MorphoLearn: A morphology-driven workflow to decipher 3D electron microscopy segmentation in diatoms

활기찬 도시의 내부를 지도화한다고 상상해 보십시오. 하지만 거리와 건물 대신, 단세포 생물 내부의 작고 정교한 기계 장치를 보고 있는 것입니다. 이것이 바로 과학자들이 3D 전자 현미경으로 하는 일입니다. 그들은 세포의 내부 구조를 보기 위해 믿을 수 없을 정도로 상세하고 고해형인 "스냅샷"을 찍습니다.

하지만 여기에는 큰 문제가 있습니다. 이 도시들을 손으로 직접 지도화하는 것은 믿을 수 없을 정도로 느리고 지루하다는 점입니다. 전문가가 모든 벽과 방을 일일이 수동으로 따라 그려야 하며, 여기에는 엄청난 시간이 걸립니다.

도전 과제: 다양성의 세계

인간 의학의 세계에서 AI(인공지능)는 세포를 지도화하는 데 매우 뛰어난 성능을 보여왔습니다. 왜냐하면 인간의 세포는 대부분 모양이 비슷하고, 우리는 종종 세포가 시간에 따라 움직이는 모습(마치 비디오처럼)을 관찰할 수 있기 때문입니다. AI는 동일한 "동네"를 반복해서 봄으로써 학습합니다.

하지만 미생물과 조류(여기서 연구된 규조류와 같은)의 세계에서는 모든 세포가 고유합니다. 그것들은 모두 각기 다른 모양, 크기, 내부 구조를 가지고 있습니다. 게다가 과학자들은 항상 이들의 움직임을 관찰할 수 있는 것은 아닙니다. 우리는 오직 다양한 조명과 준비 조건 하에 촬영된 정적인 스냅샷만을 가질 수 있습니다. 이는 마치 로봇에게 집마다 건축 양식이 모두 다르고, 어떤 사진은 밝은 햇빛 아래서 찍혔으며 어떤 사진은 어둠 속에서 찍힌 도시에서, 모든 종류의 집을 인식하도록 가르치는 것과 같습니다.

해결책: MorphoLearn

저자들은 MorphoLearn이라는 새로운 시스템을 만들었습니다. 이것을 이 혼란스러운 다양성을 처리하기 위해 특별히 설계된 똑똑하고 적응력이 뛰어난 로봇 건축가라고 생각하십시오.

작동 방식은 다음과 같습니다 (쉬운 비유를 사용함):

• 적절한 도구 선택: 연구팀은 슈퍼컴퓨터 없이도 작업을 수행할 수 있는 여러 가지 "두뇌" 설계(신경망 구조)를 테스트했습니다. 그들은 VNet이라고 불리는 특정 설계가 완벽한 균형을 갖추고 있다는 것을 발견했습니다. 즉, 표준 컴퓨터에서도 실행될 만큼 충분히 빠르면서도 세포 전체를 정확하게 지도화할 만큼 똑똑했습니다.
• "쉬운" 학습의 함정: 그들은 흔한 실수를 발견했습니다. 만약 AI를 세포의 작고 쉬운 부분(예: 매끄럽고 평평한 벽)만 가지고 훈련시킨다면, AI는 자신이 천재라고 생각할 것입니다. 하지만 세포 전체의 복잡하고 무질서한 구조를 지도화하라고 요청하면 실패하게 됩니다. 그들의 프레임워크는 AI가 단순히 쉬운 부분을 암기하는 것이 아니라, 진정으로 견고해질 수 있도록 세포 전체로부터 학습하도록 강제합니다.
• 경험으로부터의 학습 (전이 학습): 새로운 종의 조류를 볼 때마다 처음부터 다시 시작하는 대신, AI는 이전 세포들로부터 배운 것을 사용하여 새로운 세포에 빠르게 적응합니다. 이는 이탈리아 요리를 할 줄 아는 요리사가 새로운 레시피 몇 가지만 익히면 칼 잡는 법부터 다시 배울 필요 없이 빠르게 태국 요리를 배울 수 있는 것과 같습니다.
• 경계선 보기: 가장 어려운 부분 중 하나는 한 기관이 끝나고 다른 기관이 시작되는 지점을 구별하는 것인데, 특히 이들이 서로 밀착되어 있을 때(예: 엽록체와 미토콘드리아) 더욱 그렇습니다. 연구팀은 AI 훈련에 특수한 "경계 인식(boundary-aware)" 규칙을 추가했습니다. 이는 로봇에게 물체의 윤곽선을 구체적으로 따라 그리는 형광펜을 쥐여주어, 두 개의 서로 다른 방을 하나의 커다란 방으로 잘못 칠하지 않도록 보장하는 것과 같습니다.

결과

이 논문은 이 새로운 워크플로우를 통해 과학자들이 다음을 수행할 수 있다고 주장합니다:

1. 거대한 슈퍼컴퓨터 없이도 복잡한 3D 세포 구조의 지도를 자동화할 수 있습니다.
2. 다양성을 처리할 수 있습니다. 즉, 세포의 모습이 매우 다르거나 준비 방식이 다르더라도 잘 작동합니다.
3. 더 적은 데이터로 작업할 수 있습니다. 즉, AI를 가동하기 위해 인간 전문가의 수동 드로잉이 더 적게 필요합니다.

요약하자면, MorphoLearn은 미세한 세포 지도를 그리는 느리고 수동적인 작업을 빠르고 자동화된 과정으로 바꾸어 주는 도구 상자입니다. 이를 통해 과학자들은 이전에는 관리하기 너무 어려웠던 규모로 생명의 방대한 다양성을 비교하고 이해할 수 있게 됩니다.