Measurement-limited learning of conformational heterogeneity in cryo-electron microscopy

기술 요약: 저온 전자 현미경(Cryo-EM)의 측정 제한적 구조적 이질성 학습

문제 정의
저온 전자 현미경(cryo-EM)은 개별 입자를 샘플링함으로써 생체 분자의 구조적 경관(conformational landscapes)을 추론할 수 있는 경로를 제공한다. 그러나 이미지는 간접적이고 노이즈가 섞인 측정값이기 때문에, 기저의 구조적 경관 중 어떤 특징을 학습할 수 있는지에 대해서는 근본적인 통계적 한계가 존재한다. 앙상블 재가중치(ensemble reweighting) 접근 방식에서는 구조적 공간을 유한한 대표 구조 세트와 그에 따른 추론된 인구 가중치로 이산화한다. 여기서 발생하는 핵심적인 과제는 이러한 대표 구조들을 선택하는 문제이다. 모델의 명목상 해상도는 더 많은 구조를 추가할수록 높아지지만, 인접한 구조들은 종종 매우 중첩되는 이미지 분포를 생성한다. 이러한 중첩은 파라미터의 식별 불가능성(unidentifiability)을 초래하는데, 즉 구별 불가능한 구조들 사이에서 가중치를 재분배하는 것이 예측된 관측값에 미미한 변화만을 일으키기 때문에 가중치를 추정하는 것이 어렵거나 불가능해진다. 본 논문은 측정 과정의 제약 조건 하에서 앙상블 가중치의 학습 가능성을 극대화하기 위해 구조적 공간을 어떻게 이산화해야 하는가라는 근본적인 질문을 다룬다.

방법론
저자들은 확률적 순방향 모델(probabilistic forward model) 하에서 앙상블 가중치($\alpha$)와 관측된 cryo-EM 이미지($Y$) 사이의 상호 정보량(mutual information, MI)을 극대화함으로써 대표 구조를 선택하는 정보 이론적 프레임워크를 개발하였다.

1. 확률적 순방향 모델: 이미징 과정을 혼합 모델(mixture model)로 모델링한다. 각 이미지 $y$는 잠재적 구조 $x$(가중치 $\alpha$를 가진 이산 집합 $\{x_m\}$에서 선택됨)에 의해 생성되며, 실험적 노이즈, 미지의 방향, 중심 이동, 그리고 현미경 효과(예: 대비 전달 함수, CTF)에 의해 오염된다.
2. 상호 정보량 목적 함수: 모델의 학습 가능성은 데이터 $Y$를 관찰한 후 가중치 $\alpha$에 대한 불확실성이 감소하는 기대치를 측정하는 $I(\alpha; Y)$로 정량화된다. 이 양은 실험 데이터 없이 순방향 모델과 사전 가정을 사용하여 사전적으로(a priori) 평가된다.
3. 해석적 근사: 대규모 데이터셋($N$)에 대해, 저자들은 사후 분포의 가우시안 근사를 사용한다. 이들은 MI가 피셔 정보 행렬(Fisher Information Matrix, FIM) $F_{y|\alpha}$의 고윳값($\lambda_k$)들의 합과 대략적으로 일치함을 도출한다. FIM은 특정 구조가 이미지를 생성했을 확률을 나타내는 "책임 벡터(responsibility vectors)"와 직접적으로 연관되어 있으며, 이는 이미지 분포 $P(y|x_m)$ 간의 중첩 정도를 정량화한다.
4. 최적화 전략:
   • 1D 해석적 모델: 최소 단위인 1D 가우시안 모델을 사용하여, 측정 노이즈가 대표 구조들 사이의 최적 간격($\Delta^*$)을 설정함을 해석적으로 입증한다.
   • 고차원 적용: 이 프레임워크를 Tetrahymena thermophila 그룹 I 인트론 리보자임의 분자 역학(MD) 시뮬레이션에 적용하였다. 중첩된 앙상블은 farthest-point 알고리즘(구조적 다양성 극대화)을 사용하여 구축되었으며, 계층적 k-medoids 클러스터링(밀도 기반)과 비교되었다. 최적의 앙상블 크기 $M^*$은 조건부 MI $I(\alpha; Y | \Theta)$를 극대화함으로써 결정된다 (여기서 $\Theta$는 알려진 이미징 파라미터를 나타냄).

