scDisent: disentangled representation learning with causal structure for multi-omic single-cell analysis

이 논문은 단일 세포 다중 오믹스 데이터의 통합 품질과 생물학적 해석 가능성을 동시에 향상시키기 위해 표현형 변수와 조절 변수를 분리하고 희소 인과 매핑으로 연결하는 생성 모델 'scDisent'를 제안합니다.

핵심

scDisent: 세포의 '정체성'과 '조절자'를 분리하는 새로운 AI

이 논문은 scDisent이라는 새로운 인공지능 도구를 소개합니다. 이 도구는 세포를 분석할 때, 기존 방법들이 가지고 있던 큰 문제를 해결해 줍니다.

기존의 세포 분석 AI들은 세포의 모든 정보를 한 번에 섞어서 (Entangled) 분석했습니다. 마치 스무디를 만드는 것처럼, 세포의 '어떤 세포인지 (정체성)'와 '무엇을 조절하고 있는지 (상태)'를 모두 갈아서 한 잔에 담아버린 것이죠. 이 스무디는 세포를 분류하는 데는 좋지만, "왜 이 세포가 이렇게 변했을까?"라는 원인을 파악하거나 "약물을 넣으면 어떻게 변할까?"를 예측하는 데는 너무 복잡하고 혼란스러웠습니다.

scDisent는 이 스무디를 다시 분리해 줍니다. 마치 샐러드를 만들 때 상추, 토마토, 오이를 각각 따로 준비하고, 필요할 때만 드레싱을 뿌리는 것처럼 말입니다.

---

🍽️ 핵심 비유: "세포의 신분증"과 "리모컨"

scDisent 는 세포의 정보를 두 개의 완전히 다른 통로로 나눕니다.

1. z_expr (세포의 신분증):

   • 이 부분은 세포가 무엇인지를 기억합니다. (예: "나는 T 세포야", "나는 뉴런이야")
   • 이 정보는 매우 안정적입니다. 세포가 조금 변하더라도 본질적인 정체성은 변하지 않습니다.
   • 비유: 세포가 소지한 영구 신분증이나 가족 사진과 같습니다.

2. z_reg (세포의 리모컨):

   • 이 부분은 세포가 어떻게 조절되는지를 담습니다. (예: "지금 면역 반응 중이야", "염증이 생겼어")
   • 이 정보는 유동적입니다. 외부 자극이나 환경에 따라 변할 수 있습니다.
   • 비유: 세포를 조작하는 리모컨이나 스위치와 같습니다.

기존 AI 는 이 두 가지를 섞어서 분석했지만, scDisent 는 "신분증은 신분증대로, 리모컨은 리모컨대로" 따로 저장합니다. 그리고 이 두 가지를 연결하는 희박한 (Sparse) 지도를 만들어, "어떤 리모컨을 누르면 어떤 세포의 상태가 변하는지"를 명확하게 보여줍니다.

---

🛠️ 이 기술이 어떻게 작동할까요? (간단한 과정)

1. 데이터 수집: 세포의 유전자 (RNA) 와 염색질 (ATAC) 정보를 동시에 읽습니다.
2. 분리 (Disentanglement): AI 는 이 복잡한 정보를 두 개의 상자로 나눕니다.
   • 상자 A: "이 세포는 누구인가?" (정체성)
   • 상자 B: "이 세포는 지금 무엇을 하고 있는가?" (조절 상태)
3. 연결 (Causal Mapping): 상자 B(리모컨) 에서 상자 A(신분증) 로 가는 화살표를 그립니다.
   • "이 리모컨 (z_reg) 을 누르면, 이 세포의 상태 (z_expr) 가 이렇게 변한다"는 관계를 학습합니다.
   • 이때, detach(격리) 기술을 써서 리모컨을 조작할 때 신분증 자체가 망가지지 않도록 보호합니다.

---

🧪 왜 이것이 중요한가요? (실제 효과)

이 연구는 혈액 세포 (PBMC), 뇌 세포 (Human Brain), 쥐의 배아 뇌 (Mouse E18) 데이터를 가지고 실험했습니다. 결과는 놀라웠습니다.

