CardamomOT: a mechanistic optimal transport-based framework for gene regulatory network inference, trajectory reconstruction and generative modeling

이 논문은 단일 세포 RNA 시계열 데이터를 기반으로 유전자 조절 네트워크 추론, 세포 궤적 재구성, 그리고 새로운 데이터 생성을 통합한 메커니즘 기반 최적 수송 프레임워크인 CardamomOT 를 제안하여 기존 방법의 한계를 극복하고 정확도와 견고성을 크게 향상시켰음을 보여줍니다.

핵심

🌱 핵심 비유: "세포의 성장 영화와 숨겨된 조연"

생각해 보세요. 우리가 세포의 변화를 관찰할 때, 마치 세포가 성장하는 '영화'를 찍는 것과 같습니다. 하지만 과학자들에게는 치명적인 문제가 하나 있습니다.

1. 파괴적인 촬영: 세포를 관찰하려면 (RNA 시퀀싱), 세포를 죽여야 합니다. 즉, 같은 세포를 계속 찍어볼 수 없습니다.
2. 불완전한 정보: 우리가 볼 수 있는 것은 'mRNA'라는 자막만 있습니다. 하지만 실제 영화를 움직이는 진짜 주인공은 '단백질'이라는 배우입니다. 문제는 이 배우 (단백질) 는 카메라에 잡히지 않고, 자막 (mRNA) 만으로 그 배우의 움직임을 추측해야 한다는 점입니다.

기존의 방법들은 이 자막만 보고 대충 추측하거나, 배우가 움직이는 방식이 너무 단순하다고 가정했습니다. 그래서 실제 영화의 흐름과 맞지 않는 경우가 많았습니다.

🚀 CardamomOT 가 해결한 문제

이 논문에서 소개된 CardamomOT는 이 문제를 해결하기 위해 세 가지 혁신적인 아이디어를 도입했습니다.

1. "시간 여행자의 지도" (최적 수송, Optimal Transport)

기존 방법들은 세포 A 와 세포 B 가 어떻게 연결되는지 대충 짐작했습니다. 하지만 CardamomOT 는 **'최적 수송 (Optimal Transport)'**이라는 수학적 도구를 사용합니다.

• 비유: 마치 수많은 사람 (세포) 이 한 도시에서 다른 도시로 이동할 때, 가장 효율적이고 자연스러운 경로를 찾아주는 내비게이션과 같습니다.
• 이 프로그램은 각 세포가 다음 시간 단계로 이동할 때, 유전자 조절 네트워크 (GRN) 라는 '교통 규칙'을 따르면서 가장 그럴듯한 경로를 찾아냅니다.

2. "보이지 않는 배우의 연기 재구성" (단백질 궤적 복원)

우리는 mRNA(자막) 만 보지만, CardamomOT 는 보이지 않는 단백질 (배우) 의 움직임을 직접 재구성합니다.

• 비유: 자막만 보고 "아, 이 배우가 지금 슬퍼하고 있구나"라고 추측하는 게 아니라, "이 자막을 만든 배우의 실제 표정과 몸짓을 수학적으로 역추적해서 다시 만들어낸다"는 것입니다.
• 이렇게 하면 세포가 어떻게 변하는지 (분화) 훨씬 더 정확하게 알 수 있습니다.

3. "가상 실험실" (생성 모델)

가장 멋진 점은 이 프로그램이 가상 실험실 역할을 한다는 것입니다.

• 비유: 이 프로그램은 배운 '영화 규칙'을 바탕으로 새로운 영화 장면을 직접 만들어낼 수 있습니다.
• 예를 들어, "만약 이 유전자를 끄거나 (Knockout), 너무 많이 켜면 (Overexpression) 세포가 어떻게 변할까?"라고 질문하면, 실제 실험을 하지 않고도 컴퓨터 안에서 그 결과를 시뮬레이션해 보여줍니다.

---

🧪 실제로 무엇을 해냈나요?

