기술 요약: 해석 가능하고 제어 가능한 세포 편집을 위한 단일 세포 개념 병목 생성 모델 (scCBGM)

문제 정의

세포 표현형과 자극(예: 약물, 사이토카인)에 대한 반응을 이해하는 것은 질병 생물학 및 치료 설계에 매우 중요하다. 단일 세포 RNA 시퀀싱(scRNA-seq)은 세포 해상도에서 특성을 파악할 수 있게 해주지만, 조건(처리, 용량, 세포 유형)의 조합 공간이 너무 방대하여 모든 실험적 매핑을 수행하는 것은 불가능하다. 따라서 관찰되지 않은 조건 하에서의 세포 반응을 예측할 수 있는 계산 모델이 필요하다.

이러한 모델에는 **정밀한 세포 편집(precise cellular editing)**이라는 특정 능력이 요구된다. 즉, 관찰된 세포를 시작점으로 하여 다른 특성은 보존하면서 특정 생물학적 특성(개념)만을 체계적으로 수정하는 능력이다. 이는 단순히 주어진 조건에 따른 세포를 생성하는 조건부 생성(conditional generation)과는 다르며, 특정 세포를 변경된 조건 하에서 타겟팅하여 반사실적 추론(counterfactual reasoning)을 가능하게 한다 (예: "만약 이 특정 T세별의 NF-kB 경로가 차단된다면 이 세포는 어떤 모습이 될 것인가?").

기존 방법론들은 다음과 같은 두 가지 주요 한계점에 직면해 있다:

1. 세포 수준의 반사실적 모델 부재: 많은 모델이 집단 수준의 효과나 조건부 분포는 포착하지만, 개별 세포에 대한 반사실적 생성을 수행하지 못한다.
2. 해석 가능한 제어의 부족: 일부 방법은 해석 가능성을 제공하지만, 이는 주로 상관관계를 설명하는 기술적(descriptive) 수준에 머물며 실행 가능한(actionable) 수준(즉, 반응을 시뮬레이션하거나 편집하는 것)에는 도달하지 못한다. 반대로, 미세한 제어가 가능한 생성 모델들은 대개 생물학적으로 의미 있는 개념 대신 불투명한 잠재 변수에 의존한다.

방법론: scCBGM

저자들은 해석 가능하고 제어 가능한 세포 편집을 위해 설계된 프레임워크인 **단일 세포 개념 병목 생성 모델(scCBGM)**을 소개한다. 이 접근 방식은 개념 병목 모델(CBM)과 개념 병목 생성 모델(CBGM)을 scRNA-seq 데이터의 고유한 과제들, 즉 높은 이질성, 기술적 노이즈, 신뢰할 수 없는 개념 주석(annotation) 문제를 해결하도록 적응시킨 것이다.

1. 문제 정식화

본 프레임워크는 Pearl의 구조적 인과 모델(SCM)을 채택한다. 유전자 발현 $X$는 관찰된 개념 $C$(예: 세포 유형, 자극 상태)와 관찰되지 않은 잔차 요인 $U$(예: 배치 효과, 세포 정체성)의 영향을 받는다. 목표는 특정 세포 $x$의 개념이 $c$에서 $c'$로 변경되었을 때, 관찰되지 않은 요인 $U$를 일정하게 유지하면서 나타날 반사실적 결과 $X'$를 예측하는 것이다. 이는 $x$에 대해 $\hat{x}' = f_\theta(x, c') \approx \mathbb{E}[f_X(c', U) | X=x]$를 학습하는 것으로 정식화된다.

2. 아키텍처

모델은 개념 병목(concept bottleneck)을 가진 인코더-디코더 설계를 따른다:

• 인코더(Encoder): 입력 유전자 발현 $x$를 잠재 분포 $z$로 매핑한다.
• 개념 병목(Concept Bottleneck): $z$를 다음으로 분해한다:
  • 알려진 요인 ($\hat{c}$): $K$개의 생물학적 개념에 대한 예측값.
  • 알려지지 않은 요인 ($u$): $\hat{c}$로 설명되지 않는 변동을 포착하는 표현.
• 스킵 연결이 포함된 디코더(Decoder with Skip Connections): 표준 CBGM과 달리, 디코더는 $[u, \hat{c}]$의 결합을 입력으로 받는다. 결정적으로, **스킵 연결(skip connections)**은 알려진 개념 $\hat{c}$를 디코더의 모든 층에 전달한다. 이는 생성 과정 전반에 걸쳐 개념에 대한 체계적인 조건화를 강제함으로써, 노이즈가 많은 주석에 대한 견고성을 높인다.

3. 학습 목적 함수

모델은 $\beta$-VAE의 증거 하한(ELBO)에서 유도된 손실 함수를 최소화하도록 학습되며, 여기에 특정 페널티가 추가된다:

• 재구성 손실(Reconstruction Loss): 예측된 유전자 발현과 관찰된 유전자 발현 사이의 차이를 최소화한다.
• 개념 감독($L_{concept}$): 잠재 공간으로부터 개념을 예측하며, 바이너리 마스크를 통해 누락된 주석을 처리한다.
• 교차 공분산 페널티($L_{cc}$): 알려진 개념 $\hat{c}$와 알려지지 않은 요인 $u$ 사이의 독립성을 강제하기 위해, 모델은 이들의 경험적 교차 공분산의 제곱 프로베니우스 노름(Frobenius norm)을 페널티로 부여한다. 코사인 유사도 손실과 달리, 이 방식은 차원 제약($K \neq d_u$)을 부과하지 않아 유연한 임베딩 크기를 허용한다.

