Gene Ontology-Guided Hierarchical Spatial Gene Expression Prediction from Histopathology Images

당신이 거대한 퍼즐 조각을 맞추고 있다고 상상해 보세요. 하지만 퍼즐 조각은 그림이 아니라, 세포가 어떻게 행동해야 하는지 알려주는 비밀 지침(유전자)입니다. 단지 세포의 이웃을 찍은 사진(조직 슬라이드)을 보는 것만으로 말이죠. 수십 년 동안 과학자들은 이러한 사진(조직 병리 이미지)을 사용하여 질병을 진단할 수 있었습니다. 하지만 실제 유전적 지침을 보려면 보통 조직 자체에 비싸고 시간이 많이 걸리는 화학적 테스트를 수행해야 했습니다. 이 논문은 영리한 지름길을 탐구합니다. 과연 우리는 컴퓨터를 이용해 표준적이고 저렴한 사진으로부터 유전자를 직접 "읽어낼" 수 있을까요?

문제는 유전자가 독립적으로 작동하지 않는다는 점입니다. 유전자는 마치 거대하고 서로 연결된 가족처럼 움직입니다. 어떤 유전자는 사촌이고, 어떤 유전자는 형제이며, 그들은 모두 유사한 일을 수행하는 특정 클럽이나 "기능적 그룹"에 속해 있습니다. 기존의 컴퓨터 방식은 이 모든 유전자를 한꺼번에 추측하려고 시도했으며, 이를 서로 관련 없는 무작위 목록처럼 취급했습니다. 이는 마치 이야기의 구조를 먼저 알지 못한 채, 모든 대사를 하나하나 추측하여 영화의 줄거리를 맞히려는 것과 같습니다. 이는 매우 복잡하고 혼란스러운 작업이며, 컴퓨터가 제한된 데이터를 사용하여 스스로 모든 가족 관계를 파악해야 하기 때문에 오류가 발생하기 쉽습니다.

여기에 '가계도를 알고 있는 스마트한 가이드' 역할을 하는 MSGR이라는 새로운 접근법이 등장했습니다. 전체 목록을 한 번에 추측하는 대신, 이 방법은 '유전자 온톨로지(Gene Ontology)'라고 불리는 기존의 생물학적 지식 지도를 사용합니다. 이 지도를 거대한 도서관이라고 생각하면 이해가 쉽습니다. 이곳에서는 책(유전자)들이 먼저 광범위한 장르별로, 그다음에는 구체적인 주제별로, 마지막으로 개별 제목별로 분류되어 있습니다. 이 지도를 따라감으로써, 컴퓨터는 먼저 광범위한 이야기를 추측한 다음, 장(chapter)을 채우고, 마지막으로 구체적인 문장을 써 내려갈 수 있습니다. 이 논문은 이러한 생물학적 "가계도"를 사용하여 추측 과정을 안내함으로써, 컴퓨터가 한 번에 거대한 도약을 시도하는 가장 진보된 방법들보다 훨씬 더 잘 유전적 지침을 예측할 수 있음을 보여줍니다.

핵심 아이디어: 평면적인 추측에서 안내된 여정으로

저자들이 다루는 핵심 문제는 조직의 특정 지점에서 어떤 유전자가 활성화되어 있는지(공간적 유전자 발현)를 오직 해당 조직의 표준 현미경 이미지만을 사용하여 예측하는 것입니다. 현재 이러한 유전적 데이터를 얻으려면 특별하고 비싼 실험 장비가 필요합니다. 목표는 일상적인 조직 슬라이드(의사들이 매일 사용하는 것과 같은)를 보고, 그 슬라이드의 아주 작은 지점마다 어떤 유전자가 켜져 있거나 꺼져 있는지를 정확하게 예측할 수 있는 컴퓨터 모델을 구축하는 것입니다.

이전 방식들은 유전자 목록을 "평면적인" 벡터로 취급했습니다. 이는 마치 단 하나의 위성 사진만 보고 전 세계 모든 도시의 날씨를 동시에 맞히려는 것과 같습니다. 도시들이 같은 국가에 있다면 보통 비슷한 날씨 패턴을 공유한다는 사실을 모른 채 말이죠. 컴퓨터는 주어진 데이터로부터 수백 개의 유전자 사이의 복잡한 관계를 스스로 학습해야 했습니다. 데이터가 제한적이었기 때문에, 컴퓨터는 동일한 생물학적 경로 내에서 함께 작동하는 유전자들 사이의 미묘한 연결 고리를 놓치며 혼란을 겪기 일쑤였습니다.

