scDRP: Disentangled representation learning for predicting single-cell responses to perturbations and estimating individual treatment effects

기술 요약: scDRP: 단일 세포 섭동에 대한 반응 예측을 위한 얽힘 해제 표현 학습 (Disentangled Representation Learning for Predicting Single-Cell Responses to Perturbations)

1. 문제 정의

단일 세포 시퀀싱 기술(예: Perturb-seq, sci-Plex)은 다양한 화학적 또는 유전적 섭동(perturbation) 하에서의 대규모 유전자 조절 회로 프로파일링을 가능하게 한다. 그러나 이러한 실험은 본질적으로 파괴적이며, 서로 다른 조건에 있는 세포들에 대해 매칭되지 않은 스냅샷만을 제공한다. 결과적으로, 동일한 세포를 섭동 전후로 관찰하는 것이 불가능하며, 이는 개별 치료 효과(Individual Treatment Effects, ITE)—즉, 특정 세포가 처치에 대해 보이는 구체적인 인과적 반응—를 추정하는 데 근본적인 장벽이 된다.

기존 방법론들은 두 가지 주요 한계점에 직면해 있다:

• 집단 평균 중심(Population-Average Focus): scGEN과 같은 프레임워크는 평균적인 집단 반응을 예측하므로, 오가노이드와 같이 하위 집단마다 다르게 반응하는 복잡한 시스템을 이해하는 데 필수적인 이질성을 가린다.
• 지나치게 강한 가정(Overly Strong Assumptions): CINEMA-OT와 같은 방법은 섭동 유도 신호가 교란 요인(예: 세포 유형)과 완전히 독립적이라고 가정하며 선형 결합에 의존하는데, 이는 세포 반응을 지배하는 복잡한 비선형 관계와 상호작용을 간과한다.

과제는 교란 요인(cell-type)을 고려하면서, 어떻게 제어군 세포가 섭동에 반응할 것인지(counterfactual state)를 추론하고, 매칭되지 않은 집단 데이터로부터 ITE를 추정하는 것이다.

2. 방법론: scDRP 프레임워크

저자들은 **얽힘 해제 표현 학습(disentangled representation learning)**과 **조건부 최적 운송(conditional optimal transport, OT)**을 결합하여 ITE를 추론하는 생성적 프레임워크인 scDRP를 제안한다.

A. 얽힘 해제된 잠재 표현 (Disentangled Latent Representation)
scDRP는 고차원 유전자 발현 프로파일($x$)을 두 개의 조건부 독립적인 하위 공간으로 구조화된 저차원 잠재 변수($z$)의 함수로 모델링한다:

1. 섭동 불변 정체성 ($z_u$): 안정적인 내재적 특성(예: 세포 유형, 성숙 단계) 및 교란 요인($w$)을 포착한다.
2. 섭동 유도 반응 ($z_d$): 섭동($a$) 및 교란 요인에 의해 유도된 변이를 포착한다.

이러한 분리를 학습하기 위해, scDRP는 다음의 규제화 기법을 사용하는 **$\beta$-변이 오토인코더($\beta$-VAE)**를 채택한다:

• 힐베르트-슈미트 조건부 독립성 기준 (Hilbert–Schmidt Conditional Independence Criterion, HSCIC): 교란 요인 $w$가 주어졌을 때 $z_u$와 $z_d$ 사이의 엄격한 조건부 독립성을 강제한다.
• Gated $L_0$ Norm: 최적의 잠재 차원을 선택하고 식별 가능성(identifiability)을 보장하기 위해 희소성(sparsity)을 장려한다.

B. 반사실적 매칭을 위한 조건부 최적 운송 (Conditional Optimal Transport for Counterfactual Matching)
반사실적 예측을 생성하기 위해, scDRP는 제어군 세포를 섭동 그룹 내의 "쌍둥이" 대응물과 매칭해야 한다. 이 프레임워크는 순위 보존 가정(rank-preserving assumption) 하에 작동한다: 균질한 하위 집단 내에서(교란 요인 $w$ 또는 $z_u$에 의해 조건화됨), 섭동은 반응의 분포를 변화시키지만 개별 세포의 상대적 순위(분위수)는 보존한다.

이 매칭은 얽힘 해제된 잠재 공간에서의 조건부 최적 운송 문제로 정식화된다. 목표는 다음의 운송 비용을 최소화하는 최적 결합 행렬 $\Gamma^*$를 찾는 것이다:
$$C(z_s, z_t) = \alpha \|z_s^u - z_t^u\|_2^2 + \beta \|z_s^d - z_t^d\|_2^2$$

• 첫 번째 항($\alpha$)은 매칭된 세포들이 유사한 내재적 정체성을 공유하도록 하는 소프트 제약 조건 역할을 한다.
• 두 번째 항($\beta$)은 반응 공간에서의 운송 비용으로, 1차원에서 분위수 매칭과 동일하다.

