MAP: A Knowledge-driven Framework for Predicting Single-cell Responses for Unprofiled Drugs

이 논문은 14 개의 공개 리소스를 통합한 대규모 지식 그래프 (MAP-KG) 와 대비 학습 기반의 지식 주도 사전 학습 전략을 통해 기존 모델이 다루지 못했던 미프로파일링된 약물에 대한 단일 세포 반응 예측 성능을 획기적으로 개선한 'MAP' 프레임워크를 제안합니다.

핵심

1. 문제: "약의 성분을 알지만, 효과가 궁금할 때"

약 개발자들은 수만 가지의 새로운 약 후보 물질을 가지고 있습니다. 하지만 모든 약을 하나하나 실험실에서 세포에 넣고 효과를 확인하는 것은 시간도 너무 오래 걸리고, 비용도 천문학적으로 비쌉니다.

• 기존 AI 모델의 한계:
  기존 AI들은 약을 마치 **'고유 번호 (ID)'**처럼만 기억했습니다. "A 약은 이 세포에 이런 효과를 냈고, B 약은 저런 효과를 냈다"라고 외우고 있는 상태죠.
  • 비유: 마치 외국어 단어장만 보고 있는 학생입니다. "Apple(사과) 은 빨간색이다"라고 외웠지만, 'Apple'이라는 단어가 '과일'이라는 개념과 연결되어 있다는 깊은 이해가 없습니다. 그래서 'Apple'과 비슷하지만 이름이 다른 새로운 과일이 나오면, "이건 빨간색일까?"라고 전혀 답을 못 합니다.
  • 결과: 실험 데이터가 없는 '새로운 약'에 대해서는 AI 가 전혀 예측을 못 했습니다.

2. 해결책: MAP (지식 기반 예측 시스템)

이 연구팀은 AI 에게 단순히 약의 이름만 외우게 하지 않고, 약이 어떻게 작동하는지에 대한 '생물학적 지식'을 가르쳤습니다. 이를 위해 MAP-KG라는 거대한 '약학 지식 지도'를 만들었습니다.

🗺️ MAP-KG: 거대한 생물학 지식 지도

이 지도에는 18 만 개의 약, 2 만 3 천 개의 유전자, 그리고 이 둘 사이의 69 만 가지의 연결 고리 (약이 어떤 유전자를 막거나 켜는지 등) 가 담겨 있습니다.

• 비유: 이 지도는 약과 유전자를 연결하는 거대한 지하철 노선도입니다.
  • 약 (역 A) → 작용 기전 (노선) → 유전자 (역 B)
  • 이 지도를 보면, 약의 이름이 비록 처음 들어보는 것이라도, 그 약이 어떤 '작용 기전 (노선)'을 타고 어떤 유전자 (역) 에 도달하는지 알 수 있습니다.

🧠 MAP 모델: 지식을 활용한 예측

이제 AI 는 이 지도를 보고 다음과 같이 추론합니다.

1. 새로운 약이 들어오면, 그 약의 화학 구조나 설명을 보고 지도에서 가장 가까운 '작용 기전'을 찾습니다.
2. 그 작용 기전이 연결된 유전자들이 어떤 반응을 할지, 이미 알고 있는 다른 약들의 사례를 참고해 예측합니다.
3. 결과: 실험 데이터가 전혀 없는 약이라도, "이 약은 A 유전자를 억제하고 B 유전자를 활성화할 것 같다"라고 0 회 (Zero-shot) 예측이 가능해집니다.

3. 실제 성과: "가상 실험실"의 성공

연구팀은 이 시스템을 통해 다음과 같은 놀라운 결과를 얻었습니다.

• 정확도 향상: 기존 모델들보다 새로운 약의 효과를 예측하는 정확도가 약 12~13% 크게 향상되었습니다.
• 실제 적용 사례 (폐암 치료):
  • 폐암 세포 (A-549) 를 대상으로 실험 데이터가 없는 58 가지의 약 후보를 가상으로 테스트했습니다.
  • 그중 실제로 승인된 5 가지 폐암 치료제 중 4 가지를 AI 가 '가장 효과가 있을 것 같은 약'으로 1 순위와 2 순위로 골라냈습니다.
  • 비유: 마치 미지의 보물 지도를 보고, 보물 (효과적인 약) 이 숨겨진 곳을 정확히 찾아낸 것과 같습니다.

4. 요약: 왜 이것이 중요한가요?

이 연구는 **"데이터가 부족할 때는 지식이 답이다"**라는 것을 증명했습니다.

