scGRIP: a graph-based explainable AI framework for single-cell multi-omics Gene Regulatory Inference with Prior Knowledge

이 논문은 기존 방법의 해석 가능성과 확장성 한계를 극복하기 위해 사전 지식 기반의 cis-조절 그래프, 공유 코드북을 활용한 토큰화, 그리고 GraphSHAP 기술을 결합하여 알츠하이머병 등 질병과 관련된 고해상도 단일세포 유전자 조절 네트워크를 추론하고 해석할 수 있는 새로운 프레임워크인 scGRIP 을 제안합니다.

핵심

1. 문제: 혼란스러운 도시의 지도 (기존 기술의 한계)

우리의 몸은 수많은 세포로 이루어진 거대한 도시라고 상상해 보세요. 각 세포는 '전령 (전사 인자, TF)'이 '건설 허가 (조절 요소, RE)'를 통해 '건물 (유전자, TG)'을 짓거나 고치는 방식으로 작동합니다.

기존의 기술들은 이 도시의 지도를 그릴 때 두 가지 큰 문제가 있었습니다:

1. 모호함: 지도가 너무 추상적이라, "어떤 전령이 어떤 건물을 지었는지" 정확히 알기 어려웠습니다.
2. 규모: 세포가 너무 많고 데이터가 방대해서 지도를 그리는 데 시간이 너무 오래 걸리거나, 중요한 세부 사항이 생략되었습니다.

2. 해결책: scGRIP (스마트한 도시 설계사)

연구팀이 만든 scGRIP은 이 문제를 해결하기 위해 세 가지 혁신적인 아이디어를 적용했습니다.

① 미리 준비된 설계도 (지식 그래프)

scGRIP 은 아무것도 모르는 상태에서 시작하지 않습니다. 대신, 과학자들이 이미 발견한 '전령 - 건설 허가 - 건물' 간의 관계를 담은 거대한 사전 지식 데이터베이스를 먼저 로드합니다.

• 비유: 새로운 도시를 설계할 때, 과거의 성공적인 건축 사례와 법규 (예: "이 구역은 공장이 들어갈 수 없다") 를 미리 알고 있는 베테랑 설계사가 들어온 것입니다.

② 각 세포의 고유한 '신분증' (토큰화 및 임베딩)

이 도구는 각 세포를 개별적으로 분석합니다. 마치 각 시민에게 고유한 신분증을 발급하듯, 각 세포가 가진 유전자와 DNA 정보 (크로마틴 접근성) 를 분석하여 그 세포만의 **'디지털 지문'**을 만듭니다.

• 비유: 같은 도시라도, '병원'에 있는 세포와 '학교'에 있는 세포는 완전히 다른 신분증을 가집니다. scGRIP 은 이 신분증을 통해 "아, 이 세포는 면역 세포구나, 저 세포는 뇌 세포구나"라고 정확히 구분합니다.

③ AI 의 '설명 능력' (그래프 SHAP)

가장 중요한 부분입니다. 기존 AI 는 "결과만 알려주지, 왜 그런 결과가 나왔는지 설명하지 못했습니다." 하지만 scGRIP 은 AI 가 스스로 이유를 설명할 수 있습니다.

• 비유: AI 가 "이 세포가 병에 걸린 이유는 A 전령이 B 건물을 잘못 지었기 때문입니다"라고 구체적인 이유를 말해줍니다. 이를 통해 과학자들은 "어떤 전령이 어떤 유전자를 조절해서 질병을 일으켰는지" 정확히 추적할 수 있습니다.

---

3. 실제 성과: 알츠하이머병을 찾아내다

이 도구를 알츠하이머병 (치매) 연구에 적용해 보았습니다.

• 과거: "뇌 세포들이 죽고 있어요" 정도만 알 수 있었습니다.
• scGRIP: "아! **미세아교세포 (뇌의 청소부)**라는 특정 세포에서, APOE라는 유전자가 과하게 활성화되어 뇌에 노폐물 (아밀로이드) 을 쌓이게 하고 있구나!"라고 정확한 원인과 메커니즘을 찾아냈습니다.
• 마치 도시의 특정 구역에서 쓰레기 처리 시스템이 고장 난 것을 찾아내어, "이 전령 (APOE) 이 쓰레기 수거차 (면역 반응) 를 너무 많이 불러와서 도로가 막혔다"라고 설명하는 것과 같습니다.

4. 왜 이것이 중요한가요?

• 정밀함: 세포 하나하나의 상태를 볼 수 있어, 같은 질병이라도 환자마다 다른 원인을 찾을 수 있습니다.
• 이해 가능성: AI 가 "왜"라고 설명해 주기 때문에, 과학자들이 새로운 치료제를 개발할 때 표적을 정확히 잡을 수 있습니다.
• 확장성: 거대한 데이터도 빠르게 처리할 수 있어, 앞으로 더 복잡한 질병 연구에도 쓸 수 있습니다.