이 프로그램은 여러 가지 테스트에서 기존 방법들보다 훨씬 뛰어난 성과를 보였습니다.

• 정확한 지도 그리기: 세포가 어떻게 변하는지 그리는 지도 (궤적) 가 훨씬 더 정확했습니다.
• 비밀스러운 관계 발견: 유전자들이 서로 어떻게 영향을 주는지 (조절 네트워크) 를 찾아내는 데서도 가장 높은 점수를 받았습니다.
• 미래 예측 성공: 실제 실험에서 이미 알려진 결과 (예: 특정 유전자를 과발현시켰을 때 줄기세포가 더 잘 만들어지는 것) 를, 오직 과거 데이터만 가지고도 정확히 예측해냈습니다.

💡 결론: 왜 이것이 중요한가요?

CardamomOT 는 단순히 데이터를 분석하는 것을 넘어, **세포의 삶을 이해하는 '디지털 트윈 (Digital Twin)'**을 만드는 것과 같습니다.

• 기존: "이 세포는 저렇게 변했네." (과거 기록)
• CardamomOT: "이 세포는 이렇게 변할 거야. 만약 우리가 이렇게 개입하면, 세포는 이렇게 반응할 거야." (예측과 시뮬레이션)

이 기술은 암 치료, 줄기세포 연구, 새로운 약물 개발 등에서 실제 실험 전에 컴퓨터로 미리 검증할 수 있게 해줍니다. 마치 비행기를 설계할 때 풍동 실험을 하듯, 세포의 반응을 미리 시뮬레이션하여 시간과 비용을 아끼고 더 정확한 치료법을 찾을 수 있게 해주는 획기적인 도구입니다.

한 줄 요약:

**"세포의 숨겨진 주인공 (단백질) 을 찾아내고, 그들의 미래 행동을 예측할 수 있는 초지능 시뮬레이션 프로그램"**입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

단세포 RNA 시퀀싱 (scRNA-seq) 기술의 발전으로 세포 분화 및 재프로그래밍과 같은 생물학적 과정의 동역학을 관찰할 수 있게 되었으나, 다음과 같은 근본적인 한계가 존재합니다.

• 단세포 수준의 단백질 동역학 측정 불가: 실험적으로 단백질 농도를 직접 측정할 수 없어, 조절 인자 (Transcription Factors 등) 의 활동과 표적 유전자의 반응 사이의 인과관계를 확립하기 어렵습니다.
• 파괴적 측정의 한계: 표준 scRNA-seq 은 파괴적이므로 동일한 세포를 시간에 따라 추적할 수 없습니다. 대신 연속적인 시간대의 독립적인 '스냅샷' 데이터만 존재합니다.
• 기존 방법론의 한계:
  • 기존 최적 수송 (Optimal Transport, OT) 기반 방법들은 대부분 유전자 발현 공간을 평탄한 유클리드 공간으로 가정하거나, 브라운 운동 (Brownian motion) 전제를 사용합니다. 이는 생물학적 메커니즘 (예: 전사 버스팅, 단백질 동역학) 을 반영하지 못합니다.
  • 이전 저자의 방법인 CARDAMOM은 시간 라벨의 상대적 순서만 활용하고, 단백질 동역학에 대해 과도한 준정상 (quasi-stationary) 가정을 하며, 여러 하이퍼파라미터에 의존하는 문제가 있었습니다.
  • mRNA 와 단백질 간의 관계 (전사 버스팅, 번역 지연 등) 를 명시적으로 모델링하지 않아, 실제 GRN(유전자 조절 네트워크) 추론의 정확도가 제한적입니다.

2. 방법론 (Methodology: CardamomOT)

CardamomOT는 기계학습 (Mechanistic Learning) 과 최적 수송 (Optimal Transport) 을 결합한 새로운 프레임워크로, scRNA-seq 시계열 데이터로부터 **잠재된 단백질 궤적 (Protein Trajectories)**과 GRN을 동시에 재구성합니다.

