인체의 세포들을 끊임없이 서로 대화하며 모든 것이 원활하게 돌아가도록 유지하는 수조 개의 시민들이 사는 활기차고 첨단 기술이 집약된 도시라고 상상해 보십시오. 건강한 도시에서는 이러한 대화가 엄격한 규칙을 따릅니다. "정지" 신호는 준수되고, "성장" 신호는 적절히 제어되며, 모두가 자신의 직무를 알고 있습니다. 하지만 암에 걸리면 도시의 통신 시스템이 해킹당합니다. 일부 세포들은 하지 말아야 할 때 "성장하라!"고 외치거나 "정지!" 표지판을 무시하기 시작하여, 도시를 혼란스럽고 통제 불능인 건설 현장으로 만들어 버립니다. 과학자들은 이를 해결하기 위해 잘못된 명령을 보내는 특정 '해커' 유전자들을 찾아내고, 그들이 정확히 어떻게 규칙을 어기고 있는지 알아내야 한다는 것을 오랫동안 알고 있었습니다. 문제는 도시가 너무 거대하고 복잡하며 동시에 수백만 개의 서로 다른 대화가 일어나고 있어서, 소음 속에서 특정 범인을 찾는 것은 마치 포효하는 경기장 안에서 단 하나의 특정한 속삭임을 찾는 것과 같습니다.

여기서 RegNetAgents라는 새로운 디지털 탐정 도구가 등장합니다. 이것은 단순히 하나의 라디오 채널을 듣는 것이 아니라, 범인을 잡기 위해 두 개의 서로 다른 주파수를 동시에 수신하는 매우 똑똑한 다중 에이전트 AI 조사팀이라고 생각하면 됩니다. 한 주파수는 도시 전체의 거대하고 흐릿한 녹화본(종양을 나타냄)이고, 다른 하나는 개별 이웃들의 수정처럼 맑고 고해상도인 녹화본(단일 세포를 나타냄)입니다. 이 두 녹화본을 비교함으로써, RegNetAgents는 어떤 '해커' 유전자가 종양 도시에서만 활성화되는지, 그리고 어떤 유전자가 그저 평소의 일을 하는 일반 시민인지 식별해 낼 수 있습니다. 연구진은 이 방법이 소음을 걸러내는 데 매우 뛰어나며, 실제 암 드라이버를 높은 신뢰도로 성공적으로 식별하는 동시에, 이것이 단순한 운이나 데이터의 속임수가 아님을 입증했다고 밝혔습니다.

탐정 팀과 두 개의 라디오 스테이션

암 연구의 세계에서 과학자들은 **유전자 조절 네트워크(gene regulatory networks)**라고 불리는 것을 사용합니다. 여러분은 이것을 세포 내에서 누가 누구와 대화하는지를 보여주는 거대하고 보이지 않는 지도라고 생각할 수 있습니다. 어떤 유전자들은 보스(전사 인자) 역할을 하며 다른 유전자들에게 무엇을 할지 지시합니다. 암이 시작될 때, 이 보스들은 종종 타락합니다. 목표는 이 타락한 보스들을 찾아내는 것입니다.

오랫동안 과학자들은 이 지도를 그리는 두 가지 주요 방법을 가지고 있었습니다. 첫 번째 방법은 군중 전체의 흐릿한 사진을 찍는 것과 같습니다(벌크 종양 데이터). 이는 종양 전체의 평균적인 대화를 보여주지만, 사람들이 서로 뒤섞여 있기 때문에 누가 무엇을 말하고 있는지 알기 어렵습니다. 두 번째 방법은 한 번에 한 사람의 목소리만 들을 수 있는 초강력 마이크를 가진 것과 같습니다(단일 세포 데이터). 이는 특정 이웃들에 대한 매우 명확한 그림을 제공하지만, 전체 종양이 어떻게 행동하는지에 대한 큰 그림을 놓칠 수도 있습니다.

문제는 대부분의 도구가 이 두 가지 라디오 스테이션 중 하나만 듣는다는 점입니다. 만약 흐릿한 군중의 소리만 듣는다면, 정상적인 시민을 범죄자로 오해할 수 있습니다. 만약 단일 이웃의 소리만 듣는다면, 종양의 거대하고 조직적인 혼란을 놓칠 수 있습니다. 지금까지는 이 두 가지 관점을 쉽게 전환하고, 비교하며, "아하! 이 유전자는 정상적인 이웃이 아니라 종양 군중 속에서만 외치고 있구나"라고 말할 수 있는 도구가 없었습니다.

등장한 RegNetAgents: AI 탐정단

이 논문은 협력하여 작동하는 AI 탐정팀 역할을 하는 새로운 프레임워크인 RegNetAgents를 소개합니다. 단일 도구가 아니라, 각 탐정이 특정 직무를 가진 '다중 에이전트' 시스템을 사용합니다. 한 탐정은 (TCGA 프로젝트의 데이터를 사용하여) 흐릿한 종양 군중의 소리를 듣고, 다른 탐정은 (GREmLN 프로젝트의 데이터를 사용하여) 명확한 단일 세포 이웃의 소리를 들으며, 세 번째 탐정은 용의자가 알려진 범죄자 목록(OncoKB)과 일치하는지 확인합니다.

