CellAwareGNN: Single-Cell Enhanced Knowledge Graph Foundation Model for Drug Indication Prediction

이 논문은 단일 세포 유전체 정보를 지식 그래프에 통합하여 자가면역 질환을 포함한 모든 질병에 대한 약물 재창출 예측 성능과 생물학적 해석 가능성을 향상시킨 'CellAwareGNN' 모델을 제안하고 그 우수성을 입증합니다.

핵심

🏥 핵심 비유: "병원 지도"와 "세포별 주민 명부"

상상해 보세요. 우리가 약을 개발하거나 기존 약을 새로운 병에 쓰려고 할 때, 마치 거대한 **병원 지도 (지식 그래프)**를 보고 길을 찾는 것과 같습니다.

1. 기존의 지도 (PrimeKG/TxGNN):

   • 이전까지의 인공지능은 거대한 병원 지도를 가지고 있었습니다. "이 약은 이 병에 좋다", "이 유전자는 이 질병과 관련 있다"는 큰 그림만 담겨 있었죠.
   • 문제점: 이 지도는 **"전체적인 평균"**만 보여줬습니다. 예를 들어, "면역 세포가 나빠서 생기는 병"이 있을 때, 지도는 단순히 "면역 세포가 문제다"라고만 알려주었습니다. 하지만 실제로는 'T 세포'라는 특정 주민이 문제일 수도 있고, 'B 세포'라는 다른 주민이 문제일 수도 있습니다. 기존 지도는 이 세세한 차이를 구별하지 못해, 때로는 잘못된 약을 추천하거나 중요한 단서를 놓쳤습니다.

2. 새로운 지도 (scPrimeKG & CellAwareGNN):

   • 이 연구팀은 기존 지도에 **'1 인 1 주민 명부 (단일 세포 유전체 데이터)'**를 추가했습니다.
   • 이제 지도는 "이 약은 B 세포라는 특정 주민을 통해 류마티스 관절염을 치료한다"거나, "이 유전자는 T 세포에서만 작동한다"는 아주 정교한 정보를 담게 되었습니다.
   • 마치 병원 전체를 보는 것에서, 각 병동 (세포) 의 구체적인 상황까지 볼 수 있게 된 것과 같습니다.

---

🚀 이 연구가 해결한 3 가지 문제

1. "세부 사항"의 부재 (세포별 차이 무시)

• 비유: 모든 사람의 입맛이 같다고 가정하고 메뉴를 추천하는 것과 같습니다. "매운 걸 좋아하니 매운 음식을 추천해 드릴게요"라고 하지만, 사실 그 사람은 매운 걸 싫어할 수도 있죠.
• 해결: 이 모델은 **세포의 종류 (T 세포, B 세포 등)**를 구분해서, 어떤 세포에서 약이 어떻게 작용하는지 정확히 파악합니다. 특히 자가면역 질환 (면역 세포가 잘못 작동하는 병) 에서는 이 차이가 매우 중요합니다.

2. "지도"가 오래됨 (데이터 업데이트 부족)

• 비유: 5 년 전 지도를 들고 2026 년의 도시를 찾는 것과 같습니다. 새로 생긴 병원이나 길이 없어서 길을 잃기 쉽죠.
• 해결: 연구팀은 기존 지도 (PrimeKG) 를 최신 데이터로 **완전히 업데이트 (PrimeKG-U)**하고, 여기에 최신 단일 세포 연구 결과 (OneK1K) 를 더했습니다.

3. "시험 문제"의 편향 (잘 알려진 병만 평가)

• 비유: 시험 문제를 낼 때, 유명한 사람만 나오는 문제만 내면 성적이 잘 나올 뿐, 진짜 실력을 알 수 없습니다.
• 해결: 이 연구는 **모든 질병 (드문 병 포함)**을 골고루 테스트할 수 있는 새로운 평가 방식을 도입했습니다.

---

🏆 결과: 얼마나 좋아졌나요?

이 새로운 모델 (CellAwareGNN) 은 기존 모델보다 훨씬 뛰어난 성과를 냈습니다.

• 전반적인 성능: 약이 어떤 병에 잘 들을지 예측하는 정확도가 3.4% 향상되었습니다. 숫자로 보면 작아 보이지만, 의료 AI 분야에서는 엄청난 발전입니다.
• 자가면역 질환 특화: 자가면역 질환 (류마티스, 천식 등) 에서는 정확도가 6.0%나 향상되었습니다. 세포별 차이를 고려한 덕분에, 면역 체계가 관여하는 복잡한 병을 훨씬 잘 이해하게 된 것입니다.

💡 실제 사례: "기존 약의 새로운 활약"

이 모델은 이미 알려진 약들이 새로운 병에 어떻게 쓰일 수 있는지 놀라운 아이디어를 제시했습니다.

