pertTF: context-aware AI modeling for genome-scale and cross-system perturbation prediction

본 논문은 인간 췌장 발달 및 베타 세포 분화 과정의 30 개 유전자 녹아웃 데이터를 기반으로 학습된 트랜스포머 기반 AI 모델 'pertTF'를 제시하여, 기존 방법론을 능가하는 미관측 유전자 및 세포 환경에서의 유전자 변이 효과와 세포 정체성 변화를 정확하게 예측하고 다양한 생리학적 및 질병 맥락으로 확장 적용할 수 있음을 입증했습니다.

핵심

🍳 1. 문제 상황: 실험실의 한계

지금까지 과학자들은 유전자를 끄거나 (Knockout) 켜서 세포가 어떻게 변하는지 확인하기 위해 직접 실험을 해야 했습니다. 하지만 이는 마치 매번 새로운 요리를 해보지 않고는 맛이 어떻게 날지 알 수 없는 상황과 같습니다.

• 시간과 비용: 실험은 너무 비싸고 느립니다.
• 한계: 인간 장기의 실제 세포 (예: 췌장 세포) 는 실험실에서 다루기 매우 어렵습니다.
• 복잡성: 유전자 조합이 너무 많아서 모든 경우를 실험해 볼 수 없습니다.

🤖 2. 해결책: pertTF (가상 요리사)

저자들은 pertTF라는 AI 를 개발했습니다. 이 AI 는 마치 **수천 가지 요리를 해본 '수석 요리사'**와 같습니다.

• 배움: 이 AI 는 췌장이 만들어지는 과정 (발달) 에서 30 가지 유전자를 끄고, 14 가지 다른 세포 종류에서 일어난 변화를 8 만 7 천 개 이상의 세포 데이터를 통해 학습했습니다.
• 특징: 단순히 "유전자 A 를 끄면 맛 (발현량) 이 어떻게 변하는지"만 보는 게 아니라, **"요리 결과물 (세포) 이 어떤 종류로 변할지"**까지 예측합니다.

🔮 3. pertTF 의 놀라운 능력 3 가지

① "보지 못한 재료"도 예측한다 (일반화 능력)

• 비유: AI 가 '소금'과 '설탕'의 맛을 배웠다면, 실험실에서 직접 맛보지 않은 **'새로운 향신료'**를 넣었을 때 요리가 어떻게 변할지 추론할 수 있습니다.
• 현실: 훈련 데이터에 없던 새로운 유전자를 조작하더라도, AI 는 유전자 간의 관계를 이해하고 그 결과를 정확히 예측합니다.

② "보지 못한 상황"도 이해한다 (새로운 환경 적용)

• 비유: 이 요리사가 '요리 학교 (배양된 세포)'에서만 배웠다면, '실제 식당 (실제 환자 조직)'에 가면 망칠 것 같죠? 하지만 pertTF 는 실제 환자의 췌장 세포 데이터에서도 잘 작동합니다.
• 현실: 실험실에서 키운 세포가 아닌, 실제 당뇨병 환자의 췌장 세포에서도 유전자 조작의 영향을 예측할 수 있어, 실제 질병 연구에 바로 쓸 수 있습니다.

③ "세포의 정체성"까지 바뀐다 예측한다

• 비유: 유전자를 조작하면 세포가 단순히 '맛'만 변하는 게 아니라, '요리사'에서 '배달원'으로 직업이 바뀌는 것처럼 세포의 종류 자체가 변할 수 있습니다.
• 현실: 기존 AI 들은 세포의 종류가 변하는 것을 잘 못 봤지만, pertTF 는 "이 유전자를 끄면 세포가 간 세포로 변할 확률이 높다"거나 "췌장 세포가 사라질 것이다"라고 세포 구성의 변화까지 정확히 예측합니다.

🚀 4. 실제 활용: 가상 크리시퍼 (CRISPR) 스크리닝

이제 pertTF 는 가상 실험을 할 수 있게 해줍니다.

• 기존 방식: 수천 개의 유전자를 하나씩 실험실에서 끄고 확인 (시간: 몇 년, 비용: 천문학적인 금액).
• pertTF 방식: 컴퓨터에서 "이 유전자를 끄면 당뇨병이 좋아질까?"라고 물어보면, AI 가 순간적으로 수천 가지 시나리오를 시뮬레이션하고 가장 유망한 후보를 골라줍니다.
• 결과: 실제 실험 결과와 거의 일치하는 예측을 보여주어, 과학자들이 진짜 실험을 할 때 가장 중요한 유전자만 골라 집중할 수 있게 도와줍니다.

