최대 100%) 와 고유성을 달성하면서도 가장 낮은 Fréchet ChemNet 거리를 유지하여 암기가 아닌 진정한 생성적 탐색을 나타냈습니다.
  • 단일 세포 설정에서 CURE 는 견고한 성능을 유지한 반면, 베이스라인은 단순 평균화로 인한 신호 희석으로 심각한 성능 저하를 겪었습니다.
• 기능적 일관성: CURE 는 훨씬 낮은 PRnet MSE(예: 벌크에서 Gx2Mol 의 2.5987 대비 0.2328) 를 달성하여 생성된 분자가 목표 서명과 매우 일관된 전사체 상태를 유도함을 입증했습니다.
• Zero-Shot 유전자 억제제 설계: 10 개의 표준 유전자를 대상으로 한 Zero-Shot 작업에서 CURE 는 다음을 가진 분자를 생성했습니다:
  • 알려진 억제제에 대한 더 높은 구조적 유사성 (Morgan Fingerprints).
  • 베이스라인보다 더 강한 예측 결합 친화도 (낮은 kcal/mol), 종종 도킹 점수에서 알려진 억제제를 능가함 (예: EGFR 의 경우 -9.11 kcal/mol vs -7.30).
• 애블레이션 연구:
  • TFE-H를 제거하면 단일 세포 성능이 현저히 저하되어 이질성 인식 집계의 필요성을 확인했습니다.
  • TFE-I또는 TFE-A를 제거하면 기능적 붕괴 또는 약리단 충실도 손실이 발생하여 이중 뷰 정렬 전략을 검증했습니다.
  • 그래프 확산 백본은 SMILES 디코더나 그래프 VAE 에 비해 기능적 충실도에 결정적인 것으로 입증되었습니다.

5. 중요성 및 주장

본 논문은 TBDD 를 생성적 역문제로서 최초로 엄격하게 공식화하고 이를 위한 체계적인 평가 프레임워크를 도입했다고 주장합니다.

• 모달리티 연결: CURE 는 이질성 인식 집계와 이중 뷰 정렬을 통해 생물학 (전사체) 과 화학 (분자 그래프) 간의 교차 모달 간극을 성공적으로 연결하여, 노이즈가 많고 희소한 생물학적 데이터에 대한 견고한 조건부 설정을 가능하게 합니다.
• 기능 지향적 발견: 이 연구는 표현형 주도 생성적 발견이 SBDD 의 대안으로 타당하며, 구조 데이터가 unavailable 하거나 복잡한 다중 경로 질병의 표적에 대한 분자를 설계할 수 있음을 보여줍니다.
• 실용적 유용성: Zero-Shot 유전자 억제제 설계 및 약물 스크리닝 결과는 CURE 가 대규모 화학 라이브러리를 시간 민감 치료 응용을 위한 관리 가능한 고충실도 후보 집합으로 정제할 수 있는 잠재력을 강조합니다.
• 겸손함: 저자들은 생성된 분자가 강력한 in silico 일관성과 결합 잠재력을 보이지만, 임상적 고려 전에 광범위한 실험적 검증이 필요하다고 인정합니다. 또한 생성적 분자 설계의 이중 사용 잠재력을 언급하지만, 표준 윤리적 고려 사항을 넘어 특정 사회적 위험을 강조하지는 않습니다.

요약하자면, CURE 는 전사체 교란을 활용하여 분자 생성을 안내함으로써 도메인 간격, 데이터 희소성, 역 약물 설계의 잘못된 문제 본질이라는 과제를 효과적으로 해결하는 견고하고 기능 지향적인 신약 설계 프레임워크를 제공합니다.