• 백반증 (Pemphigus) 치료:

  • 오크렐리주맙 (Ocrelizumab): 원래는 다발성 경화증 치료제인데, 이 모델은 B 세포를 표적으로 삼아 백반증 치료에도 효과적일 것이라고 예측했습니다. 실제로 임상 사례에서도 효과가 입증되었습니다.
  • 메토트렉세이트 (Methotrexate): T 세포와 B 세포 모두에서 작용하여 염증을 줄여준다는 세포 수준의 증거를 바탕으로 추천되었습니다.

• 류마티스 관절염 (Rheumatoid Arthritis):

  • 로시글리타존 (Rosiglitazone): 당뇨 치료제인데, 염증을 줄이는 특정 경로를 통해 관절염 치료에 도움을 줄 수 있다는 새로운 가능성을 제시했습니다.

---

🌟 결론: 왜 이 연구가 중요한가요?

이 연구는 **"약물 개발에 '세포'라는 렌즈를 끼웠다"**고 할 수 있습니다.

과거에는 "이 약이 이 병에 좋을까?"를 대략적으로 추측했다면, 이제는 **"이 약이 이 병의 어떤 세포를 통해, 어떻게 작용할까?"**를 구체적으로 이해할 수 있게 되었습니다. 이는 단순히 예측 정확도를 높이는 것을 넘어, 왜 그 약이 효과적인지 생물학적으로 설명 가능하게 (Interpretability) 만들어줍니다.

결국, 이 기술은 더 적은 비용과 시간으로 환자에게 맞는 맞춤형 치료약을 찾아내는 데 큰 도움을 줄 것입니다. 마치 거대한 병원 지도에 각 병동의 세부 지도까지 추가하여, 의사들이 환자를 더 정확하게 치료할 수 있게 도와주는 것과 같습니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 기존 한계: 약물 재창출 (Drug Repurposing) 을 위한 그래프 기반 모델 (예: TxGNN) 은 대규모 생물의학 지식 그래프 (Knowledge Graph, KG) 를 기반으로 작동하지만, 세포 유형별 (Cell-type-specific) 인 유전체적 맥락이 결여되어 있습니다. 대부분의 KG 는 조직 수준에서 평균화된 데이터를 사용하여, 자가면역 질환과 같이 특정 면역 세포 (T 세포, B 세포 등) 의 기능 이상으로 발생하는 질병의 기전을 포착하는 데 한계가 있습니다.
• 평가의 편향: 기존 연구들은 무작위로 선택된 질병 하위 집합을 테스트하여 평가하는 경향이 있어, 희귀 질환이나 데이터가 부족한 질병에 대한 모델의 일반화 성능을 제대로 검증하지 못했습니다.
• 목표: 단일 세포 (Single-cell) 유전체 데이터를 지식 그래프에 통합하여 질병의 세포 수준 기전을 반영하고, 모든 질병을 포괄하는 엄격한 평가 체계를 통해 약물 - 질병 지시 (Indication) 예측 성능을 향상시키는 것입니다.

2. 방법론 (Methodology)

2.1. 지식 그래프 구축 (Knowledge Graph Construction)

연구팀은 기존 PrimeKG 를 기반으로 다음과 같이 3 단계로 그래프를 확장 및 업데이트했습니다.

1. PrimeKG-U (업데이트): 2021 년 기준이었던 원본 PrimeKG 를 2025 년 11 월 기준 최신 데이터 (DrugBank v6.0+, DisGeNET v8.0 등) 로 갱신하여 PrimeKG-U 를 구축했습니다.
2. scPrimeKG (단일 세포 강화): OneK1K 코호트 (982 명의 건강한 기증자로부터 수집된 127 만 개의 말초혈액 단핵구 단일 세포 RNA 시퀀싱 데이터) 에서 유래한 세포 유형별 cis-eQTL(유전자 발현 양적 형질 유전체 좌위) 데이터를 통합했습니다.
   • 구조적 변화: 기존 PrimeKG-U(약 810 만 개 엣지, 129k 노드) 에서 약 1,452 만 개 엣지, 147k 노드로 확장되었습니다.
   • 새로운 요소: 22 가지 면역 세포 유형 (예: CD4+ T 세포, NK 세포 등) 노드와 유전자 - 세포 유형 간 54,670 개의 새로운 엣지를 추가하여, 특정 세포 유형에서 유전자가 어떻게 조절되는지를 그래프에 명시적으로 반영했습니다.

2.2. 모델 아키텍처 (Model Architecture)

• CellAwareGNN: TxGNN 과 동일한 2 층 이종 관계 그래프 합성곱 네트워크 (R-GCN) 인코더와 DistMult 디코더를 사용합니다.
• 학습 전략 (Two-phase Training):
  1. Pre-training: scPrimeKG 의 모든 엣지 유형 (유전자, 질병, 약물, 경로 등) 을 사용하여 그래프의 전반적인 구조적 표현을 학습합니다.
  2. Fine-tuning: 약물 - 질병 관계 (지시, 금기, 오프라벨 사용) 에만 초점을 맞춰 미세 조정합니다. 이 과정에서 금기 (Contraindication) 와 오프라벨 사용 데이터를 학습에 포함시켜 임상적 신호를 강화하되, 최종 평가는 '지시 (Indication)' 예측에만 집중합니다.