• 더 정확한 분류: 기존 AI 들보다 세포를 더 정확하게 그룹화했습니다. (분류 정확도 ARI 0.627 등)
• 원인 파악 가능: "왜 이 T 세포가 활성화되었을까?"라고 물으면, scDisent 는 "아, z_reg_29라는 리모컨이 작동했기 때문이야"라고 구체적으로 알려줍니다.
• 가상 실험 (In Silico): 실제로 실험실로 가지 않고도 컴퓨터 안에서 "만약 이 리모컨을 끄면 어떨까?"라고 시뮬레이션할 수 있습니다.
  • 예: B 세포에서 특정 리모컨을 끄면, 항원 제시 관련 유전자들이 어떻게 변하는지 예측할 수 있었습니다.

💡 요약: 기존 방법 vs scDisent

특징	기존 AI (스무디 방식)	scDisent (샐러드 방식)
데이터 구조	모든 정보가 섞여 있음	정체성과 조절 상태가 분리됨
해석 가능성	"세포가 비슷해" 정도만 알려줌	"어떤 조절자가 어떤 변화를 일으켰는지" 설명 가능
실험적 활용	관찰 위주 (무엇이 일어났나?)	가상 실험 가능 (무엇을 바꾸면 어떻게 될까?)
비유	모든 재료가 섞인 스무디	재료별 통과 드레싱을 따로 둔 샐러드

🎯 결론

scDisent 는 단순히 세포를 잘 분류하는 것을 넘어, 세포가 왜 그렇게 행동하는지 그 '이유'와 '메커니즘'을 찾아내는 도구입니다.

이 도구를 통해 과학자들은 더 이상 "세포가 뭉쳐 있다"는 사실만 아는 것이 아니라, **"어떤 조절 스위치를 조작하면 질병을 치료할 수 있을까?"**라는 더 깊은 질문에 답할 수 있게 되었습니다. 마치 복잡한 기계의 회로도를 한 장의 지도로 정리해 준 것과 같습니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

단일 세포 멀티-오믹스 (single-cell multi-omic) 기술은 동일한 세포 내에서 전사체 (RNA) 와 후성유전체 (ATAC) 와 같은 상보적인 분자 층을 동시에 측정할 수 있게 해줍니다. 그러나 기존 통합 모델 (scVI, MultiVI, scGLUE 등) 은 이러한 다양한 신호를 하나의 얽힌 (entangled) 잠재 공간으로 압축하는 경향이 있습니다.

• 한계점: 이러한 얽힌 표현은 세포 군집화 (clustering) 에는 유용하지만, **기전적 해석 (mechanistic interpretation)**이나 교란 (perturbation) 기반 분석에는 적합하지 않습니다. 동일한 잠재 좌표가 세포 정체성 (identity) 과 조절 인자 (regulatory drivers) 를 동시에 인코딩하기 때문에, 잠재 변수를 조작하는 것이 생물학적으로 명확한 개입에 대응하지 못합니다.
• 목표: 세포의 정체성을 유지하는 변수와 조절 (regulation) 과 관련된 변수를 분리하고, 이를 희소하고 방향성이 있는 매핑으로 연결하여 생물학적 가설 생성과 해석이 용이한 표현을 학습하는 것입니다.

2. 방법론 (Methodology)

scDisent은 생성적 프레임워크를 기반으로 하며, 잠재 공간을 두 가지 주요 분기로 분리하고 이를 연결하는 구조를 가집니다.

2.1 모델 아키텍처

• 이중 분기 잠재 공간 (Dual-branch Latent Space):
  • $z_{expr}$ (발현 분기): 세포 상태와 정체성 (cell identity) 을 보존하는 안정적인 정보를 담습니다.
  • $z_{reg}$ (조절 분기): 발현을 조절하지만 세포 정체성을 재정의하지 않는 조절 인자 (modulatory factors) 를 인코딩합니다.
• 희소 방향성 매핑 (Sparse Directed Mapping): $z_{reg}$에서 $z_{expr}$로 가는 희소한 방향성 연결 계층을 도입하여, 조절 변수가 발현 변수에 미치는 영향을 명시적으로 모델링합니다.
• 엔코더/디코더: RNA 와 ATAC 모달리티별 인코더를 통해 특징을 추출한 후, 융합된 상태를 두 분기로 분리합니다. 디코더는 각 모달리티를 재구성합니다.