주요 결과

• 이미지 중첩 및 식별 가능성: 저자들은 이미지 분포 간의 중첩이 피셔 정보 행렬의 고윳값을 감소시킨다는 것을 해석적으로 입증하였다. 구조들이 이미지 공간에서 너무 가까우면(노이즈 대비), 파라미터 공간에서의 해당 방향은 식별하기 어려워져 데이터로부터 얻을 수 있는 상호 정보량이 감소한다.
• 노이즈에 의해 정의된 해상도: 1D 가우시안 모델에서 최적 간격 $\Delta^*$는 측정 노이즈($\sigma$)와 샘플 크기($N$)의 함수로 도출된다. 결정적으로, $\Delta^*$는 $N$에 따라 약하게 스케일링된다($\sim (\log N)^{-1/2}$). 이는 최적의 이산화가 입자 수가 아니라 주로 측정 노이즈 수준에 의해 결정됨을 의미한다.
• 앙상블 구축의 트레이드오프: 고차원 cryo-EM 환경에서 상호 정보량 곡선은 유한한 앙상블 크기 $M^*$에서 정점을 찍는다.
  • 작은 데이터셋($N$)의 경우, MI가 빠르게 포화되어 가장 구별 가능한 상태(예: 열린 구조와 닫힌 구조의 RNA 구조)만을 지원한다.
  • 큰 데이터셋($N \gtrsim 10^4$)의 경우, 최적의 앙상블 크기가 증가하여 더 미세한 이질성을 분해할 수 있게 된다.
  • farthest-point 알고리즘(구조적 공간의 커버리지를 우선시함)을 통해 구축된 앙상블이 전체 범위의 학습 가능한 이질성을 포착하는 데 있어 k-medoids 앙상블보다 우수한 성능을 보인다. 특히 $N$이 증가할수록 그 차이가 두드러진다.
• 측정에 의한 조립(Coarse-Graining): 본 연구는 측정 과정 자체가 구조적 공간의 "최대 학습 가능 조립(maximally learnable coarse-graining)"을 유도함을 확인한다. 분자 좌표상으로는 구별되는 구조들이 이미지 공간에서는 통계적으로 구별 불가능할 수 있으며, 본 프레임워크는 특정 노이즈 및 이미징 조건 하에서 분해 가능한 구조들의 부분 집합을 선택한다.

의의 및 주장
본 논문은 cryo-EM의 구조적 이질성에 대한 측정 기반의 원칙적인 해상도 한계를 설정한다고 주장한다. 이미지 형성의 물리적 과정과 평형 앙상블의 학습 가능한 자유도를 연결함으로써, 이 프레임워크는 중복을 피하면서 이질성을 포괄하는 최적에 가까운 앙상블을 구축하는 방법을 제공한다.

주요 기여는 다음과 같다:

• 사전적 모델 선택: 실험 데이터를 관찰하기 전에 순방향 모델과 사전 가정만을 사용하여 최적의 구조적 표현을 평가하고 선택할 수 있는 능력.
• 해상도 한계의 정의: 해상도를 단순히 공간적 세부 사항이 아니라, 노이즈 및 식별 가능성 제약 조건 하에서 구조적 경관을 신뢰성 있게 추론할 수 있는 척도로 정의함.
• 일반화 가능성: 저자들은 이 논리가 다른 형태의 이질성 표현(예: 신경망 맵)이나 앙상블 평균 측정값(SAXS, NMR, FRET 등)에도 적용될 수 있음을 언급하며, 목표가 관측값에 구별 가능한 영향을 주는 구조들의 가중치를 선택하는 것임을 밝히고 있다.

본 연구는 최대 엔트로피(MaxEnt) 접근 방식과 상호 보완적인 위치에 있다. MaxEnt가 고정된 앙상블에 대해 가중치를 어떻게 업데이트할지를 다룬다면, 본 프레임워크는 앙상블에 어떤 구조를 포함시켜야 할지를 다룬다. 결과는 "학습 가능한" 구조적 상태가 특정 이미징 실험의 제약 조건 하에서 상호 정보량을 극대화하는 상태임을 시사한다.