CoDiffGRN: Rethinking Gene Regulatory Network Inference via the BEELINE-KGC Benchmark and Co-evolutionary Discrete Diffusion

당신의 몸을 활기차고 첨단 기술이 집약된 하나의 도시라고 상상해 보세요. 이 도시에서 모든 세포는 각기 고유한 직업을 가진 독특한 동네와 같습니다. 어떤 곳은 근육 세포의 동네이고, 어떤 곳은 신경 세포의 동네이며, 또 어떤 곳은 면역 방어군의 동네입니다. 하지만 세포는 자신이 정확히 어떤 일을 해야 하는지 어떻게 알 수 있을까요? 세포는 그냥 깨어나서 스스로 결정하는 것이 아니라, DNA에 기록된 복잡한 지침을 따릅니다. 이 지침들은 **유전자 조절 네트워크(Gene Regulatory Network, GRN)**라는 마스터 컨트롤 시스템에 의해 관리됩니다. 이 네트워크를 수많은 보이지 않는 스위치들의 거대한 웹이라고 생각하세요. **전사 인자(Transcription Factors, TFs)**라고 불리는 특정 단백질들은 이 스위치를 조작하는 운영자 역할을 합니다. 전사 인자가 스위치를 올리거나 내리면, 특정 유전자의 기능을 "켜거나" "끄게" 되어, 세포에게 특정 단백질을 만들라고 명령하거나 만드는 것을 멈추라고 지시합니다.

과학자들에게 이 웹을 그려내는 것은, 거리가 끊임없이 변하고 지도에는 도로의 절반이 빠져 있는 도시의 지도를 그리려는 것과 같습니다. 그들은 **단일 세포 RNA 시퀀싱(single-cell RNA sequencing)**이라는 강력한 도구를 사용하여 단일 세포 내의 모든 유전자를 스냅샷으로 찍습니다. 하지만 이 데이터는 마치 허리케인 속에서 속삭임을 들으려는 것처럼 매우 무질서합니다. 큰 과제는 단순히 지도를 만드는 것이 아니라, 아직 보지 못한 새로운 동네에도 적용할 수 있는 지도를 만드는 것입니다. 만약 과학자가 새로운 유형의 세포나 희귀 질환을 발견한다면, 그들은 새로운 부분이 기존 시스템에 어떻게 들어맞는지 예측할 수 있는 지도가 필요합니다. 이것이 바로 이 논문이 다루는 퍼즐입니다. 생명의 지침서에 대한 더 똑똑하고 유연한 지도를 어떻게 구축할 것인가 하는 문제입니다.

문제점: 오래된 지도와 고장 난 나침반

연구진은 먼저 과학자들이 현재 이러한 유전자 네트워크를 매핑하는 컴퓨터 프로그램을 테스트하는 방식에 존재하는 흥미로운 문제를 지적하며 시작했습니다. 당신이 학생에게 도시를 항해하는 법을 가르치고 있다고 상상해 보세요. 만약 학생이 시험을 치를 때 사용할 정확히 똑같은 거리에서만 운전 연습을 하게 한다면, 학생은 완벽한 점수를 받을 수도 있습니다. 하지만 만약 그 학생을 한 번도 본 적 없는 새로운 동네에 떨어뜨려 놓는다면, 학생은 사고를 낼지도 모릅니다.

유전자 연구 분야에서도 바로 이런 일이 일어나고 있었습니다. 대부분의 컴퓨터 모델은 동일한 유전자 세트(즉, "전이적(transductive)" 설정)를 기반으로 학습되고 테스트되었습니다. 이 모델들은 알려진 도로를 암기하는 데는 뛰어났지만, 보지 못한 새로운 유전자에 대한 연결을 추측하는 데는 형편없었습니다. 게다가, 채점 방식에도 결함이 있었습니다. 기존의 채점 시스템은 전체 지도를 보고 "평균적으로 맞혔는가?"를 물었습니다. 하지만 실제 생물학 현장에서 생물학자는 모든 가능한 연결을 테스트할 예산이 없습니다. 그들은 오직 가장 가능성이 높은 상위 몇 개의 연결만을 테스트할 수 있는 자금만을 가지고 있습니다. 만약 모델이 상위 10개의 예측을 틀렸다면, 설령 나머지 90%를 맞혔더라도 그 모델은 쓸모가 없습니다. 기존의 테스트는 교사가 실제로 풀어주길 원했던 단 하나의 특정 문제를 틀렸음에도 불구하고, 학생의 수학 평균 점수로 성적을 매기는 것과 같았습니다.

해결책: 새로운 지도와 새로운 나침반

이를 해결하기 위해 Jiaze Song과 동료들이 이끄는 팀은 두 가지 큰 작업을 수행했습니다.

첫째, 그들은 BEELINE-KGC라는 새로운 테스트 환경을 구축했습니다.
모델들이 학습 과정 중에 모든 유전자를 엿볼 수 없도록, 연구진은 "유전자 홀드아웃(Gene-Holdout)" 챌린지를 만들었습니다. 학습 단계에서는 유전자 세트(즉, "알 수 없는 것들")를 숨겨두었다가 테스트 단계에서만 공개했습니다. 이는 모델이 실제 과학자가 그래야 하는 것처럼 일반화하는 법을 강제로 배우게 만들었습니다. 또한 채점 방식도 변경했습니다. 전체 지도를 보는 대신, "Hits@K"를 기준으로 채점을 시작했습니다. 이는 "만약 내가 당신의 상위 10개 추측만 본다면, 실제 연결을 찾아냈는가?"라는 단순한 질문을 던집니다. 이는 과학자들이 소수의 예측만을 테스트할 수 있는 현실적인 제약을 모방한 것입니다.