요약

scGRIP은 거대한 세포 도시의 복잡한 교통 체계를 **미리 준비된 설계도 (지식)**와 **각 시민의 신분증 (개별 세포 데이터)**을 결합하여 분석하고, AI 가 스스로 이유를 설명해 주는 똑똑한 도구입니다. 이를 통해 알츠하이머병 같은 난치성 질환의 정확한 원인을 찾아내고, 더 효과적인 치료법을 개발하는 데 큰 도움을 줄 것으로 기대됩니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 단일 세포 다중 오믹스 (single-cell multi-omics, 예: scRNA-seq 및 scATAC-seq 동시 측정) 기술의 발전은 세포 수준에서 유전자 조절 네트워크 (GRN) 를 재구성하고, 질병과 관련된 고해상도 차등 GRN 을 규명할 수 있는 가능성을 열었습니다.
• 문제점: 기존 GRN 추론 방법들은 다음과 같은 한계를 가지고 있습니다.
  • 해석 가능성 부족: 복잡한 딥러닝 모델의 예측 결과를 생물학적으로 해석하기 어렵습니다.
  • 확장성 및 정확도 문제: 단일 세포 데이터의 희소성 (sparsity), 노이즈, 고차원성으로 인해 정확한 세포 특이적 GRN 추론이 어렵습니다.
  • 외부 지식 통합의 비효율성: 기존 방법들은 외부 모티프 (motif) 데이터베이스나 다양한 알고리즘에 의존하여 프레임워크 간 편차가 크고, 사전 지식 (prior knowledge) 을 모델 구조에 깊이 통합하지 못합니다.
  • 사후 해석 도구: SHAP(Shapley Additive exPlanations) 과 같은 해석 도구들이 사후 (post-hoc) 분석으로만 사용되며, 그래프 신경망 (GNN) 프레임워크 내부에 완전히 통합되지 않았습니다.

2. 방법론 (Methodology: scGRIP)

scGRIP (single-cell Gene Regulatory Inference with Prior knowledge) 는 그래프 변이 오토인코더 (Graph Variational Autoencoder) 를 기반으로 하며, 사전 지식과 해석 가능한 AI 기법을 통합한 프레임워크입니다.

핵심 구성 요소:

1. 사전 지식 기반 이질적 그래프 구성 (Prior-guided Regulatory Graph):

   • 전사 인자 (TF), 조절 요소 (RE, 예: 프로모터/엔핸서), 표적 유전자 (TG) 를 노드로, cis-조절 사전 지식 (cisTarget 데이터베이스 및 TSS 와의 유전적 거리) 을 기반으로 잠재적인 상호작용 (TF-RE, RE-TG) 을 엣지로 정의합니다.
   • 이를 통해 정적인 토폴로지 스캐폴드를 구축합니다.

2. 토큰화 및 세포 특이적 임베딩 (Tokenization & Cell-specific Embeddings):

   • 공유 코드북 (Shared Codebook): scRNA-seq(발현) 과 scATAC-seq(접근성) 데이터를 공유하는 코드북을 사용하여 토큰화합니다.
   • 동적 임베딩: xTrimoGene 기반의 인코더를 통해 각 세포의 발현/접근성 값을 벡터로 변환하고, 이를 node2vec(그래프 구조 정보) 및 GraphSAGE(이웃 집계) 와 결합하여 세포 특이적 (cell-specific) 노드 임베딩을 생성합니다. 이는 각 세포의 고유한 분자 상태를 그래프 구조 내에서 포착합니다.

3. 그래프 기반 SHAP 기반 귀속 (GraphSHAP Attribution):

   • GraphSVX/GraphSHAP 적용: 그래프 신경망의 예측을 설명하기 위해 GraphSHAP 기법을 도입합니다.
   • 작동 원리: 특정 표적 유전자 (TG) 를 예측하는 데 기여하는 TF 와 RE 의 중요도를 계산하기 위해, 국소 k-hop 서브그래프에서 TF 나 RE 를 마스킹 (perturbation) 하여 변형된 GRN 을 생성하고, 이를 기반으로 Shapley 값을 추정합니다.
   • 결과: 각 세포 수준에서 TF-TG 및 RE-TG 연결의 기여도 (귀속 점수) 를 정량화하여 해석 가능한 GRN 엣지 가중치를 도출합니다.