💡 요약

pertTF는 유전자와 세포의 복잡한 관계를 학습한 초지능 AI입니다.
이 모델은 **"실제 실험 없이도, 새로운 유전자를 조작했을 때 세포가 어떻게 변할지, 심지어 실제 환자의 세포에서 어떤 일이 일어날지"**를 미리 알려줍니다. 이는 당뇨병 같은 난치성 질환을 치료하는 새로운 약을 찾는 속도를 획기적으로 높여줄 것으로 기대됩니다.

한 줄 평: "이제 과학자들은 실험실의 비싼 장비 대신, AI 라는 '예측 지도'를 들고 더 빠르고 정확하게 질병의 비밀을 파헤칠 수 있게 되었습니다."

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

단일 세포 수준에서 유전적 교란 (genetic perturbation) 에 대한 반응을 예측하는 것은 세포 상태 모델링과 질병 연구의 핵심 과제입니다. 그러나 기존 접근법에는 다음과 같은 한계가 존재합니다.

• 범용성 부족: 기존 모델들은 주로 특정 유전자 세트 (예: 전사 인자) 나 제한된 생물학적 맥락 (예: 암 세포주) 내에서만 작동하며, 훈련 데이터에 없는 새로운 세포 유형이나 유전적 교란에 대한 일반화 능력이 떨어집니다.
• 표현형 예측의 한계: 대부분의 모델이 유전자 발현 변화 (transcriptomic changes) 만을 예측하는 데 집중하여, 교란으로 인한 세포 정체성 (cell identity) 의 변화나 세포 군집 구성 (population composition) 의 변화와 같은 중요한 표현형 결과를 포착하지 못합니다.
• 실험적 제약: 1 차 인간 세포 (primary cells), 장기유사체 (organoids), 동물 모델 등 질병과 관련된 실제 생리학적 시스템에서 대규모 교란 실험을 수행하는 것은 기술적, 비용적, 윤리적 이유로 매우 어렵습니다.

이러한 한계를 극복하기 위해, 다양한 생물학적 맥락과 유전적 교란에 걸쳐 일반화될 수 있으며, 유전자 발현뿐만 아니라 세포 구성 변화까지 예측할 수 있는 AI 모델이 필요했습니다.

2. 방법론 (Methodology)

A. 데이터셋 구축

• MorPhiC 컨소시엄 데이터 활용: 인간 배아줄기세포 (hPSC) 를 이용한 췌장 분화 과정을 모델로 사용했습니다.
• 규모: 30 개의 췌장 계통 조절 인자 및 당뇨병 위험 유전자를 대상으로 한 완전한 유전자 녹아웃 (full gene knockouts) 을 수행했습니다.
• 범위: 14 가지 주요 세포 유형 (Definitive Endoderm, Pancreatic Progenitor, SC-islet 등) 에 걸쳐 5 단계의 분화 시점에서 87,000 개 이상의 단일 세포 데이터를 수집하여 훈련 데이터로 활용했습니다.

B. pertTF 모델 아키텍처

pertTF 는 Transformer 기반의 단일 세포 유전적 교란 예측 모델로, scGPT 와 같은 기존 파운데이션 모델을 기반으로 하되 교란 예측을 위해 다음과 같은 핵심 수정 사항을 도입했습니다.

1. 다중 태스크 학습 (Multi-task Learning):
   • 마스킹된 유전자 발현 재구성 (Masked gene expression reconstruction).
   • 세포 유형 분류 (Cell type classification).
   • 교란 (유전자형) 분류 (Perturbation/Genotype classification).
   • 세포 유형 또는 구성 변화 예측 (lochNESS score prediction).
2. 교란 통합 (Perturbation Integration): 입력 시퀀스에 유전적 교란 정보를 임베딩하여 세포 상태 표현과 통합합니다.
3. 분포 인식 모델링: 단일 세포 카운트 데이터의 과분산 (overdispersion) 특성을 반영하기 위해 평균 제곱 오차 (MSE) 대신 음이항 분포 (Negative Binomial) 로그 가능도 손실 함수를 사용합니다.
4. 지도 대비 학습 (Supervised Contrastive Learning): 서로 다른 세포 유형이나 교란을 가진 샘플이 잠재 공간 (latent space) 에서 명확하게 분리되도록 유도하여 표현의 질을 높입니다.
5. 미시적 교란 예측 (Unseen Perturbation Prediction): 훈련 데이터에 없는 유전자에 대한 예측을 위해 **그래프 신경망 (GNN)**에서 학습된 유전자 기능 임베딩 (Gene Ontology 기반) 을 통합하여 외삽 (extrapolation) 능력을 강화했습니다.

