기술 요약: 단일 세포 교란 예측을 위한 잠재 역동적 인과 과정 학습

문제 정의

단일 세포 교란 예측은 유전적 또는 화학적 개입에 대한 세포의 반응을 모델링하여, 보지 못한 교란 하에서의 반응 (Out-of-Distribution 또는 OOD 일반화) 을 예측하는 것을 목표로 합니다. 핵심적인 도전 과제는 기존 머신러닝 접근법이 교란 반응의 두 가지 불가분의 특성을 오직 하나만 다루는 데 그친다는 점입니다:

1. 지연성 (Latency): 교란은 관찰된 유전자 발현에 직접 작용하는 것이 아니라, 관찰되지 않은 세포 프로그램 (잠재 변수) 을 통해 작용합니다.
2. 역동성 (Dynamics): 이러한 잠재 프로그램의 상태는 시간에 따라 진화하며, 서로 다른 시점에서의 관찰된 유전자 발현 프로파일을 생성합니다.

현재의 방법론들은 잠재 인과 메커니즘을 학습하지만 반응을 정적인 스냅샷으로 취급하여 시간적 진화를 무시하거나, 유전자 발현의 시간적 변화를 모델링하지만 이러한 변화를 주도하는 근본적인 인과 생성 메커니즘을 명시적으로 포착하지 못합니다. 본 논문은 잠재 세포 프로그램과 그 시간적 진화를 동시에 포착하는 통합 프레임워크를 제안함으로써 이러한 격차를 해소합니다.

방법론: CITE-VAE

저자들은 CITE-VAE(Causality-Inspired temporal Variational AutoEncoder, 인과성 영감 시간적 변분 오토인코더) 를 제안하며, 이는 잠재 역동적 인과 생성 모델에 기반한 학습 프레임워크입니다.

1. 생성 모델

이 모델은 시간 $t$에서의 잠재 세포 상태 $z_t$를 두 가지 구성 요소로 분해합니다:

• 교란 불변 배경 프로그램 ($z_t^\iota$): 개입의 영향을 받지 않는 안정적인 세포 상태를 나타냅니다.
• 교란 반응 메커니즘 ($z_t^\nu$): 개입에 의해 주도되는 동적 상태를 나타냅니다.

생성 과정은 다음과 같이 공식화됩니다:

• 외생 노이즈: 불변 노이즈 $n_t^\iota$는 독립적이며, 반응 노이즈 $n_t^\nu$는 교란 레이블 $u$가 주어졌을 때 조건부 독립입니다.
• 잠재 역동성:
  • 불변 상태는 시간 불변 전이를 통해 진화합니다: $z_t^\iota = f_\iota(z_{t-1}^\iota) + n_t^\iota$.
  • 반응 상태는 부모와 개입에 의존하는 구조적 인과 방정식을 통해 진화합니다: $z_{t,\nu,j}^t = f_{\nu,j}(z_{t-1}^{pa(j)}, u) + n_{t,\nu,j}$.
• 관찰: 관찰된 유전자 발현 $x_t$는 시간 불변이며 매끄럽고 가역적인 매핑 $g(z_t)$를 통해 생성됩니다.

2. 이론적 식별 가능성

이 논문은 특정 가정 하에 잠재 인과 변수가 식별 가능 (사소한 동치 클래스까지 회복 가능) 함을 증명하는 이론적 분석을 제공합니다. 주요 가정은 다음과 같습니다:

• 환경 충분성: 반응성 혁신 (innovations) 에서 뚜렷한 분포 변화를 유도하기에 충분히 다양한 교란이 존재합니다.
• 최적 시간 정렬: 학습된 불변 표현은 환경 간에 안정적입니다 (정렬 손실을 최소화).
• 시간적 개입 충분성: 각 반응 좌표에 대해 부모의 기여가 제거되는 환경이 존재합니다 (강한 개입).

정리 4.1은 불변 블록이 가역적 선형 변환까지 식별 가능하고, 반응 블록은 순열 및 성분별 스케일링까지 식별 가능함을 확립합니다.

3. 학습 프레임워크

이론적 보장을 실제 알고리즘으로 전환하기 위해 CITE-VAE 는 세 가지 구성 요소로 이루어진 결합 목적 함수를 최적화합니다:

1. 시간적 ELBO (가능도 최대화): 잠재 변수가 관찰된 스냅샷을 재구성하고 개입 하에서의 시간적 진화를 설명하기에 충분한 정보를 유지하도록 보장합니다.
2. 불변 정렬 손실: 추론된 불변 표현 ($z^\iota$) 이 서로 다른 교란 환경 간에 일관되게 유지되도록 강제하여 불변 요인과 반응 요인의 얽힘을 방지합니다.
3. 구조적 희소성 정규화: 과적합을 완화하고 해석 가능한 인과 구조를 촉진하기 위해 (학습 가능한 하삼각 인접 행렬을 통해) 반응 전이 메커니즘에서 희소 의존성을 장려합니다.

