A vision foundation model for single-cell biology via spatial gene cartography

생물학을 모든 책이 살아있는 세포인 거대하고 북적이는 도서관이라고 상상해 보세요. 오랫동안 과학자들은 혼합된 책장 전체의 "평균적인" 이야기만을 읽을 수 있었고, 이는 개별 권수가 가진 독특하고 미세한 세부 사항들을 놓치게 만들었습니다. 하지만 싱글 셀 시퀀싱(single-cell sequencing)이라는 기술 덕분에 이제 우리는 도서관의 모든 책을 읽을 수 있게 되었으며, 우리 몸이 어떻게 작동하는지, 질병이 어떻게 시작되는지, 그리고 세포가 어떻게 변하는지에 대한 수백만 개의 독특한 이야기를 밝혀낼 수 있습니다. 그러나 문제가 있습니다. 이 도서관들이 너무 빠르게 성장하고 있어서 수십억 페이지에 달하며, 이 모든 것을 읽으려는 노력은 마치 소방 호수에서 뿜어져 나오는 물줄기로 물을 마시려는 것과 같습니다. 이를 이해하기 위해, 과학자들은 "파운데이션 모델(foundation models)"을 구축하고 있습니다. 이는 생물학의 일반적인 규칙을 학습하여, 매번 처음부터 다시 배울 필요 없이 새로운 세포를 이해할 수 있도록 돕는 매우 똑똑한 컴퓨터 뇌입니다. 그렇다면 질문은 이것입니다: 어떻게 하면 이 컴퓨터들에게 세포의 이야기를 가장 효과적으로 가르칠 수 있을까요?

여러분이 읽게 될 이 논문은 이러한 컴퓨터 뇌를 가르치는 새로운 방법인 scVision을 소개합니다. 세포를 (현재 대부분의 모델이 하는 방식처럼) 무작위 단어로 이루어진 문장처럼 취급하는 대신, 연구진은 세포를 하나의 그림처럼 취급하기로 했습니다. 그들은 유전자(세포 안의 "단어")가 단순히 홀로 작용하는 것이 아니라, 장면 속의 등장인물들처럼 팀을 이루어 움직인다는 점을 깨달았습니다. 이 유전자들을 특정하고 조직된 격자(grid) 안에 배치함으로써—마치 관련 있는 캐릭터들을 무대 위에 나란히 배치하는 것처럼—그들은 세포의 데이터를 연속적인 이미지로 변了시켰습니다. 그리고 컴퓨터 비전 모델(보통 고양이나 강아지를 인식하는 종류의 AI)에게 이 "세포 그림"을 이해하도록 가르쳤습니다. 그 결과, 이 모델은 믿기지 않을 정도로 빠르고, 새로운 것을 배우는 데 매우 적은 사례만 필요하며, 다른 모델들이 놓치는 숨겨진 생물학적 패턴을 포착해 냅니다. 이는 텍est 기반의 번역기에서, 세포가 무엇을 하고 있는지 전체적인 그림을 즉각적으로 볼 수 있는 시각 예술가로 업그레이드된 것과 같습니다.

세포를 그림으로 바꾸기

여러분에게 각 벽돌이 유전자를 나타내는 거대한 레고 상자가 있다고 상상해 보세요. 대부분의 컴퓨터 모델에서 과학자들은 이 벽돌들을 더미로 쏟아붓고 컴퓨터에게 그 구조가 어떻게 생겼는지 추측하라고 요청합니다. 컴퓨터는 흩어진 조각들을 보고 어떤 벽돌들이 서로 연결되어 있는지 알아내야 합니다. 이는 마치 바닥에 흩어진 퍼즐 조각들을 가지고 퍼즐을 풀려는 것과 비슷합니다.

스탠퍼드 연구진이 이끄는 이 논문의 저자들은 다른 시도를 해보기로 했습니다. 그들은 이렇게 물었습니다: 만약 우리가 먼저 퍼즐을 완성한다면 어떨까?