저자들은 다른 전략인 **MSGR (Multi-Scale Gene Refiner)**을 제안합니다. MSGR은 문제를 한꺼번에 해결하는 대신, **유전자 온톨로지(GO)**의 안내를 받아 단계별 여정으로 분해합니다. GO는 유전자를 기능에 따라 계층적으로 정리한 방대한 큐레이션 사전입니다. 이는 유전자를 광범위한 범주(예: 생물학적 과정 또는 분자 기능)로 묶고, 다시 구체적인 하위 그룹으로 나눈 뒤, 최종적으로 개별 유전자로 분류합니다.

이를 탐정이 미스터리를 해결하는 과정에 비유해 보겠습니다. "평면적"인 방식은 범인, 범행 동기, 흉기, 그리고 범행 시간을 한꺼번에 밝혀내려 합니다. 반면 MSGR은 먼저 범죄의 유형(계층 수준)을 파악한 다음, 구체적인 장소(하위 수준)를 찾고, 마지막으로 정확한 인물(개별 유전자)을 찾아내는 탐정처럼 작동합니다. GO라는 지도를 사용함으로써, 모델은 유전자 간의 연결 고리를 새로 만들어낼 필요 없이, 단순히 생물학적 가계도를 따라가며 예측을 정교화하기만 하면 됩니다.

MSGR의 작동 원리: "거친 단계에서 세밀한 단계로"의 정교화

MSGR의 마법은 그 **계층적 디코더(hierarchical decoder)**에 있습니다. 과정은 다음과 같은 비유를 통해 흐릅니다.

1. 지도 (GO 계층 구조): 먼저 연구자들은 대상 유전자 목록을 4단계 트리로 구성합니다.

   • 레벨 0 (루트): 전체 유전자 그룹을 나타내는 "가상 루트(Virtual Root)"입니다.
   • 레벨 1 (대분류): 생물학의 세 가지 주요 가지인 생물학적 과정(Biological Process), 분자 기능(Molecular Function), 세포 구성 성분(Cellular Component)입니다.
   • 레벨 2 (세부 주제): 각 부서 내의 더 상세한 그룹들입니다.
   • 레벨 3 (개별 요소): 실제 유전자들입니다.

2. 추측 게임 (잔차 수정): 모델은 최상단(레벨 0)에서 시작하여 전체적인 활성도에 대한 매우 대략적인 추측을 합니다. 그런 다음 한 단계 아래로 내려갑니다. 이때 다음 단계의 값을 처음부터 다시 추측하는 대신, "현재 나의 추측과 다음 단계 사이의 차이는 무엇인가?"라고 묻습니다. 모델은 "잔차 수정(residual correction)"을 계산하며, 즉 이전의 추측을 수정하기 위한 작은 조정을 수행합니다.

   • 비유: 당신이 초상화를 그린다고 상상해 보세요. 먼저 머리의 대략적인 원을 그립니다 (레벨 0). 그다음, 얼굴을 처음부터 다시 그리는 것이 아니라 눈과 코를 추가합니다 (레벨 1 수정). 그다음 눈동자와 속눈썹을 추가합니다 (레벨 2 수정). 마지막으로 주근깨와 같은 아주 작은 디테일을 더합니다 (레벨 3 수정). 각 단계는 이전 단계를 정교하게 다듬으며, 처음부터 다시 시작하지 않고도 그림을 더 명확하게 만듭니다.

3. "잠재적 고속도로 (Latent Highway)": 모델이 미세한 디테일에 집중하는 동안 전체적인 그림을 놓치지 않도록, MSGR은 "잠재적 고속도로"를 사용합니다. 이는 넓은 수준의 "맥락(context)"을 하위 수준으로 전달하는 특별한 연결 통로입니다. 이는 마치 선생님이 학생이 문장을 쓸 때마다 전체 이야기의 주제를 귓속말로 알려주어, 문장이 전체 줄거리에 부합하도록 만드는 것과 같습니다.

숫자가 말해주는 결과: 실제로 효과가 있는가?

저자들은 신장, 폐, 피부암과 같은 다양한 암 조직을 포함하는 HEST-1k 벤치마크의 9가지 서로 다른 데이터셋에서 MSGR을 테스트했습니다. 그들은 생성형 기술(데이터를 처음부터 만들어내려는 방식)을 사용하는 모델과 표준 회귀 방식을 사용하는 모델을 포함하여 7개의 최고 수준 컴퓨터 모델과 비교했습니다.

