Phenotypic reversion and target prioritization for cellular inflammation via representation learning with foundation models

이 논문은 단일 세포 기반 모델 (scFMs) 과 대규모 Perturb-seq 데이터를 활용하여 염증성 질환 관련 유전적 교란을 식별하고, 질병 관련 자극 조건을 포함함으로써 염증성 세포 표현형을 정상 상태로 되돌리는 표적 후보를 효과적으로 선별할 수 있음을 입증했습니다.

핵심

🏥 배경: 병든 세포와 혼란스러운 도서관

우리의 몸은 수많은 세포로 이루어져 있습니다. 이 세포들은 평소에는 평화롭게 지내지만 (정상 상태), 염증이라는 불이 붙으면 (염증 상태) 미쳐 날뛰게 됩니다. 마치 도서관이 불이 나서 책들이 뒤죽박죽 섞이고, 사람들이 소란을 피우는 것과 같습니다.

이 연구의 목표는 **"어떤 책을 (유전자를) 치우거나 정리하면, 이 혼란스러운 도서관을 다시 원래의 조용한 상태로 되돌릴 수 있을까?"**를 찾는 것입니다.

🧪 실험: 86 만 개의 세포와 1,740 가지의 실험

연구팀은 인간의 혈관 세포 86 만 개를 준비했습니다. 그리고 이 세포들에게 다음과 같은 실험을 했습니다.

1. 불을 지피기: 세포에 염증 물질 (IL-1β, TNF-α) 을 주입해 병들게 만들었습니다.
2. 유전자 끄기: 1,740 가지의 다른 유전자를 하나씩 '끄는' (억제하는) 실험을 반복했습니다.
3. 결과 확인: 유전자를 끈 후, 세포가 다시 조용해졌는지 (정상 상태로 돌아왔는지) 확인했습니다.

이렇게 만들어진 데이터는 86 만 개의 세포에 대한 거대한 정보 덩어리입니다.

🤖 해결책: 3 가지 다른 '비서'에게 물어보기

이제 연구팀은 "어떤 유전자를 끄는 것이 가장 효과적일까?"를 판단하기 위해 세 가지 다른 방법을 사용했습니다.

1. 전통적인 방법 (DE 접근법)

• 비유: 수첩을 꼼꼼히 비교하는 인간 연구원
• 방식: 염증 상태와 정상 상태의 세포를 하나하나 비교해서, 어떤 유전자를 끄면 염증 관련 유전자가 줄어드는지 수기로 계산합니다.
• 특징: 논리적이지만, 미리 정해진 규칙 (경로) 에만 의존하기 때문에 새로운 것을 찾기 어렵습니다.

2. AI 비서 1 (ChatGPT 같은 언어 모델)

• 비유: 전 세계 의학 책과 논문만 읽은 천재 박사
• 방식: 실제 실험 데이터는 보지 못했지만, 수천 권의 의학 논문과 지식을 학습한 AI 에게 "염증을 치료할 유전자는 뭐가 있을까?"라고 질문했습니다.
• 특징: 기존에 알려진 지식은 매우 잘 알고 있지만, 아직 세상에 알려지지 않은 새로운 발견은 어렵습니다.

3. AI 비서 2 (기초 모델 기반의 '잠재적 유사성' 접근법 - 이 연구의 주인공)

• 비유: 세포의 '감정'과 '분위기'를 읽는 직관적인 AI
• 방식: 이 AI 는 수백만 개의 세포 데이터를 학습하여, 세포가 어떤 상태인지 (분위기) 를 고차원의 '잠재 공간'이라는 추상적인 지도에 그려 넣습니다.
  • "병든 세포"의 위치를 지도에 표시합니다.
  • "정상 세포"의 위치도 표시합니다.
  • 핵심: "어떤 유전자를 끄면, 병든 세포의 위치가 정상 세포의 위치와 가장 가까워질까?"를 계산합니다.
• 특징: 사전 지식이나 인간의 편견 없이, 오직 데이터 자체의 패턴만 보고 답을 찾습니다. 마치 "이 세포의 기분이 원래대로 돌아왔네!"라고 직관적으로 느끼는 것과 같습니다.

🏆 결과: 누가 가장 잘했을까?

연구 결과는 놀라웠습니다.

• 기존 지식 (ChatGPT) vs 데이터 기반 AI:

  • 이미 알려진 염증 치료 유전자들을 찾아내는 데는 ChatGPT도 꽤 잘했습니다. (이미 책에 다 써있으니까요.)
  • 하지만, **데이터 기반 AI (잠재적 유사성)**는 기존 지식보다 더 잘 찾아냈습니다. 특히, scGPT라는 모델이 가장 뛰어난 성능을 보였습니다.
  • 중요한 점: 이 AI 는 염증에 대한 '지식'을 전혀 배우지 않았습니다. 오직 세포의 데이터 패턴만 보고 "이 유전자를 끄면 세포가 원래 상태로 돌아오겠구나"라고 추론해냈습니다.

• 왜 염증 조건이 중요했을까?