그들은 세포 내에서 가장 중요한 유전자들을 골라내어 104x104 픽셀 이미지와 같은 고정된 격자 위에 배치했습니다. 그들은 각 유전자가 어디에 위치할지 결정하기 위해 "최적 운송(optimal transport)"이라는 영리한 수학적 기법을 사용했습니다. 규칙은 간단했습니다. 보통 함께 움직이는 유전자들(예: 소방관 팀)은 격자 위에서 바로 옆에 배치됩니다. 서로 대화하지 않는 유전자들은 멀리 떨어뜨려 놓습니다. 이들이 세포의 활동을 이 격자 위에 "그릴" 때, 결과물은 모든 세포에 대한 고유한 이미지가 됩니다. 만약 세포가 감염과 싸우느라 바쁘다면, 이미지의 특정 영역이 밝은 색상으로 빛납니다. 만약 세포가 휴식 중이라면, 다른 패턴이 나타납니다.

이것은 세포를 이해하는 문제를 텍스트를 읽는 작업에서 시각 작업으로 전환합니다. 컴퓨터가 단어 목록을 읽는 대신, 이제는 그림을 보게 되는 것입니다. 이를 통해 그들은 자율주행 자동차가 도로를 보거나 스마트폰이 얼굴을 인식하는 데 도움을 주는 것과 같은 강력한 "비전 트랜스포머(vision transformers)"를 사용하여 생물학을 이해할 수 있게 되었습니다.

슈퍼 학생: scVision

연구진은 scVision이라 불리는 모델을 구축했습니다. 그들은 신체의 다양한 부위에서 추출한 7,200만 개의 인간 세포라는 방대한 데이터셋으로 이 모델을 훈련시켰습니다. 그들은 모델에게 구체적으로 어떤 세포 유형을 찾아야 하는지 알려주지 않았습니다. 대신 "마스크드 이미지 모델링(masked image modeling)"이라는 기법을 사용했습니다. 모델에게 세포 그림을 보여주되, 75%를 검은 상자로 가려버린다고 상상해 보세요. 모델의 임무는 보이는 부분을 바탕으로 가려진 부분이 어떻게 생겼을지 추측하는 것입니다. 이 과정을 수십억 번 반복함으로써, 모델은 세포가 어떻게 구성되고 어떻게 행동하는지에 대한 심층적이고 근본적인 규칙을 학습했습니다.

훈련이 완료된 후, 모델은 "동결(frozen)"되었습니다. 이는 새로운 실험을 할 때마다 모델을 다시 가르칠 필요가 없음을 의미합니다. 그저 새로운 세포를 가져와 이미지로 변환한 뒤, 모델에게 "이것은 어떤 종류의 세포인가?"라고 물으면 추가 훈련 없이도 답을 얻을 수 있습니다.

이것이 왜 중요한가: 제로샷(Zero-Shot)의 마법

파운데이션 모델의 진정한 시험대는 이전에 본 적 없는 대상에 대해 얼마나 잘 작동하느냐입니다. 연구진은 scVision을 훈련에 전혀 사용되지 않은 여섯 가지의 완전히 다른 데이터셋(신장, 난소, 뇌, 장, 그리고 여러 장기가 복합적으로 섞인 데이터 등)으로 테스트했습니다.

여기서 마법이 일어납니다:

• 레이블 효율성이 뛰어난 마술사: AI의 세계에서는 보통 새로운 작업을 가르치기 위해 수천 개의 레이블이 붙은 예시(예: 컴퓨터에게 고양이 사진 1,000장을 보여주며 "이것은 고양이다"라고 말하는 것)가 필요합니다. scVision은 다릅니다. 많은 테스트에서 이 모델은 단 하나의 레이블된 예시만으로도 새로운 세포 유형을 식별할 수 있었습니다. 한 실험에서, 단 하나의 예시만을 가진 scVision은 50개의 예시를 가진 다른 모델들보다 더 나은 성능을 보였습니다. 이는 다른 학생들이 교과서 한 권을 통째로 읽어야 할 때, 단 한 페이지만 읽고도 새로운 과목을 익히는 우등생과 같습니다.
• 큰 그림을 봅니다: 연구진이 모델이 세포들을 어떻게 조직화했는지 살펴보았을 때, scVision이 가장 명확하고 뚜렷한 그룹을 만들어낸다는 것을 발견했습니다. 다른 모델들은 때때로 유사한 세포 유형을 혼동하여 섞어버리기도 했지만, scVision은 이들을 깔끔하게 분리하여 구별하기 훨씬 쉽게 만들었습니다.
• 빠릅니다: 세포를 이미지로 처리하기 때문에 scVision은 매우 효율적입니다. 표준 컴퓨터 칩에서 초당 528개의 세포를 처리할 수 있습니다. 초당 1개에서 14개 정도의 세포밖에 처리하지 못하는 다른 모델들과 비교해 보세요. 이는 단거리 선수와 달팽이의 차이입니다.