결과는 명확했습니다:

• MSGR이 경주에서 승리했습니다. 평균적으로 MSGR은 0.517의 점수(PCC-200)를 기록하며, 생성형 모델인 STFlow(점수 0.503)를 제치고 가장 높은 성적을 거두었습니다.
• 어려운 사례에서도 잘 작동합니다. 개선 효과는 HCC(간암)나 READ(직장암)와 같이 까다로운 데이터셋에서 특히 두드러졌습니다 (예: HCC에서 +0.021 차이로 앞섬).
• "플러그 앤 플레이" 업그레이드가 가능합니다. 가장 흥고한 발견 중 하나는 MSGR이 단순한 새 모델이 아니라, 기존 모델의 마지막 단계를 대체할 수 있다는 점입니다. 저자들은 ST-Net이나 EGN과 같은 인기 있는 모델들을 가져와 그들의 "평면적" 유전자 디코딩 부분을 MSGR의 계층적 디코더로 단순히 교체했습니다. 거의 모든 경우에서 성능이 향상되었습니다. 예를 들어, MSGR을 ST-Net 모델에 추가했을 때 평균 점수가 0.414에서 0.432로 상승했습니다.

"단순히 계층 구조라서 좋은 것인가?"라는 의문에 대하여

저자들이 던진 중요한 질문은 이것입니다: MSGR이 우수한 이유는 유전자 온톨로지(생물학적 지도)를 사용했기 때문인가, 아니면 단순히 어떤 형태든 '계층 구조'를 사용했기 때문인가?

이를 확인하기 위해 그들은 MSGR-Random이라는 버전을 만들었습니다. 이 버전에서는 동일한 트리 구조는 유지하되, 생물학적 지식을 무시하고 유전자들을 무작위로 섞었습니다.

• 결과: MSGR-Random은 0.490을 기록한 반면, 실제 MSGR은 0.517을 기록했습니다.
• 결론: +0.027의 차이는 MSGR의 개선이 단순히 계층 구조를 사용했기 때문이 아니라, 구체적으로 유전자 온톨로지의 생물학적 구조 덕분임을 입증합니다. 컴퓨터가 최선의 성과를 내기 위해서는 유전자가 실제 세상의 방식대로 연결되어 있다는 것을 알아야 합니다.

성공의 시각화

예측이 생물학적으로 타당한지 확인하기 위해, 저자들은 멜라노마(피부암)의 표지자인 MLANA라는 특정 유전자를 살펴보았습니다. 그들은 다양한 모델이 생성한 유전자 활성 "히트맵"을 실제 정답(ground truth)과 비교했습니다.

• 기존 모델들은 유전자가 활성화된 경계를 놓치고 흐릿하고 퍼진 형태의 지도를 만들어냈습니다.
• 반면 MSGR은 실제 데이터와 거의 흡사한 지도를 만들어냈으며, 활동의 광범한 영역과 날카로운 국소적 디테일을 모두 포착했습니다. MSGR을 STFlow 모델과 결 조합했을 때, 이 특정 유전자 예측 점수는 0.940까지 치솟아 놀라운 정확도를 보여주었습니다.

결론

이 논문은 조직 이미지로부터 유전자 발현을 예측하는 미래가 안내된, 계층적 사고에 있음을 시사합니다. 유전자의 자연스러운 "가계도"를 존중하고 단계별 정교화 과정을 사용함으로써, 컴퓨터는 모든 것을 한꺼번에 추측하는 것보다 훨씬 빠르고 정확하게 학습할 수 있습니다. MSGR은 단순히 복잡성을 더하는 것이 아니라, 문제를 관리 가능하고 생물학적으로 의미 있는 단계로 나눔으로써 문제를 단순화합니다.

저자들은 이 접근법이 9가지 서로 다른 데이터셋에서 견고하게 작동하며, 이미지 처리 방식을 변경하지 않고도 다양한 기존 모델을 개선할 수 있음을 보여주었습니다. 이 논문이 공간적 전사체학(spatial transcriptomics)의 문제를 완전히 해결했다고 주장하는 것은 아니지만, 생물학적 지식을 구조적 가이드로 사용하는 것이 조직의 모습과 그 안의 유전자가 하는 일 사이의 간극을 메우는 강력한 방법이라는 강력한 증거를 제공합니다.