Self-supervised learning for a gene program-centric view of cell states

이 논문은 개별 유전자 발현이 아닌 유전자 프로그램 (GP) 중심의 세포 상태를 해석 가능하게 모델링하기 위해 개발된 자기지도 학습 기반 딥러닝 모델 'Tripso'를 소개하며, 이를 통해 혈액 세포 발달 과정의 나이별 패턴 규명, 줄기세포 배양 최적화 실험적 검증, 아토피 피부염 관련 새로운 면역 세포 프로그램 발견 등 다양한 생물학적 통찰과 실용적 가설을 도출함을 보여줍니다.

핵심

1. 문제: "혼란스러운 오케스트라"를 한 번에 듣는 것의 어려움

우리 몸의 세포는 수만 개의 유전자로 이루어진 거대한 오케스트라와 같습니다. 각 유전자는 악기처럼 소리를 내며 세포의 상태 (건강함, 질병, 성장 등) 를 결정합니다.

• 기존 방법 (기존 AI): 과거의 분석 도구들은 이 오케스트라가 내는 전체 소리를 하나의 '평균 점수'나 '단 하나의 숫자'로 요약했습니다. 마치 "오늘 오케스트라 연주는 80 점이야"라고만 말하는 것과 같습니다.
  • 문제점: 이렇게 하면 어떤 악기 (유전자) 가 잘못 연주했는지, 혹은 어떤 섹션 (신호 전달 경로) 이 너무 시끄러운지 알 수 없습니다. 모든 소리가 섞여서 어떤 구체적인 문제가 있는지 파악하기 어렵습니다.

2. 해결책: Tripso - "악기별 악보"를 읽는 새로운 AI

Tripso 는 이 오케스트라를 악기별 (유전자 프로그램별) 로 나누어 분석합니다.

• Tripso 의 방식: Tripso 는 세포 안의 수만 개 유전자를 미리 정의된 '그룹 (프로그램)'으로 묶어서 봅니다. 예를 들어, "면역 반응 그룹", "세포 성장 그룹", "노화 그룹"처럼 말이죠.
• 비유: Tripso 는 오케스트라의 전체 소리를 듣는 게 아니라, **"바이올린 섹션은 지금 어떻게 연주하고 있나?", "드럼 섹션은 어떤 리듬을 타고 있나?"**라고 악기별로 따로 분석합니다.
  • 이렇게 하면 "아, 바이올린 (면역 유전자) 은 너무 시끄럽고, 드럼 (성장 유전자) 은 조용하네"라고 구체적인 원인을 찾을 수 있습니다.

3. Tripso 가 찾아낸 놀라운 발견들

이 도구를 실제로 적용해서 세 가지 중요한 사실을 발견했습니다.

① 아이와 어른의 혈액 세포는 완전히 다릅니다 (혈액 생성 연구)

• 발견: 아이들의 혈액 세포와 어른의 혈액 세포는 겉모습은 비슷해 보이지만, 내부의 '악기 연주 방식'이 달랐습니다.
• 비유: 같은 '바이올린'을 켜도, 아이들은 **재즈 (JAK-STAT 경로)**를 연주하고, 어른들은 **클래식 (IKZF1 경로)**을 연주하는 것과 비슷합니다.
• 의미: 아이들에게서 발견된 특정 면역 반응 패턴은 어른에게는 없었습니다. 이는 소아 혈액 질환을 치료할 때 어른용 약을 그대로 쓰면 안 된다는 중요한 힌트를 줍니다.

② 실험실에서 세포를 키울 때의 비밀 (배양 연구)

• 발견: 실험실에서 혈액 줄기 세포를 키우면, 세포가 쉽게 늙거나 변해버립니다. Tripso 는 이 문제를 해결할 열쇠를 찾아냈습니다.
• 비유: 세포를 키우는 그릇 (배양액) 안에 'SEC61'이라는 장치가 너무 많이 작동하고 있어서, 세포가 스트레스를 받아 성숙해버리는 것이었습니다. 마치 자동차 엔진이 과열되어 멈추는 것과 비슷합니다.
• 실험 결과: 연구팀은 이 장치를 억제하는 약을 넣었습니다. 그랬더니 세포들이 더 오랫동안 젊은 상태 (줄기 세포 상태) 를 유지할 수 있었습니다. 이는 향후 장기 이식이나 유전자 치료에 큰 도움이 될 것입니다.

③ 피부병의 숨겨진 지도 (아토피성 피부염 연구)

• 발견: 아토피성 피부염 환자의 피부에서, 면역 세포들이 피지선 (기름샘) 주변에 모여 있다는 새로운 패턴을 발견했습니다.
• 비유: 피부라는 도시에서 면역 세포들이 특정 구역 (피지선) 에 모여 '진지'를 구축하고, 그 주변에서 **특정 신호 (GP23 프로그램)**를 주고받으며 염증을 지속하고 있었습니다.
• 의미: 단순히 "피부가 붉다"가 아니라, **"피지선 근처의 면역 세포들이 특정 패턴으로 작동하고 있어서 병이 낫지 않는다"**는 것을 알게 되었습니다. 이는 치료제를 더 정확하게 표적할 수 있게 해줍니다.