2.1. 생물학적 및 통계적 모델

• 하이브리드 2-상태 모델: 유전자의 활성화/비활성화 상태 전환, 전사 버스팅 (Transcriptional bursting), mRNA 합성 및 분해, 단백질 합성 및 분해를 포함하는 확률적 모델을 기반으로 합니다.
• 단백질 동역학의 결정론적 한계: mRNA 가 단백질에 비해 빠르게 변한다고 가정할 때, 단백질 농도 $P(t)$는 다음과 같은 결정론적 미분방정식 (ODE) 으로 근사됩니다.
  $$\frac{dP}{dt} = v_1(P) := d_1 \left( \frac{k_{on}^\theta(P)}{k_1} - P(t) \right)$$
  여기서 $k_{on}^\theta(P)$는 GRN($\theta$) 에 의해 조절되는 전사 활성화율입니다.
• NB 혼합 모델: mRNA 분포는 조건부 준정상 상태에서 음이항 (Negative Binomial, NB) 분포로 모델링되며, 이를 통해 이산적인 '분지 (Basin)' 상태 (세포 상태) 를 정의합니다.

2.2. 핵심 알고리즘: 반복적 기대 - 최대화 (EM-like) 루프

CardamomOT 는 GRN 추론과 단백질 궤적 재구성을 번갈아 수행하며 수렴할 때까지 반복합니다.

1. Step 1: 기계적 최적 수송 (Mechanistic OT) 을 통한 단백질 궤적 재구성

   • 현재 GRN($\theta$) 과 분지 라벨을 고정합니다.
   • 시간 $t_j$의 세포와 $t_{j+1}$의 세포 사이의 연결을 찾기 위해, ODE 를 적분하여 단백질 상태를 보간합니다.
   • 비용 함수 (Cost): 두 세포 간의 전이 비용은 GRN 이 예측한 버스트율과 관찰된 분지 모드가 일치하는 정도 (Loss) 로 정의됩니다. 이는 단순한 유클리드 거리가 아닌 메커니즘 기반 비용입니다.
   • 엔트로피 정규화된 OT 문제를 풀어 세포 간 연결 (Coupling) 을 찾습니다.

2. Step 2: GRN 업데이트

   • 재구성된 단백질 궤적을 기반으로, GRN 이 예측한 버스트율과 실제 데이터에서 추정된 분지 모드 간의 오차를 최소화하도록 GRN($\theta$) 을 회귀 분석합니다.
   • 사전 지식 (Prior) 이 있는 경우 이를 정규화 항으로 활용합니다.

3. Step 3: 분지 라벨 정제 (Basin Label Refinement)

   • 업데이트된 GRN 을 사용하여 각 세포가 속한 분지 (Basin) 라벨을 재할당합니다. 이는 NB 로그 가능도와 메커니즘 모델의 일관성을 균형 있게 고려합니다.

2.3. 후처리 및 생성 모델

• NeuralODE 를 이용한 동역학 보정: 추정된 GRN 과 궤적을 바탕으로 단백질 분해율 ($d_1$) 등을 다시 보정하여 모델이 실제 데이터의 시간 척도와 확률적 변동을 정확히 재현하도록 합니다.
• 생성 모델 (Generative Model): 보정된 모델은 새로운 시계열 스냅샷을 생성하거나, 유전자 녹아웃 (KO) 및 과발현 (OV) 과 같은 in silico 교란 실험을 시뮬레이션할 수 있습니다.