2.3. 평가 체계 (Evaluation Scheme)

• 질병 대표성 인식 분할 (Disease-Representation Aware Splitting): 기존 무작위 분할 대신, 각 질병별로 최소 1 개의 엣지 이상을 테스트 세트에 포함되도록 분할했습니다. 이는 희귀 질환이 평가에서 누락되는 것을 방지하고 모델의 전반적인 일반화 능력을 검증합니다.
• 메트릭: AUPRC, Recall@k, AP@k, MRR@k 등을 전체 질병 세트와 자가면역 질환 하위 집합에 대해 계산했습니다.

3. 주요 기여 (Key Contributions)

1. scPrimeKG 구축: 단일 세포 유전체 데이터 (OneK1K) 를 통합하여 세포 유형별 조절 관계를 포함하는 최초의 정밀 의학 지식 그래프 중 하나를 개발했습니다.
2. CellAwareGNN 개발: 위 그래프를 기반으로 사전 학습된 그래프 기초 모델 (Foundation Model) 을 제안하여, 세포 수준의 맥락을 고려한 약물 - 질병 연결 예측을 가능하게 했습니다.
3. 엄격한 평가 프레임워크: 모든 질병을 포괄하는 분할 전략을 도입하여, 기존 모델들이 놓칠 수 있는 희귀 질환 및 자가면역 질환에 대한 성능을 공정하게 평가했습니다.

4. 실험 결과 (Results)

4.1. 전반적인 성능 향상

• 전체 질병 세트: CellAwareGNN 은 AUPRC 0.826을 기록하여, 업데이트된 베이스라인 (TxGNN-U, 0.816) 보다 1.2%, 기존 TxGNN(0.799) 보다 3.4% 향상된 성능을 보였습니다.
• 자가면역 질환 세트: 자가면역 질환 예측에서 CellAwareGNN 의 AUPRC 는 0.864로, TxGNN-U(0.847) 대비 2.0%, TxGNN(0.815) 대비 6.0% 크게 개선되었습니다. 이는 단일 세포 데이터가 면역 질환 예측에 특히 유용함을 시사합니다.

4.2. 질적 분석 및 발견 (Qualitative Analysis)

모델은 생물학적 기전에 부합하는 새로운 약물 재창출 후보를 성공적으로 식별했습니다.

• 천포창 (Pemphigus):
  • Ocrelizumab: CD20을 발현하는 B 세포를 표적으로 하여 천포창 치료에 유망한 후보로 순위가 높게 매겨졌습니다 (기존 임상 사례와 일치).
  • Methotrexate: T 및 B 세포의 DHFR 및 ATIC 활성을 통해 작용하는 것으로 예측되었습니다.
• 류마티스 관절염 (RA):
  • Rosiglitazone: PPAR-𝛾 활성을 통한 항염증 효과로 인해 RA 치료 후보로 식별되었습니다.
• 기존 치료제 순위 개선: Prednisolone, Azathioprine 등 표준 치료제를 기존 모델보다 더 높은 순위로 예측하여, 모델이 세포 유형별 유전자 발현 차이를 정확히 포착했음을 입증했습니다.

4.3. 세포 유형 엣지의 기여도 분석

• 다양한 엣지 유형 (약물 - 단백질, 질병 - 단백질 등) 을 제거한 변형 모델을 실험한 결과, 단일 엣지 유형을 제거하더라도 성능이 크게 저하되지 않는 **강건성 (Robustness)**을 보였습니다.
• 그러나 세포 유형 엣지를 포함한 모든 CellAwareGNN 변형 모델은 세포 유형 엣지가 없는 TxGNN-U 보다 일관되게 우수한 성능을 보였습니다. 이는 세포 유형 정보가 기존 지식과 중복되지 않으며, 추가적인 예측력을 제공함을 의미합니다.

5. 의의 및 결론 (Significance)

• 생물학적 해석 가능성 향상: 단순한 통계적 상관관계를 넘어, 특정 세포 유형 (예: 자가반응성 B 세포) 을 통한 질병 기전과 약물 작용 메커니즘을 연결함으로써 모델의 해석 가능성을 높였습니다.
• 정밀 의학으로의 확장: 조직 수준이 아닌 세포 수준에서 질병을 이해하고 약물을 추천함으로써, 특히 자가면역 질환과 같은 복잡한 질환에 대한 정밀 의학 (Precision Medicine) 접근법을 강화했습니다.
• 미래 방향: 단일 세포 데이터를 지식 그래프에 통합하는 패러다임을 정립하여, 향후 조직 특이적 데이터나 세포 간 상호작용을 포함하는 더 정교한 기초 모델 개발의 토대를 마련했습니다.

이 연구는 단일 세포 유전체 데이터와 그래프 기초 모델을 융합하여 약물 재창출의 정확성과 생물학적 타당성을 동시에 높인 선구적인 사례로 평가됩니다.