• 과거: "실험 데이터가 있어야만 예측할 수 있다." (데이터에 의존)
• MAP: "약이 어떻게 작동하는지 원리 (지식) 를 알면, 실험 데이터가 없어도 예측할 수 있다." (지식에 의존)

이 기술이 발전하면, 새로운 약을 개발할 때 수천 번의 실험을 반복하는 대신, 컴퓨터 시뮬레이션으로 먼저 가장 유망한 후보들을 골라낼 수 있게 됩니다. 이는 신약 개발 기간을 획기적으로 줄이고, 비용을 크게 절감하여 더 많은 환자에게 효과적인 약을 빨리 제공할 수 있게 해줄 것입니다.

한 줄 요약:

"약의 이름만 외우는 AI 에서, 약이 몸속에서 어떻게 작동하는지 원리를 이해하는 AI 로 진화하여, 실험 없이도 새로운 약의 효과를 정확히 예측하게 되었습니다."

기술 요약

1. 문제 정의 (Problem)

단일 세포 수준의 화학적 교란 (perturbation) 에 대한 반응을 예측하는 것은 '가상 세포 (Virtual Cell)' 구축의 핵심 목표 중 하나입니다. 그러나 실험적으로 프로파일링된 화합물은 전체 화학 공간의 극히 일부에 불과합니다. 기존 모델들은 대부분 약물을 고립된 식별자 (identifier) 로만 취급하여, 약물의 작용 기전 (mechanism) 을 인코딩하지 못합니다. 이로 인해 다음과 같은 한계가 존재합니다:

• 일반화 능력 부족: 훈련 데이터에 존재하지 않는 새로운 화합물 (Unprofiled Drugs) 이나 새로운 세포 유형 - 약물 조합에 대한 예측이 어렵습니다.
• 기전 무시: 공유된 결합 모드나 유사한 경로 조절과 같은 생물학적 기전이 공유되는 약물들이 서로 관련 없는 토큰으로 인코딩되어, 훈련 데이터에 없는 화합물에 대한 외삽 (extrapolation) 이 제한됩니다.

2. 제안된 방법론: MAP (Mechanism-Aware Perturbation response predictor)

저자들은 구조화된 생물학적 지식을 세포 반응 예측에 통합하여, 프로파일링 데이터가 없거나 희소한 소분자 (small molecules) 에 대한 제로샷 (zero-shot) 예측을 지원하는 프레임워크 MAP을 제안합니다.

2.1 MAP-KG (대규모 생물학적 지식 그래프)

• 구성: 14 개의 공개 데이터베이스 (ChEMBL, DrugBank, PubChem, PrimeKG 등) 를 통합하여 구축되었습니다.
• 규모: 187,089 개의 약물, 22,924 개의 유전자, 694,246 개의 기전적 관계 (triplet relationships) 를 포함합니다.
• 특징: 약물과 유전자를 연결하는 관계뿐만 아니라, SMILES 문자열, 단백질 서열, 작용 기전 (MOA), 기능적 설명 등 이질적인 데이터를 자연어 텍스트로 연결하여 의미적 다리 역할을 합니다.

2.2 지식 기반 멀티모달 사전 학습 (Knowledge-driven Pre-training)

• 멀티모달 인코더: 약물 (SMILES), 유전자 (아미노산 서열), 텍스트 (MOA, 기능 설명) 를 각각 전용 인코더 (MoleculeSTM, ESM-2, BioBERT 등) 를 통해 인코딩합니다.
• 대조 학습 (Contrastive Learning): 분자 구조, 단백질 서열, 텍스트 설명을 통합된 임베딩 공간에 정렬합니다. 이를 통해 기전을 인식할 수 있고 (mechanism-aware), 전이 가능한 (transferable) 약물 및 유전자 임베딩을 생성합니다.
• 관계 조건부 임베딩: 방향성이 있는 생물학적 상호작용 (예: 억제, 활성화) 을 모델링하기 위해 엔티티와 관계 텍스트를 결합한 임베딩을 생성합니다.

2.3 지식 기반 교란 반응 예측 (Knowledge-guided Prediction)

• 기반 모델: 사전 학습된 단일 세포 기반 모델 (Single-cell Foundation Model, STATE) 을 활용합니다.
• 통합 구조:
  1. 통제 상태 (Unperturbed) 의 세포 임베딩을 생성합니다.
  2. 지식 기반 약물 임베딩 (SMILES 기반) 과 유전자 임베딩을 기반으로 교란 신호를 인코딩합니다.
  3. 트랜스포머 인코더를 통해 교란된 세포 임베딩을 예측하고, 이를 다시 유전자 발현 프로필로 디코딩합니다.
• 학습 목표: 표현 공간 (gene expression) 과 임베딩 공간 (latent space) 모두에서 교란된 상태를 맞추도록 이중 손실 함수 (Dual-space supervision) 를 사용합니다.