둘째, 그들은 CoDiffGRN이라는 새로운 모델을 발명했습니다.
이 모델을 도로(유전자 간의 연결)만 보는 것이 아니라 교통 패턴(유전자의 활동)에도 주의를 기울이는 탐정이라고 생각해 보세요. 이전의 모델들은 도로와 교통을 별개의 것으로 취급했습니다. 그러나 CoDiffGRN은 **공진화적 이산 확산(Co-evolutionary Discrete Diffusion)**이라는 기법을 사용합니다.

이것이 어떻게 작동하는지 시각화할 수 있는 재미있는 방법이 있습니다:
당신에게 도시 지도의 노이즈가 섞인 흐릿한 사진이 있다고 상상해 보세요. 당신은 이를 깨끗하게 만들고 싶습니다.

1. 이산화(Discretization): 먼저, 모델은 무질서한 데이터를 단순화합니다. 연속적인 교통 흐름을 보는 대신, 세포들을 뚜렷한 "클러스터"(예: "아침 출근 시간", "점심시간", "야간 근무")로 그룹화합니다. 흐릿한 데이터를 명확하고 블록 형태인 픽셀(0 또는 1)로 바꿉니다.
2. 공진화(Co-evolution): 이제 모델은 지도의 "노이즈를 제거(denoising)"하기 시작합니다. 모델은 단순히 도로가 어디에 있는지 추측하는 것이 아니라, 교통 패턴을 바탕으로 도로를 추측합니다. 만약 어떤 유전자가 "활성화"되어 있다면(마치 번화한 거리처럼), 모델은 그 유전자가 다른 활성 유전자들과 연결될 가능성이 더 높다는 것을 압니다. 모델은 유전자의 상태와 연결의 상태가 함께 변화한다는 것을 배웁니다. 마치 춤추는 파트너들이 서로 호흡을 맞추는 것과 같습니다.
3. TASS (마법의 기술): 데이터가 매우 부족하기 때문에(모든 가능한 유전자 상호작용에 대한 사례가 충분하지 않기 때문), 모델은 **TF-ALL 서브그래프 샘플링(TF-ALL Subgraph Sampling, TASS)**이라는 전략을 사용합니다. 이는 작은 무작위 동네만을 보고 도시 전체의 지도를 배우려는 것과 같습니다. TASS는 영리하게도, "스위치 운영자(TF)"와 그 타겟들을 포함하는 동네를 구체적으로 선택하여, 전체 데이터가 적더라도 모델이 도시의 가장 중요한 부분들을 반복해서 볼 수 있도록 보장합니다.

연구 결과

연구진이 새로운, 더 어려운 벤치마크(BEELINE-KGC)에서 CoDiffGRN을 테스트했을 때, 결과는 놀라웠습니다.

• 기존 모델들의 실패: 알려진 도로를 암기하는 데 의존했던 기존 모델들은 "보지 못한 유전자"에 직면했을 때 완전히 무너졌습니다. 그들의 점수는 거의 0에 가까운 수준으로 떨어졌습니다. 그들은 일반화에 실패했습니다.
• CoDiffGRN의 성공: 새로운 모델은 단순히 살아남은 것을 넘어, 번창했습니다. 이 모델은 일관되게 상위 순위에서 올바른 연결을 찾아냈으며, 기존의 가장 우수한 방법들을 상당한 차이로 앞질렀습니다. 어떤 경우에는 기존의 차세대 모델보다 상위 10개 예측을 찾아내는 능력이 40% 이상 향 향상되었습니다.
• "왜"가 중요하다는 증거: 연구진이 "공진화" 부분을 제거하거나(교통 패턴을 보지 않고 도로를 추측하게 함) 스마트한 샘플링(TASS)을 제거했을 때, 모델의 성능은 떨어졌습니다. 이는 유전자 활동과 연결을 함께 보는 것이 핵심 비결이었음을 입증했습니다.

요약

이 논문은 생명이 어떻게 작동하는지 진정으로 이해하려면, AI를 예전의 낡은 데이터로 훈련시키는 것을 멈추고 미지의 영역으로 도전하게 만들어야 한다고 제안합니다. 모델을 테스트하는 방식을 바꾸고 유전자 활동과 네트워크 연결 사이의 춤을 이해하는 시스템을 구축함으로써, 저자들은 새로운 생물학적 시스템이 어떻게 행동할지 훨씬 더 잘 예측할 수 있는 도구를 만들어냈습니다. 이는 우리가 희귀 질환이나 새로운 세포 유형에 대한 지침서를 빠르게 파악하여 과학자들이 치료제를 더 빨리 발견하도록 돕는 미래를 향한 한 걸음입니다. 이 모델은 강력하지만, 저자들은 여로 여전히 많은 컴퓨팅 파워를 필요로 한다고 언급하며, 향왕에는 이를 더욱 빠르고 다재다능하게 만들 계획이라고 밝혔습니다. 하지만 현재로서는, 유전자 지도에 대한 새로운 사고방식이 훨씬 더 나은 답을 낼 수 있다는 것을 보여주었습니다.