최적 결합이 찾아지면, **중심 바리센트 투영(barycentric projection)**을 사용하여 반사실적 잠재 상태($\tilde{z}$)를 생성하며, 이를 디코딩하여 ITE($\hat{\tau} = \tilde{x} - x$)를 추정한다.

C. 다운스트림 분석 및 일반화

• 바이클러스터링(Biclustering): 추정된 ITE 행렬은 특정 반응 패턴을 보이는 유전자 및 세포 그룹인 **기능적 유전자 모듈(Functional Gene Modules, FGMs)**을 식별하기 위해 바이클러스터링(BCPlaid)을 통해 분석된다.
• 미관측 용량(Unseen Doses): 관찰되지 않은 섭동 용량에 대해, scDRP는 잠재 공간에서 $z_d$의 평균과 분산을 보간하기 위해 **가우시안 프로세스 회귀(Gaussian Process regression)**를 사용한 후, 잔차 보정(residual correction)을 거쳐 반사실적 상태를 생성한다.
• 조합 효과(Combinatorial Effects): 프레임워크는 개별 ITE를 벡터로 취급하고 벡터 합성(평행사변형 법칙)을 적용하여 결합된 섭동 효과의 크기를 추론한다. 다만, 이는 절대적인 크기만을 추정할 수 있으며 방향(상향/하향 조절)은 추정할 수 없다.

3. 주요 결과

논문은 시뮬레이션과 네 가지 실제 데이터셋(Kang et al., Dong et al., Hagai et al., Norman et al.)을 통해 scDRP를 검증한다:

• 시뮬레이션 성능: scDRP는 특히 비선형 설정과 세포 유형 레이블을 알 수 없는 경우, ITE 및 조건부 평균 치료 효과(CATE)를 추정하는 데 있어 CINEMA-OT 및 scGEN보다 일관되게 우수한 성능을 보였다. 또한 실제 쌍(ground-truth pairings)과 잠재적 얽힘 해제를 정확하게 복구하였다.
• 실제 데이터 예측: 실제 데이터셋에서 scDR립은 관찰된 치료 분포와 밀접하게 겹치는 반사실적 분포를 생성한 반면(높은 PCC, 낮은 RMSE, 낮은 MMD), 다른 방법들은 상당한 격차를 보였다.
• 생물학적 통찰:
  • 라이노바이러스 및 담배 연기: 기관지 오가노이드 데이터를 재분석하여, 기존의 선형 분석에서는 놓쳤던 섬모 생물 발생(ciliary biogenesis) 및 세포 주기 진행을 위한 별도의 FGMs를 포함한 미세한 패턴을 식별했다.
  • 인터페론 자극: PBMC에서 scDRP는 이질적인 면역 반응을 해결하여, 특정 세포 유형(예: CD4+ T 세포, 단핵구)을 특정 기능 모듈(예: 항바이러스 방어, 세포 사멸, 대사 조절)과 연결했다.
  • CRISPR 섭동: K562 백혈병 세포에서, 이 방법은 지배적인 기능 모듈(MHC I 항원 제시)과 특정 유전자 기반의 분기(예: 산화 스트레스와 분화를 연결하는 KLF1)를 식별했다.
• 일반화: 모델은 관찰되지 않은 화학적 용량에 대한 용량-반응 곡선을 성공적으로 보간하였으며, 조합된 치료 효과의 크기를 추정하였다.

4. 의의 및 주장

저자들은 scDRP가 단일 세포 섭동 데이터로부터 이질적인 인과 관계를 추출하기 위한 원칙적인 계산적 접근 방식을 제공한다고 주장한다. 그 의의는 다음과 같다:

• 이론적 엄밀성: 휴리스틱 접근 방식을 넘어, 조건부 OT를 사용하여 반사실적 매칭을 위한 엄격한 가정을 확립했다.
• 생물학적 해상도: 정체성과 반응을 분리함으로써, 집단 평균 방법이 가리는 세포 유형별 기능적 유전자 모듈과 이질적인 메커니즘의 발견을 가능하게 한다.
• 다양성: 모델은 관찰되지 않은 섭동 용량 및 조합으로 일반화되어, in silico 섭동 스크리닝 및 합리적인 치료 표적 발굴을 용이하게 한다.

논문은 얽힘 해제가 관측 데이터만으로는 검증할 수 없는 식별 가정(조건부 독립성)에 의존한다는 점을 언급하며 한계를 인정하였고, 조합 추정이 현재 방향이 아닌 효과의 크기만을 복구한다는 점을 명시했다. 향후 연구로는 시공간적 양상(temporal/spatial modalities)을 통합하고 scATAC-seq와 같은 다른 데이터 유형으로 확장하는 것이 제안되었다.