4. Flow Matching으로의 확장

프레임워크는 VAE를 넘어 Flow Matching (FM) 모델로 확장된다. Flow matching 벡터 필드를 scCBGM 임베딩($[u, \hat{c}]$)으로 조건화함으로써, 저자들은 두 가지 체제에서 개념 가이드 편집을 가능하게 한다:

• 디코딩 전용(Decoding-only): 편집된 개념에 조건화된 노이즈로부터 샘플링한다 (다양한 예시를 생성하는 데 유용).
• 인코딩-디코딩(Encoding-Decoding): 특정 세포를 노이즈로 매핑(abduction)하고, 개념을 편집한 후, 다시 디코딩(action/prediction)한다. 이는 반사실적 생성을 위한 '추론-행동-예측(abduction-action-prediction)' 프레임워크를 엄격하게 구현한다.

주요 기여

1. 아키텍처 수정: 지속적인 개념 조건화를 위한 디코더 스킵 연결과 차원 제약 없는 디커플링 임베딩을 위한 교차 공분산 페널티를 도입했다.
2. 프레임워크 확장: CBGM을 Flow Matching 모델로 확장하여, 고충실도 생성과 해석 가능한 제어를 동시에 가능하게 했다.
3. 합성 벤치마크 개발: 외생적 노이즈와 조건을 분리하는 계층적 과분산 포아송 모델(hierarchical overdispersed Poisson model) 기반의 합성 데이터 생성 프로세스를 개발하여, 엄격한 평가를 위한 그라운드 트루스(ground-truth) 반사실적 데이터를 확보했다.
4. 실증적 검증: 여러 실제 데이터셋과 합성 벤치마크를 통해 조합 일반화(combinatorial generalization) 및 반사실적 예측 성능이 우수함을 입증했다.

결과

논문은 세 가지 실제 데이터셋(Kang et al., 2017; Cui et al., 2024; Nault et al., 2023)과 합성 데이터를 사용하여 scCBGM을 평가한다.

• 합성 데이터 평가: scCBGM은 모든 노이즈 수준과 시나리오에서 표준 CBGM보다 뛰어난 성능을 보였다. 절제 연구(ablation study)를 통해 개념 병목 아키텍처, 교차 공분산 손실, 그리고 스킵 연결의 결합이 최상의 성능을 낸다는 것을 확인했다.
• 실제 데이터 벤치마킹: 그라운드 트루스 세포 수준의 반사실적 데이터가 없는 경우, 집단 수준의 프록시 지표(rMMD, rFID, rSD)를 사용하여 평가했을 때, scCBGM과 그 Flow Matching 변형인 scCBGM-FM은 Kang 데이터셋의 7개 실험 중 5개, Cui 데이터셋의 7개 실험 중 4개에서 최신 SOTA 베이스라인(scGen, CINEMA-OT, biolord, Vanilla-FM 포함)을 일관되게 능가했다.
• 제로샷 일반화(Zero-Shot Generalization): 모델은 훈련 중에 보지 못한 세포 유형-자극 조합(예: 자극된 Naive CD4 T 세포)에 대한 반응을 성공적으로 예측하여 강력한 조합적 일반화 능력을 보여주었다.
• 연속적 용량 반응(Continuous Dose Response): Nault et al. 데이터셋에서 scCBGM은 연속적인 용량 반응을 효과적으로 모델링하여, 훈련 세트에 존재하지 않는 중간 단계의 TCDD 용량에 대한 유전자 발현을 예측했다.
• 사례 연구 (약물 반응 강화): 저자들은 간 성상 세포(hepatic stellate cells)에서 치료 반응을 매개하는 핵심 경로(TGF$\beta$, PI3K, p53)를 식별하는 사용 사례를 보여준다. In silico 편집을 통해 세포를 제어하여 이러한 경로를 활성화함으로써, 모델이 세포 집단의 표현형을 고용량 반응자와 유사하게 변화시키는 데 성공했음을 보여주었다. 이는 세포 저항성을 극복하기 위한 기전적 경로를 제시한다.

의의 및 주장

본 논문은 scCBGM이 개별 세포 수준에서 생물학적으로 해석 가능한 제어를 통해 정밀한 반사실적 편집을 가능하게 하는 개방형 과제를 해결한다고 주장한다.

• 해석 가능성 및 실행 가능성: 기술적(descriptive) 해석 방법과 달리, scCBGM은 연구자가 특정 생물학적 개념(예: 경로 활성, 약물 용량)에 개입하여 세포 반응을 시뮬레이션할 수 있게 한다.
• 견고성: 아키텍처는 scRNA-seq의 전형적인 특징인 노이즈가 많고 불완전한 개념 주석을 처리하도록 특별히 설계되었다.
• 치료 설계: 실험적으로 매핑하기 어려운 세포 반응의 조합 공간을 탐색함으로써, 이 프레임워크는 치료 설계 및 기전적 가설 생성을 가속화하는 것을 목표로 한다.

저자들은 실제 데이터에서 진정한 세포 단위의 반사실적 결과를 관찰할 수 없다는 점(검증을 위해 집단 수준의 프록시가 필요함)과, 모델이 알려진 개념의 새로운 조합에는 일반화되지만 훈련에 없는 완전히 새로운 개념에는 일반화되지 않는다는 점을 인정하며 한계점에 대해 겸허한 태도를 유지한다. 또한, 고충실도 생성 모델과 관련된 윤리적 위험, 즉 엄격한 실험적 검증 없이 생물학적 데이터를 조작하거나 잘못된 치료 리드를 생성할 가능성에 대해서도 언급한다.