4. 요약: 왜 이것이 중요한가요?

Tripso 는 단순히 "세포가 아프다"고 말하는 것을 넘어, **"어떤 유전자 그룹이, 어디서, 어떻게 잘못되었는지"**를 정확히 지적해 줍니다.

• 이해하기 쉬운 언어: 복잡한 유전자 데이터를 '의미 있는 그룹'으로 정리해서 의사나 연구자가 쉽게 이해할 수 있게 합니다.
• 실제 치료로 연결: 실험실에서 세포를 더 잘 키우는 방법이나, 피부병의 숨겨진 원인을 찾아내어 새로운 치료법 개발에 직접적인 도움을 줍니다.

한 줄 요약:

Tripso 는 세포라는 거대한 오케스트라의 소리를 '악기별'로 분리해서 들어주므로, 어떤 악기 (유전자) 가 문제를 일으키는지 정확히 찾아내어 더 효과적인 치료법을 만들 수 있게 해주는 똑똑한 AI 도구입니다.

기술 요약

1. 문제 정의 (Problem)

단일 세포 오믹스 (Single-cell omics) 기술은 개별 유전자의 발현을 넘어 수만 개의 유전자를 무차별적으로 프로파일링할 수 있게 되었습니다. 그러나 이러한 고차원 데이터에서 생물학적 통찰력을 추출하는 것은 여전히 어렵습니다.

• 기존 방법의 한계: 기존의 계산적 접근법 (PCA, VAE 등) 은 세포 상태를 단일 잠재 표현 (single latent representation) 으로 압축하는 경향이 있습니다. 이는 신호 전달 경로 반응 모듈이나 전사 인자 표적과 같이 조율된 유전자 집합인 유전자 프로그램 (Gene Programs, GPs) 의 구조를 흐리게 만듭니다.
• 해석 가능성 부족: 최신의 단일 세포 파운데이션 모델 (Foundation Models) 은 여러 유전자 간의 관계를 포착하지만, 각 세포를 단일 임베딩으로 표현하여 생물학적 변이의 다양한 원인이 얽히게 (entangle) 합니다. 이는 다양한 조건 (생체 내 vs 생체 외, 질병 상태 등) 간의 체계적인 비교를 어렵게 하고, 해석 가능하고 실험적으로 검증 가능한 가설을 생성하는 데 걸림돌이 됩니다.

2. 방법론 (Methodology: Tripso)

저자들은 Tripso (Transformers for learning Representations of Interpretable gene Programs in Single-cell transcriptOmics) 라는 자기지도 학습 (self-supervised) 트랜스포머 기반 딥러닝 모델을 개발했습니다. Tripso 는 세포 상태를 단일 벡터가 아닌 여러 개의 GP 특이적 임베딩 (GP-specific embeddings) 의 조합으로 표현합니다.

• 모델 아키텍처:
  1. Gene Encoder: 개별 세포 내 유전자 간의 자기 주의 (self-attention) 를 통해 문맥화된 유전자 임베딩을 생성합니다. (Geneformer 와 같은 사전 학습 임베딩을 초기값으로 사용).
  2. GP-Specific Transformers: 사전 정의된 유전자 프로그램 (GP) 들에 대해 별도의 트랜스포머 블록을 사용합니다. 각 GP 블록은 해당 프로그램에 속한 유전자 임베딩을 입력받아, 해당 GP 의 활동을 요약하는 CLS 토큰을 학습합니다. (마스크된 언어 모델링 objectives 사용).
  3. Global Cell Model: 학습된 GP 임베딩들을 집계하여 전역적인 세포 표현 (Cell representation) 을 학습합니다. 이 디코더는 원래의 유전자 발현 카운트를 재구성 (Negative Binomial loss) 하도록 훈련됩니다.
• 새로운 GP 발견 (GP Discovery): 사전 정의된 GP 외에도, 고변동성 유전자 (HVG) 나 사용자 정의 유전자 세트를 기반으로 데이터에서 직접 새로운 GP 를 발견할 수 있는 모듈을 포함합니다. 이는 주의 패턴 (attention patterns) 을 클러스터링하여 문맥 특이적인 프로그램을 식별합니다.
• 하류 분석 (Downstream Analysis):
  • GP 중요도 (Importance): 특정 GP 가 전체 세포 표현에 기여하는 정도를 측정하기 위해 GP 임베딩을 0 으로 설정 (ablation) 하고 변화량을 계산합니다.
  • 유전자 기여도: 유전자 임베딩과 GP CLS 토큰 간의 코사인 유사도를 계산하여 특정 GP 내에서 어떤 유전자가 중요한지 파악합니다.
  • 최적 수송 (Optimal Transport): GP 잠재 공간에서 생체 내/생체 외 데이터 간의 세포 군집 매핑을 수행합니다.