3. 주요 기여 (Key Contributions)

1. MAP-KG 구축: 세포 교란 모델링에 특화된 대규모 지식 그래프를 구축하여, 이질적인 생물학적 증거를 통합했습니다.
2. 지식 기반 전이 학습: 분자 구조와 생물학적 기전 텍스트를 정렬하여, 훈련 데이터에 없는 약물에도 적용 가능한 전이 가능한 임베딩을 학습했습니다.
3. 제로샷 일반화 성능: 기존 모델들이 실패했던 '프로파일링되지 않은 약물 (Unprofiled Drugs)'에 대한 예측에서 획기적인 성능 향상을 달성했습니다.
4. 기능적 해석 가능성: 예측된 발현 패턴이 생물학적 경로 (Pathway) 수준에서 일관된 기전을 따르는 것을 확인했습니다.

4. 실험 결과 (Results)

MAP 은 Tahoe-100M, SciPlex3, OP3 등 3 개의 대규모 데이터셋에서 CRISP, chemCPA, PRnet 등 최신 베이스라인 모델과 비교 평가되었습니다.

• 시나리오 1: 보이지 않는 세포 유형 - 약물 조합 (Unseen Cell-Drug Pairs)

  • Tahoe-100M 에서 최상위 베이스라인 (CRISP) 대비 Top-50 DEG Pearson delta correlation 에서 13.3%, 방향성 정확도 (Direction Accuracy) 에서 13.5% 향상.
  • 다양한 암 세포주와 면역 세포 유형에서 일관된 성능 개선을 보임.

• 시나리오 2: 프로파일링되지 않은 약물 (Unprofiled Drugs, Zero-shot)

  • 훈련 데이터에 아예 존재하지 않는 약물에 대한 예측에서 Top-50 DEG Pearson delta correlation 에서 12.2% (Tahoe-100M), 8.2% (OP3), 10.4% (SciPlex3) 향상.
  • 이는 약물의 화학적 구조와 기전 지식만으로 세포 반응을 성공적으로 추론했음을 의미합니다.

• 기능적 분석 (GSEA 및 가상 스크리닝)

  • A-549 (비소세포 폐암) 세포주에서 58 개의 후보 약물 중 5 개의 승인된 항암제 중 4 개를 Top 15 이내로 선별했습니다.
  • 예측된 경로 활성화/억제 패턴이 실제 실험 결과와 기전적으로 일치함을 확인했습니다 (예: Afatinib, Adagrasib 등).

• 지식 스케일링 효과

  • 지식 그래프의 규모를 늘릴수록 (MoleculeSTM → PrimeKG → MAP-KG) 제로샷 성능이 단조롭게 향상됨을 확인하여, 지식의 양과 다양성이 일반화 성능에 결정적임을 입증했습니다.

5. 의의 및 중요성 (Significance)

• 가상 세포 (AIVC) 의 새로운 패러다임: 데이터의 양만 늘리는 기존 접근법에서 벗어나, 구조화된 생물학적 지식을 인덕티브 바이어스 (inductive bias) 로 활용하여 데이터가 부족한 상황에서도 강력한 일반화 능력을 확보했습니다.
• 신약 개발 비용 절감: 실험 데이터가 전혀 없는 새로운 화합물에 대한 효과를 사전에 예측할 수 있어, 가상 스크리닝 (Virtual Screening) 과 약물 재창출 (Drug Repurposing) 의 효율성을 극대화합니다.
• 해석 가능한 AI: 단순히 수치적 정확도뿐만 아니라, 예측된 결과가 생물학적 경로와 기전에 부합하는지 검증함으로써 신뢰할 수 있는 AI 기반 약물 발견을 가능하게 합니다.
• 확장성: 제안된 지식 기반 프리트레이닝 방식은 특정 단일 세포 기반 모델에 종속되지 않으며, 유전자 교란 (CRISPR 등) 이나 조합 치료 등 더 넓은 교란 영역으로 확장 가능합니다.

이 논문은 데이터 중심 (Data-driven) 접근법과 지식 중심 (Knowledge-driven) 접근법의 시너지를 통해, 단일 세포 수준의 약물 반응 예측 분야에서 새로운 기준을 제시한 연구로 평가됩니다.