  • 만약 세포가 평상시 (염증이 없는 상태) 에만 실험했다면, 어떤 유전자가 염증에 효과적인지 알 수 없었습니다.
  • 마치 **비 오는 날 (염증 상태)**에 우산이 필요한지 확인해야 하듯, 염증 조건에서 실험을 했기 때문에 진짜 치료 효과를 가진 유전자를 찾아낼 수 있었습니다.

💡 이 연구가 주는 메시지

1. 데이터가 곧 지식이다: 인간의 편견이나 기존 지식에 갇히지 않고, 방대한 데이터를 AI 가 직접 분석하면 우리가 몰랐던 새로운 치료법을 찾을 수 있습니다.
2. 새로운 발견의 열쇠: 이 연구는 "기존의 책 (논문) 을 읽는 것"보다 "데이터라는 새로운 언어를 배우는 것"이 더 강력한 발견을 이끌 수 있음을 보여줍니다.
3. 미래의 약물 개발: 이 방법은 새로운 약을 개발할 때, 실패할 확률이 높은 후보들을 미리 걸러내고, 진짜 효과가 있을 법한 '보석 같은' 유전자를 찾아내는 데 큰 도움을 줄 것입니다.

📝 한 줄 요약

"AI 가 세포의 '분위기'를 읽어내어, 염증으로 망가진 세포를 건강하게 되돌릴 수 있는 새로운 열쇠 (유전자) 를 기존 지식보다 더 정확하게 찾아냈습니다."

이 연구는 인공지능이 단순히 도구가 아니라, 생물학적 발견의 새로운 파트너가 될 수 있음을 증명하는 중요한 첫걸음입니다.

기술 요약

논문 개요

이 연구는 **단일 세포 기반 파운데이션 모델 (scFMs, single-cell foundation models)**과 대규모 Perturb-seq 데이터셋을 활용하여, 염증성 세포 표현형을 건강한 상태로 되돌리는 (phenotypic reversion) 유전적 표적을 식별하고 우선순위를 정하는 새로운 프레임워크를 제안합니다. 특히 동맥경화증과 관련된 염증 반응을 모델링하여, 질병 관련 자극 하에서 표적 발굴의 정확도를 높이는 방법을 입증했습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 핵심 과제: 초기 신약 개발 과정에서 질병과 관련된 세포 표현형을 건강한 상태로 되돌릴 수 있는 유전적 교란 (genetic perturbations) 을 식별하는 것은 주요 난제입니다.
• 기존 방법의 한계: 전통적인 차등 발현 분석 (DE, Differential Expression) 은 사전 정의된 경로 (pathway) 에 의존하며, 특정 질병 상태 (예: 염증) 에 특이적인 신호를 포착하는 데 한계가 있을 수 있습니다. 또한, 기계 학습 (ML) 기반의 타겟 추천은 아직 충분히 탐구되지 않았습니다.
• 연구 목표: 염증성 신호 (IL-1β, TNF-α 자극) 하에서 염증 상태를 정상 상태로 되돌리는 유전적 표적을 발굴하기 위해 scFMs 을 활용한 데이터 중심 접근법을 개발하고 검증하는 것.

2. 방법론 (Methodology)

가. 대규모 Perturb-seq 데이터셋 구축

• 세포주: hTERT-면역화된 인간 동맥 내피 세포 (TeloHAEC) 사용.
• 조건: 두 가지 조건에서 실험 수행.
  1. 염증 조건 (Treated): IL-1β 및 TNF-α 자극 (동맥경화증 관련 염증 환경 모사).
  2. 기초 조건 (Untreated/Basal): 사이토카인 자극 없음.
• 규모: 총 864,115 개의 단일 세포, 1,740 개의 고유한 유전적 교란 (CRISPRi 기반), 38,606 개 유전자 발현 데이터 포함.
• 데이터 품질: 높은 녹다운 (Knockdown, KD) 효율 (중앙값 80%) 과 깊은 시퀀싱 (세포당 중앙값 UMI 16,373).

나. 타겟 우선순위 결정 접근법 비교

연구팀은 세 가지 주요 접근법을 비교 분석했습니다.

1. 전통적 차등 발현 분석 (DE Approach):
   • Wilcoxon 순위 합 검정을 사용하여 대조군 대비 교란된 유전자의 발현 변화를 분석.
   • 유전자 세트 풍부 분석 (GSEA) 을 통해 염증 관련 경로 하향 조절 정도에 따라 순위 매김.
   • '기초 조건 (Basal)'과 '염증 조건 (Inflammatory)' 두 가지 시나리오로 분리 평가.
2. 잠재적 유사성 접근법 (Latent Similarity Approach, scFMs 활용):
   • 핵심 아이디어: 염증 상태에서 특정 유전자를 억제했을 때, 그 세포의 전사체 (transcriptome) 가 '정상 (비염증) 상태'의 전사체와 얼마나 유사한지 측정.
   • 모델: scGPT, SCimilarity, STATE 등 사전 학습된 단일 세포 파운데이션 모델 (scFMs) 을 사용하여 세포를 고차원 잠재 공간 (latent space) 에 임베딩.
   • 순위 매김: 각 교란된 세포의 잠재 표현 (latent representation) 과 비염증 상태의 안전 표적 (safe-targeting) 대조군 간의 **코사인 유사도 (Cosine Similarity)**를 계산하여 유사도가 높은 순으로 타겟을 순위화.
   • 비교: 원시 카운트 (Raw counts), UMAP, 무작위 임베딩 등 다른 표현 방법과 비교.
3. 영어 기반 LLM 활용 (ChatGPT):
   • 실험 데이터 (수치) 에 접근하지 않고, 생물학적 문맥과 목표 (표현형 되돌리기) 만을 프롬프트로 입력하여 ChatGPT 에게 타겟 순위 요청.