세포의 마음을 읽다

scVision의 가장 멋진 특징 중 하나는 단순히 답을 주는 "블랙박스"가 아니라, 왜 그런 결정을 내렸는지 설명할 수 있다는 점입니다. 유전자가 그림 형태로 배열되어 있기 때문에, 모델의 "어텐션(attention, 주의 집중)"이 이미지의 특정 영역으로 어떻게 연결되는지 매핑할 수 있습니다.

연구진은 모델이 특정 세포 유형을 볼 때 이미지의 작은 국소 영역에 집중한다는 것을 발견했습니다. 그들이 그 영역을 다시 유전자로 변환했을 때, 그것이 실제 생물학적 프로그램과 일치한다는 것을 확인했습니다. 예를 들어:

• 신장 세포의 경우, 모델은 손상 및 스트레스와 관련된 유전자에 집중했습니다.
• 난소 세포의 경우, 스트레스 반응에 관여하는 유전자를 강조했습니다.
• 뇌 세포의 경우, 건강한 뇌와 질병이 있는 뇌 모두에서 활성화된 특정 유전자 세트를 찾아냈으며, 이를 통해 모델이 다양한 장기에 걸쳐 작동하는 보편적인 "면역 세포" 정체성을 학습했음을 보여주었습니다.

이는 scVision이 단순히 데이터를 암기하는 것이 아니라, 유전자가 어떻게 함께 작동하는지에 대한 생물학적 "문법"을 실제로 학습하고 있음을 시사합니다.

한계점 (그리고 배제되는 것들)

이 논문은 이 모델이 무엇이 아닌지를 명확히 밝히고 있습니다.

• 단순히 더 나은 분류기가 아닙니다: 연구진은 모델의 성공이 단순히 정답을 맞히기 위한 특정 수학적 방법 때문인지 테스트했습니다. 다양한 방법을 시도했지만, 여전히 scVision이 승리했습니다. 이 이점은 단순히 추측 게임 때문이 아니라 이미지 표현(image representation) 자체에서 오는 것입니다.
• 모든 것에 통하는 만능 열쇠는 아닙니다: scVision은 세포 유형을 식별하고 패턴을 찾는 데 뛰어나지만, 한계도 있습니다. 예를히, 데이터가 매우 "노이즈(noise)"가 많다면(예: 시퀀싱이 매우 얕게 된 경우), 모델의 성능이 다른 모델들에 비해 조금 더 떨어집니다. 하지만 결측 유전자가 있는 데이터에는 매우 견고합니다.
• 아직 완벽한 해결책은 아닙니다: 이 모델은 인간 데이터로 훈련되었으므로, 다른 동물에게도 얼마나 잘 작동할지는 아직 알 수 없습니다. 또한, 패턴을 찾아낼 수는 있지만, 그 패턴이 무엇을 의미하는지 증명하기 위해 과학자들이 실험을 수행해야 하는 필요성을 대체할 수는 없습니다.

요약

이 논문은 생물학적 데이터를 어떻게 표현하느냐가 모델의 크기만큼이나 중요하다는 것을 시사합니다. 세포의 유전 코드를 그림으로 바꾸고, 유전자의 자연스러운 관계를 존중하는 방식으로 배치함으로써, 연구진은 이전의 방법들보다 더 빠르고 정확하며 이해하기 쉬운 도구를 만들어냈습니다.

이는 세포를 단순히 재료의 목록으로 보는 것에서 벗어나, 복잡하고 조직화된 풍경으로 보는 관점의 변화입니다. 좋은 지도가 새로운 도시를 항해하는 데 도움을 주듯, scVision은 과학자들이 인류 생물학의 광대하고 미개척된 영역을 항해하며, 세포 수준에서 우리를 정의하는 숨겨진 거리와 랜드마크를 찾을 수 있도록 돕습니다. 저자들은 이러한 "비전 기반" 접근 방식이 의학과 생물학의 차세대 발견을 여는 열쇠가 될 수 있다고 제안하며, 압도적인 데이터의 홍수를 명확하고 아름다운 그림으로 바꾸어 놓을 것이라고 말합니다.