C. 전이 학습 (Transfer Learning)

• hPSC 기반 데이터로 사전 훈련된 모델을, 유전적 교란 라벨이 없는 1 차 인간 이자 (primary human islet) 데이터에 소량의 라벨링된 데이터로 미세 조정 (fine-tuning) 하여 실제 생리학적 시스템에 적용했습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 성능 및 일반화 능력

• 기존 모델 대비 우위: scGPT, Geneformer, scFoundation, GEARS 등 최신 모델들과의 벤치마크에서 8 가지 평가 지표 중 8 개에서 pertTF 가 가장 우수한 성능을 보였습니다.
• 미시적 세포 유형 및 유전자 예측: 훈련 데이터에 포함되지 않은 새로운 세포 유형 (예: PDP 세포) 과 새로운 유전자 (예: PDX1 녹아웃) 에 대한 교란 효과를 정확하게 예측했습니다. 특히, 유전자와 세포 유형 모두 훈련 데이터에 없던 '이중 미시적 (unseen gene in unseen cell type)' 상황에서도 가장 높은 정확도를 유지했습니다.

B. 표현형 변화 예측 (Cell Identity & Composition)

• lochNESS 점수: 교란에 따른 세포 군집의 풍부화 (enrichment) 또는 고갈 (depletion) 을 정량화하는 'lochNESS' 점수를 예측합니다.
• 성공 사례: GATA4, HHEX, PDX1 등 알려진 발달 조절 인자의 녹아웃 시 발생하는 세포 구성 변화를 정확하게 재현했습니다. 예를 들어, PDX1 녹아웃 시 췌장 전구 세포의 감소와 같은 생물학적 사실을 모델이 학습하여 예측했습니다.

C. 실험적 검증

• CRISPRi 기반 Perturb-seq 검증: 훈련 데이터와 다른 교란 전략 (CRISPRi) 과 새로운 유전자 (50 개 중 2 개만 훈련 데이터 포함) 를 사용하여 독립적인 실험을 수행했습니다. pertTF 는 다른 유전적 교란 전략과 미시적 유전자에 대해서도 안정적으로 일반화되는 능력을 입증했습니다.
• 1 차 인간 이자 데이터 적용: 1 차 인간 이자 데이터에서 미세 조정을 통해 PDX1 기능 상실과 2 형 당뇨병 (T2D) 진행 사이의 연관성을 성공적으로 추론해냈습니다. 또한, 당뇨병 환자에서 증가하는 베타 세포 아형 (beta-2) 의 특징적인 전사 인자 (NEUROD1, HNF4A) 교란 패턴을 포착했습니다.

D. 가상 유전 스크리닝 (In Silico Genetic Screens)

• 두 가지 전략:
  1. 임베딩 유사성: 목표 세포 군집과 예측된 교란 세포 임베딩 간의 코사인 유사도로 유전자를 순위 매김.
  2. lochNESS 점수: 교란 시 목표 세포 군집의 풍부화/고갈 정도를 직접 예측.
• 검증: 기존 풀드 CRISPR 스크리닝 결과 (췌장 전구체 조절 인자 등) 와 높은 일치도를 보이며, 훈련 데이터에 없는 유전자 (예: MRPS5) 에 대한 필수 유전자 (essential gene) 특성을 정확히 예측했습니다.

4. 의의 및 결론 (Significance)

• 가상 교란 스크리닝의 실현: 실험적으로 수행하기 어려운 1 차 세포 및 질병 관련 시스템에서 대규모 유전적 교란 효과를 시뮬레이션할 수 있는 강력한 프레임워크를 제공했습니다.
• 고차원 표현형 예측: 단순한 유전자 발현 변화를 넘어, 세포 정체성 변화와 세포 구성 비율 변화와 같은 고차원 표현형을 예측함으로써 질병 메커니즘 이해를 심화시킵니다.
• 생물학적 발견 가속화: pertTF 는 실험 설계를 가이드하고, 새로운 치료 표적을 발굴하며, AI 기반의 '가상 세포 (AI Virtual Cells)' 구축을 위한 핵심 기술로 자리 잡았습니다.
• 일반화 가능성: 췌장 발달이라는 특정 맥락에서 개발되었으나, 모델 아키텍처와 학습 전략은 면역, 신경계 등 다른 복잡한 생물학적 시스템에도 적용 가능한 범용적인 접근법을 제시합니다.

이 연구는 대규모 단일 세포 교란 데이터와 AI 모델을 통합하여 유전적 교란의 효과를 다양한 세포 시스템과 질병 맥락에서 예측하는 새로운 기준을 마련했다는 점에서 의의가 큽니다.