3. 주요 결과 (Key Results)

가. 모델 성능 비교 및 검증

• 양성 대조군 (Positive Control) 풍부도: TNF-α/IL-1β 신호 경로와 직접적으로 관련된 잘 알려진 유전자들 (TNFRSF1A, TRADD, JUNB, JUND, NFKB1, NFKB2 등) 이 각 방법의 순위에서 얼마나 상위에 위치하는지 AUC (Area Under Curve) 로 평가.
  • 최고 성능: scGPT 기반의 잠재 유사성 접근법이 가장 높은 성능을 보임 (AUC = 0.79).
  • 기타 방법: 원시 카운트 기반 잠재 유사성 (AUC = 0.73), ChatGPT (AUC = 0.70), 염증 조건 기반 DE 분석 (AUC = 0.69) 순서로 성능이 낮아짐.
  • 참고: 기초 조건 (Basal) 만을 사용한 DE 분석은 성능이 매우 낮았으며 (AUC 낮음), 염증 조건이 필수적임을 입증.
• 경로 풍부 분석 (Pathway Enrichment):
  • scGPT 를 통해 선정된 상위 타겟들은 사전 정의된 염증 관련 경로 (TNF 신호, IL-1 신호 등) 를 100% 재현 (Recall) 함 (Top 30~100 개 타겟 기준).
  • scGPT 는 경로 정보에 대한 사전 학습 없이 오직 전사체 데이터의 유사성만으로 생물학적으로 의미 있는 경로를 복원해냄.

나. 조건별 영향 분석

• 염증 자극의 중요성: 기초 조건 (Basal) 만을 사용한 분석은 질병 관련 표적을 식별하는 데 실패했으나, 염증 자극 (IL-1β, TNF-α) 을 포함한 조건에서는 표적 식별력이 크게 향상됨. 이는 세포 상태 (Cellular State) 에 따른 유전자 발현의 이질성을 고려해야 함을 시사.
• 모델 간 차이: 모든 scFM 이 우수한 것은 아님 (STATE, SCimilarity 는 상대적으로 낮은 성능). 흥미롭게도 복잡한 모델보다 단순한 원시 카운트 (Raw counts) 기반의 잠재 유사성이 일부 scFM 보다 좋은 성능을 보이기도 함.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 데이터 중심 타겟 발굴 프레임워크: 사전 지식 (Pathway annotation) 에 의존하지 않고, 오직 전사체 데이터의 잠재 공간 유사성만으로 질병 관련 표적을 발굴하는 모델-중립적 (Model-agnostic) 접근법의 유효성을 입증.
2. 질병 관련 자극의 필수성: Perturb-seq 실험 설계 시 질병을 모사하는 자극 (Stimulation) 을 포함하는 것이 표적 발굴의 정확도를 높이는 데 결정적임을 보여줌.
3. 대규모 공개 데이터셋: 86 만 개 이상의 단일 세포 데이터와 1,740 개 교란 데이터를 포함한 고품질 Perturb-seq 데이터셋을 공개하여, 향후 제로-샷 (Zero-shot) 일반화 테스트 및 새로운 파운데이션 모델 개발을 위한 벤치마크 자료로 활용 가능.
4. ML 과 생물학의 융합: 인간 전문가의 지식 (ChatGPT) 이나 전통적 통계 분석 (DE) 보다 데이터 기반의 ML 모델 (scGPT) 이 새로운 표적 발굴에 더 효과적일 수 있음을 시사. 이는 기존 문헌에 기반한 편향을 줄이고 새로운 발견 (Novel Discovery) 을 가능하게 함.

5. 결론 및 한계

• 결론: scFMs 을 활용한 잠재 유사성 접근법은 염증성 질환의 치료 표적을 식별하는 데 있어 강력하고 확장 가능한 도구임. 특히 질병 관련 조건을 포함한 데이터 학습이 필수적임.
• 한계: 현재 연구는 주로 알려진 표적의 풍부도 (Enrichment) 에 기반한 검증으로, 실제 in vitro 또는 in vivo 실험을 통한 기능적 검증은 수행되지 않음. 또한, 초기 타겟 발굴 단계의 불확실성과 약물화 가능성 (Druggability) 은 고려되지 않음.

이 연구는 기계 학습 기반의 표현 학습 (Representation Learning) 이 초기 신약 개발 파이프라인에서 표적 선정 (Target Nomination) 의 효율성을 높일 수 있음을 보여주는 중요한 사례 연구입니다.