학습은 파괴적인 단일 세포 시퀀싱에서 세포별 페어링이 불가능하므로, 인접 시점의 스냅샷 페이크 페어를 사용하여 시간적 전이를 근사합니다.

주요 기여

1. 통합 모델: 정적 인과 모델 또는 순수 시간적 모델의 한계를 극복하며, 잠재 세포 프로그램과 그 시간적 진화를 동시에 포착하는 잠재 역동적 인과 생성 모델을 제안합니다.
2. 식별 가능성 분석: 가능도 기반 학습과 불변 정렬을 결합할 때 잠재 인과 변수가 (사소한 변환까지) 고유하게 회복될 수 있음을 보여주는 엄격한 이론적 보장을 제공합니다.
3. CITE-VAE 알고리즘: ELBO, 정렬, 희소성 목적의 특정 조합을 통해 이러한 식별 가능성 조건을 실현하는 이론 주도 변분 오토인코더 프레임워크를 개발합니다.
4. 실증적 검증: 합성 벤치마크와 실제 세계 단일 세포 CRISPR 교란 데이터 모두에서 방법론의 유효성을 입증합니다.

실험 결과

합성 데이터 (Causal-3DIdent)

Causal-3DIdent 벤치마크에 대한 실험은 이론적 식별 가능성 결과를 검증합니다.

• 회복: 모델은 불변 요인에 대해 높은 정확도 ($R^2 > 0.95$) 로, 반응 요인에 대해 $0.959$의 정확도로 실제 지상 진리 (ground-truth) 잠재 요인을 성공적으로 회복합니다.
• 궤적 시각화: 투영된 잠재 궤적은 실제 지상 진리 물리적 운동을 밀접하게 추적하여, 모델이 시간에 따른 일관된 상태 전이를 포착함을 확인시켜 줍니다.

실제 세계 데이터 (hiPSC CRISPR 교란)

OOD 일반화를 위해 Leave-One-Intervention-Out (LOO) 프로토콜을 사용하여 23 개의 단일 유전자 녹아웃이 포함된 종단적 인간 유도 만능 줄기세포 (hiPSC) 데이터셋에서 평가되었습니다.

• 성능: CITE-VAE 는 잠재 인과 모델 (SAMS-VAE, Discrepancy-VAE), 시간적 역동 모델 (RENGE, scNODE), 그리고 파운데이션 모델 (scGPT, UCE) 을 포함한 최첨단 베이스라인을 능가합니다.
• 지표: 차등 발현 (DE) 유전자 지표에서 우수한 성능을 달성합니다 (예: SAMS-VAE 의 0.621 대비 $\Delta$ 피어슨 상관관계 0.691) 이면서 경쟁력 있는 전장 유전체 재구성 정확도 ($R^2 > 0.95$) 를 유지합니다.
• 절제 실험: 정렬 또는 희소성 정규화 요소를 제거하면 DE 중심 지표에서 성능이 현저히 저하되어, 교란 반응 메커니즘을 포착하기 위해 결합 목적 함수가 필수적임을 확인시켜 줍니다.

보조 벤치마크 (E-MTAB-14065)

클론 수준의 변이가 있는 심장 분화 데이터셋에서 CITE-VAE 는 안정적인 베이스라인 중 가장 낮은 RMSE 를 달성했으며, DE 지표에서 강력한 성능을 유지하여 서로 다른 생물학적 컨텍스트 전반에 걸친 견고함을 입증했습니다.

중요성과 주장

이 논문은 교란 반응의 잠재적이고 역동적인 성격을 명시적으로 모델링함으로써 CITE-VAE 가 보지 못한 교란에 대한 원칙적인 일반화를 달성한다고 주장합니다. 그 중요성은 다음과 같습니다:

• 이론적 기반: 학습 목적과 실제 인과 메커니즘 회복을 연결하는 식별 가능성 보장을 제공하여 휴리스틱 접근법을 넘어섭니다.
• 실용적 견고성: 엄격한 가정이 실제 생물학적 데이터에서 단지 근사적으로만 충족되더라도 이론적 통찰이 유효함을 입증하여, 보지 못한 유전자 녹아웃 예측을 개선합니다.
• 방법론적 통찰: 역동적이고 교란된 시스템에서의 효과적인 표현 학습은 생성 모델링과 불변 제약의 결합을 필요로 하며, 어느 하나에 의존해서는 안 됨을 강조합니다.

저자들은 대부분의 인과 표현 학습 작업과 마찬가지로 이 접근법이 (가산 노이즈, 충분한 환경 다양성 등) 모든 실제 시나리오에서 엄격하게 성립하지 않을 수 있는 가정에 의존한다고 인정합니다. 그러나 실증적 결과는 근사적 조건 하에서도 방법론이 견고하고 유익함을 시사합니다.