3. 주요 기여 (Key Contributions)

1. 해석 가능한 GP 중심 표현: 세포 상태를 단일 스칼라 값이나 얽힌 임베딩이 아닌, 해석 가능한 유전자 프로그램의 다차원 표현으로 재정의했습니다.
2. 자기지도 학습 프레임워크: 라벨이 없는 데이터에서 GP 활동을 학습하고, 사전 정의된 GP 와 데이터 기반의 새로운 GP 를 모두 발견할 수 있는 유연한 아키텍처를 제시했습니다.
3. 생물학적 가설 생성 및 실험적 검증: 계산적 발견을 넘어, 유전자 프로그램 기반 분석이 어떻게 실험적 최적화 (줄기 세포 배양) 와 질병 메커니즘 규명 (피부 질환) 으로 이어질 수 있음을 입증했습니다.

4. 주요 결과 (Key Results)

A. 벤치마크 및 성능 평가

• Perturb-seq 데이터: 사이토카인 자극 (TNFα, TGFβ) 및 유전자 녹아웃 데이터를 사용하여 Tripso 가 기존 방법 (Spectra, Expimap) 보다 GP 활동 구별 능력 (F1-score) 이 우수함을 입증했습니다.
• 내막 (Endometrium) 데이터: 생리 주기 및 세포 분화 단계에 따른 GP 활동 변화를 기존 방법보다 정확하게 포착했습니다.

B. 인간 조혈 (Hematopoiesis) 분석

• 연령 특이적 패턴: 태아기부터 성인, 노년에 이르는 조혈 데이터를 분석하여 연령별 GP 활동 패턴을 규명했습니다.
  • JAK-STAT: 소아 조혈모세포에서 높은 활성을 보였으며, 이는 1 형 인터페론 반응과 연관되어 있었습니다.
  • IKZF1: B 세포 분화 과정에서 태아기와 출산 후 (postnatal) 의 세포 상태가 IKZF1 GP 임베딩 공간에서 명확히 분리되었습니다. 태아기는 확장에, 출산 후기는 BCR 다양화에 중점을 둔 프로그램으로 전환됨을 발견했습니다.

C. 생체 내 (In vivo) vs 생체 외 (In vitro) 매핑 및 실험적 검증

• 줄기 세포 유지: Tripso 를 사용하여 생체 외 배양된 조혈모세포 (HSC) 와 생체 내 HSC 를 비교했습니다.
• SEC61 억제제 발견: PI3K GP 분석을 통해 분화 과정에서 SSR1 및 SEC61G (ER 트랜슬로콘 구성 요소) 의 중요도가 증가함을 발견했습니다. 이는 줄기 세포 상태 유지에 방해가 될 수 있음을 시사했습니다.
• 실험적 검증: SEC61 억제제 (SEC61-IN-1) 를 처리한 결과, UM171 및 SR-1 배지 조건에서 면역형 HSC (CD34+ CD45RA- CD90+ EPCR+) 의 빈도가 유의미하게 증가하여 Tripso 의 예측이 실험적으로 검증되었습니다.

D. 피부 염증 질환 (Atopic Dermatitis & Psoriasis)

• 새로운 GP 발견: 피부 단일 세포 데이터에서 새로운 유전자 프로그램 (GP23) 을 발견했습니다. 이는 기존 데이터베이스와 겹치지 않는 새로운 전사 프로그램으로, 염증성 신호, 대사 적응, 소포체 트래픽과 관련되었습니다.
• 공간적 국소화: GP23 은 아토피 피부염 (AD) 에서 IL13+ 조직 거주 기억 T 세포 (TRM) 에서 높게 발현되었으며, 공간 전사체학 및 프로테오믹스 데이터를 통해 피지선 (sebaceous gland) 과 인접한 면역 밀집 영역 (niche) 에서 국소화됨을 확인했습니다.
• 질병 재발 메커니즘: 임상적 병변이 사라진 후에도 GP23 이 높은 영역이 지속되어, TRM 세포가 지방이 풍부한 환경에서 생존하며 질병 재발에 기여할 수 있음을 시사했습니다.

5. 의의 및 결론 (Significance)

Tripso 는 단일 세포 분석의 패러다임을 "세포 상태의 단순한 통합"에서 "해석 가능한 유전자 프로그램 중심의 비교" 로 전환합니다.

• 해석 가능성: 복잡한 생물학적 과정을 단일 스칼라 점수가 아닌, 구체적인 유전자 프로그램의 활동으로 해석할 수 있게 하여 생물학적 메커니즘에 대한 이해를 깊게 합니다.
• 실행 가능성: 계산적 모델링을 통해 새로운 치료 표적 (SEC61 억제) 을 발굴하고 실험적으로 검증하는 성공 사례를 보여주었습니다.
• 가상 세포 모델: 해석 가능한 GP 기반 표현을 통해 개발 가능한 "가상 세포 (Virtual Cell)" 모델의 기초를 마련하며, 개발, 질병, 공학적 시스템 전반에 걸쳐 가설 생성 및 실험 최적화를 가능하게 합니다.

이 연구는 대규모 단일 세포 데이터를 생물학적으로 의미 있는 단위로 분해하고, 이를 통해 새로운 생물학적 통찰과 치료 전략을 도출하는 강력한 프레임워크를 제시합니다.