3. 주요 기여 (Key Contributions)

1. 단백질 궤적의 명시적 재구성: CARDAMOM 의 준정상 가정을 버리고, OT 기반의 반복적 절차를 통해 관찰되지 않은 단백질 동역학을 직접 재구성합니다.
2. 정확한 시간 라벨 및 사전 지식 활용: CARDAMOM 과 달리 절대적인 시간 라벨을 활용하고, 문헌 기반의 동역학 파라미터 (Kinetic rates) 를 사전 정보로 통합하여 하이퍼파라미터 의존성을 줄이고 강건성을 높였습니다.
3. 통일된 프레임워크: GRN 추론, 궤적 재구성, 생성 모델링을 하나의 기계적 최적 수송 프레임워크로 통합했습니다. 이는 기존 방법들이 분리하여 수행하던 작업을 통합합니다.
4. 교란 예측 능력: 학습된 모델은 추가적인 훈련 없이도 유전자 조작 (KO/OV) 의 효과를 예측할 수 있는 생성 모델로 작동합니다.

4. 실험 결과 (Results)

저자는 시뮬레이션 데이터와 3 가지 실험 데이터 (mESC 분화, 교감신경 - 부신 분화, iPSC 재프로그래밍) 를 통해 방법을 검증했습니다.

• GRN 추론 정확도:
  • 다양한 네트워크 토폴로지 (Feedforward, Bifurcating 등) 에서 CARDAMOM, Reference Fitting, GENIE3 등 기존 최첨단 방법들보다 AUPR(Area Under Precision-Recall) 점수가 현저히 높았습니다.
  • 특히 복잡한 네트워크와 비선형 동역학에서 기계적 모델의 우위가 입증되었습니다.
• 궤적 및 속도장 (Velocity Field) 재구성:
  • mRNA 기반의 기존 방법 (Reference Fitting 등) 은 전사 버스팅의 노이즈로 인해 속도장 예측이 부정확했으나, CardamomOT 는 단백질 수준의 동역학을 모델링하여 0.8 이상의 코사인 유사도로 실제 속도장을 정확히 복원했습니다.
  • 관찰되지 않은 단백질 농도를 mRNA 스냅샷으로부터 정확하게 추론해냈습니다.
• 생성 모델 성능:
  • 학습된 모델로 생성된 데이터는 실제 실험 데이터의 저차원 임베딩 (UMAP), 주변 분포, 상관관계, 세포 유형 비율 등을 높은 정확도로 재현했습니다.
• 교란 실험 예측 (Perturbation Prediction):
  • iPSC 재프로그래밍: Schiebinger 데이터셋을 기반으로 $Obox6$와$Zfp42$의 과발현이 재프로그래밍 효율을 높인다는 실험적 사실을, 해당 유전자의 기능에 대한 사전 지식 없이 순수히 시계열 데이터만으로 성공적으로 예측했습니다.
  • ES 세포 분화: $Dnmt3a$ 과발현이 다능성 유지 인자를 억제하고 신경 ectoderm 분화를 유도한다는 것을 예측하여, 에피유전학적 조절 인자의 간접적 영향까지 포착할 수 있음을 보였습니다.

5. 의의 및 결론 (Significance)

• 생물학적 해석 가능성: 블랙박스 모델이 아닌, 물리학적 원리 (전사 버스팅, 단백질 분해 등) 에 기반한 명시적 모델을 제공하여 추론된 네트워크의 생물학적 의미를 해석할 수 있게 합니다.
• 디지털 트윈 (Digital Twin) 역할: 학습된 CardamomOT 모델은 생물학적 시스템의 '디지털 트윈'으로 기능하며, 실제 실험 전에 다양한 유전자 교란 시나리오를 시뮬레이션하여 가설을 검증할 수 있는 강력한 도구가 됩니다.
• 확장성: 최적 수송 이론과 기계적 모델링을 결합한 이 프레임워크는 단일 세포 시계열 데이터 분석의 새로운 표준이 될 수 있으며, 향후 scATAC-seq 등 멀티-오믹스 데이터로 확장될 잠재력을 가지고 있습니다.

요약하자면, CardamomOT는 scRNA-seq 데이터의 한계를 극복하고, 관찰되지 않은 단백질 동역학과 GRN 을 동시에, 정확하게, 그리고 생물학적으로 해석 가능하게 추론하여 세포 운명 조절 메커니즘을 규명하고 예측하는 획기적인 방법론입니다.