이 스쿼드가 작동하는 방식은 다음과 같습니다:

1. 이중 확인: 시스템이 특정 유전자(핵심 유전자)를 조사하도록 요청받으면, 종양 네트워크와 단일 세포 네트워크 모두에 쿼리를 보냅니다.
2. 라벨링: 그런 다음 발견된 위치에 따라 모든 용의자에게 라벨을 붙입니다. 용의자가 두 네트워크 모두에서 발견되었습니까? 종양에서만 발견되었습니까? 아니면 단일 세포 이웃에서만 발견되었습니까?
3. 필터링: 이들은 신뢰할 수 있는 암 유전자 데이터베이스(OncoKB)와 대조하여 누가 진짜 위협인지 확인합니다.
4. 판결: 마지막으로, 시스템은 단순히 용의자가 누구인지뿐만 아니라 그들이 어떻게 행동하는지도 알려줍니다. 그들이 "활성제(activator)"(성장하라고 외치는 자)입니까, 아니면 "억제제(repressor)"(멈추라고 외치려 하지만 실패하는 자)입니까?

위대한 발견: 진짜 범인을 잡다

연구진은 이 탐정 스쿼드를 매우 흔한 두 가지 암 유형인 유방암(BRCA)과 대장암(COAD)에 대해 테스트했습니다. 그들은 23개의 유명한 암 유전자(TP53, MYC, CTNNB1 등) 목록을 선정하고 RegNetAgents에게 각 유전자의 조절자를 찾도록 요청했습니다.

결과는 인상적이었습니다. 시스템이 "종양 전용(tumor-only)"으로 표시한 용의자들(종양 네트워크에는 있지만 단일 세포 네트워크에는 없는 경우)은 알려진 암 유전자들과 **유의미하게 농축(enriched)**되어 있었습니다. 쉽게 말해, 이 도구는 단순히 무작위 유전자를 뽑은 것이 아니라, 우연보다 훨씬 높은 비율로 실제 악당들을 찾아냈다는 뜻입니다.

• 유방암의 경우, 이 농축에 대한 통계적 증거는 결합 스코어(Stouffer Z-score) 6.69로 매우 강력했습니다.
• 대장암의 경우, 증거는 6.95로 더욱 강력했습니다.

더 흥러운 점은, "단일 세포 전용(single-cell-only)" 용의자들(이웃에는 있지만 종양 군중에는 없는 경우) 또한 실제 암 유전자라는 강한 징후를 보였으며, 유방암의 경우 5.51, 대장암의 경우 7.06의 결합 스코어를 기록했습니다. 이는 이 도구가 한 가지 유형의 데이터뿐만 아니라 두 가지 유형의 데이터 모두에서 가치 있는 단서를 찾아내고 있음을 입증합니다.

레드 헤링(Red Herring, 엉뚱한 정보)을 배제하다

좋은 탐정은 자신이 속고 있는지 항상 확인합니다. 연구진은 혹시 도구가 유전자가 유명해서 혹은 종양 네트워크가 단일 세포 네트워크보다 커서 단순히 유전자를 선택한 것은 아닌지 우려했습니다. 이를 테스트하기 위해 그들은 "네거티브 컨트롤(negative control)" 실험을 수행했습니다.

그들은 도구에게 도시의 환경 미화원이나 발전소 운영자와 같은 "하우스키핑(housekeeping)" 유전자 5개를 조사하도록 요청했습니다. 이 유전자들은 생존에 필수적이지만 암과는 아무런 관련이 없습니다. 또한 종양에서 활성화되지만 암 드라이버로 알려지지 않은 다른 유전자 5개도 조사하도록 했습니다.

결과는 어떠했을까요? 도구는 이 무고한 유전자들에 대해 농축 현상을 발견하지 못했습니다. 도구는 환경 미화원이나 발전소 운영자를 억울하게 비난하지 않았습니다. 이는 도구가 단순히 유전자가 "시끄럽거나" "인기가 많아서" 찾는 것이 아니라, 암 생물학에 실질적인 연결 고리가 있는 유전자를 구체적으로 찾아내고 있음을 확인시켜 주었습니다.

최종 보고서: 더 명확한 길을 제시하다

논문은 RegNetAgents가 다음에 연구해야 할 유전자의 우선순위를 정하는 강력한 새로운 방법이라고 결론짓습니다. 연구자들에게 수천 개의 잠재적 용의자가 담긴 거대하고 혼란스러운 목록을 주는 대신, 이 도구는 가장 유력한 범인들의 짧고 정렬된 목록과 함께 그들이 활성제인지 억제제인지 적힌 "지명 수배 전단"을 건넵니다.

예를 들어, 유방암에서 CTNNB1 유전자를 조사할 때, 이 도구는 네 명의 주요 용의자로 YAP1, DDR2, IL6ST, ARID3A를 식별했습니다. 도구는 YAP1, DDR2, IL6ST를 "활성제"(성장하라고 외치는 자)로 정확히 분류했는데, 이는 과학자들이 기존 연구를 통해 이미 알고 있는 내용과 일치합니다. 또한 ARID3A를 "억제제"로 분류했는데, 이는 해당 유전자가 침묵된 종양 억제 유전자일 수 있음을 시사합니다.

저자들은 이 도구가 가설을 생성하고 후보를 우선순위화하는 데는 탁용하지만, 이는 출발점이지 완성된 치료법은 아니라는 점을 주의 깊게 언급했습니다. 이 결과들은 새로운 실험실 실험이 아니라 기존 데이터의 통계적 분석에 기반한 것입니다. 그러나 서로 다른 두 종류의 데이터를 결합하고 신뢰할 수 있는 데이터베이스를 통해 필터링함으로써, RegNetAgents는 과학자들이 암의 드라이버를 추적할 때 따라갈 수 있는 훨씬 더 명확하고 신뢰할 수 있는 지도를 제공합니다. 이는 혼란스러운 탐색을 구조화된 조사로 바꾸어 놓으며, 연구자들이 가장 중요한 유전자에 에너지를 집중할 수 있도록 돕습니다.