4. 임베딩 토픽 모델 (Embedded Topic Model, ETM):

   • 선형 디코더를 사용하여 학습된 토픽 분포를 통해 유전자 발현과 염색질 접근성을 재구성합니다. 이는 모델의 해석 가능성을 높이고, 모달리티 간 일관된 생물학적 프로그램 (topics) 을 발견하게 합니다.

3. 주요 기여 (Key Contributions)

1. 그래프 기반 표현 학습: TF, RE, TG 를 노드로 연결한 사전 지식 그래프를 구축하고, 이를 통해 구조적 정보와 데이터 기반 통찰을 결합한 임베딩을 학습합니다.
2. 해석 가능한 GRN 추론: GraphSHAP 기법을 모델 내부에 통합하여, 단일 세포 수준에서 각 조절 상호작용의 기여도를 정량화하고 해석 가능한 GRN 을 생성합니다.
3. 토큰화 기반 다중 오믹스 통합: 공유 코드북을 통해 이질적인 오믹스 데이터를 통합하고, 세포 특이적 동적 임베딩을 통해 미세한 세포 상태 차이를 포착합니다.

4. 실험 결과 (Results)

• 성능 평가 (Benchmarking): PBMC, BMMC, 인간 대뇌 피질 등 3 개의 다중 오믹스 데이터셋에서 scGRIP 을 LINGER, scGLUE, Pearson 상관관계 (PCC) 베이스라인과 비교했습니다.

  • TF-RE 예측: ChIP-seq Atlas 를 골드 스탠다드로 사용했을 때, scGRIP 은 평균 AUPRC(0.613) 에서 다른 모든 방법 (LINGER: 0.599, GLUE: 0.606) 보다 우수한 성능을 보였습니다. 특히 BCL6 같은 특정 TF 에 대해 실험적으로 검증된 결합 부위 예측 정확도가 높았습니다.
  • 세포 분류: 추론된 GRN 을 기반으로 한 KNN 분류기에서 scGRIP 은 세포 유형을 가장 정확하게 분류했습니다. SHAP 가중치를 제거한 ablation 실험에서 성능이 저하되어, SHAP 기반 귀속이 세포 특이적 역동성을 포착하는 데 필수적임을 입증했습니다.
  • 확장성: GraphSAGE 기반 아키텍처를 사용하여 메모리 효율성이 높으며, 대규모 그래프에서도 LINGER 나 GLUE 보다 효율적으로 확장됩니다.

• 알츠하이머병 (AD) 사례 연구:

  • 미세아교세포 (Microglia) 분석: AD 환자 대조군 미세아교세포에서 차등 조절 네트워크를 추론했습니다.
  • 발견: APOE 및 SPI1과 관련된 조절 메커니즘이 AD 에서 활성화됨을 발견했습니다. 특히, APOE 의 TSS 영역에 AD 특이적 염색질 접근성 피크가 존재하는 조절 요소 (RE) 를 정확히 식별했습니다.
  • 생물학적 타당성: 추론된 네트워크는 중성구 탈과립 (neutrophil degranulation), 선천성 면역 활성화, 아밀로이드 관련 경로 등의 기능적 풍부화 (enrichment) 분석 결과와 일치했습니다. 독립적인 AD 데이터셋 (ROSMAP) 을 통한 검증에서도 scGRIP 이 LINGER 보다 우수한 재현성을 보였습니다.

• 토픽 분석: 학습된 토픽은 미세아교세포 특이적 조절 모듈 (예: NFATC2, SPI1 관련) 을 성공적으로 식별했으며, 그래프 사전 지식을 통합한 모델이 더 많은 TF-RE-TG 삼중체 (triplets) 를 복구함을 확인했습니다.

5. 의의 및 결론 (Significance)

• 해석 가능성과 정확도의 균형: scGRIP 은 단일 세포 수준에서 GRN 을 추론하면서도, GraphSHAP 를 통해 각 상호작용의 생물학적 기여도를 명확히 설명할 수 있는 해석 가능한 AI 프레임워크를 제공합니다.
• 질병 메커니즘 규명: 알츠하이머병과 같은 복잡한 질병에서 세포 유형별 (특히 미세아교세포) 및 조건별 (AD vs Control) 조절 프로그램의 변화를 정밀하게 규명하여, 질병 발병 기전 이해에 기여합니다.
• 확장성: 대규모 단일 세포 다중 오믹스 데이터를 처리할 수 있는 메모리 효율적인 아키텍처를 제공하여, 차세대 유전체 연구에 적용 가능한 도구로 자리 잡았습니다.

요약하자면, scGRIP은 사전 생물학적 지식, 그래프 신경망, 그리고 해석 가능한 AI 기법을 융합하여 기존 방법들의 한계를 극복하고, 세포 수준에서 정밀하고 해석 가능한 유전자 조절 네트워크를 추론하는 혁신적인 프레임워크입니다.