2.2 학습 제약 및 손실 함수 (Loss Function)

모델은 다음 세 가지 핵심 요소를 결합하여 학습됩니다.

1. 재구성 (Reconstruction): RNA 와 ATAC 데이터의 정확한 재구성을 위한 손실 (ZINB, Bernoulli 등).
2. 분리 (Disentanglement):
   • 전체 상관관계 (Total Correlation, TC) 감소: 잠재 변수 간의 의존성을 줄입니다.
   • 직교성 (Orthogonality) 제약: $z_{expr}$와 $z_{reg}$ 간의 상관관계를 최소화하여 두 분기의 의미론적 분리를 강제합니다.
   • KL 발산: 변분 추론의 정규화 항.
3. 인과적 매핑 (Causal Mapping):
   • Gumbel-gated 모듈: $z_{reg}$에서 $z_{expr}$로의 연결을 이진 게이트 (on/off) 를 통해 희소하게 학습합니다.
   • Detach 기반 그라디언트 차단: 인과적 손실 함수를 계산할 때, 예측된 $z_{expr}$와 실제 타겟 $z_{expr}$ 간의 그라디언트 흐름을 차단 (detach) 합니다. 이는 인과적 계층이 $z_{expr}$의 정체성 기하학을 훼손하지 않도록 보호합니다.
   • NOTEARS 스타일 순환성 패널티: 인과 구조가 순환 (cycle) 이 없도록 제약합니다.

2.3 학습 스케줄 (Phased Training)

학습은 3 단계로 나누어 최적화 안정성을 높입니다.

• Phase 1: 인과적 계층을 고정 (freeze) 하고 재구성만 학습하여 안정적인 멀티모달 표현을 확립.
• Phase 2: 분리 정규화 (TC, 직교성 등) 를 활성화하여 분기 간 의미론적 분리를 유도.
• Phase 3: 인과적 계층을 풀고 (unfreeze) 전체 모델을 엔드 - 투 - 엔드로 미세 조정 (fine-tuning) 하여 희소 인과 지도를 학습.

3. 주요 기여 (Key Contributions)

1. 이중 분기 아키텍처 도입: 세포 정체성 ($z_{expr}$) 과 조절 변이 ($z_{reg}$) 를 명시적으로 분리하는 새로운 잠재 공간 구조를 제안했습니다.
2. 희소 인과 인터페이스: 두 분기를 연결하는 희소하고 방향성이 있는 매핑 계층을 설계하여, 조절 인자가 발현에 미치는 영향을 해석 가능하게 만들었습니다.
3. 성능과 해석력의 동시 달성: 기존 통합 방법들보다 우수한 군집화 성능을 유지하면서도, 기존에는 불가능했던 교란 기반의 생물학적 가설 생성을 가능하게 했습니다.

4. 실험 결과 (Results)

세 가지 벤치마크 데이터셋 (PBMC 10k, Human Brain 3k, Mouse E18) 에서 평가되었습니다.

• 통합 성능 (Integration Performance):
  • scDisent 은 모든 데이터셋에서 **최고의 ARI (Adjusted Rand Index)**를 기록했습니다 (예: PBMC 10k 에서 0.627). 기존 방법 (scVI, MultiVI, scGLUE, WNN 등) 보다 우수한 군집화 정확도를 보였습니다.
• 잠재 공간 분리 (Latent Separation):
  • $z_{expr}$는 명확한 계통 (lineage) 구조를 유지하는 반면, $z_{reg}$는 더 확산된 분포를 보이며 군집화와는 다른 정보를 담고 있음을 시각화 및 정량적 분석 (상관관계, 상호정보량) 으로 입증했습니다.
  • $z_{expr}$는 세포 라벨 정보에 집중되어 있고, $z_{reg}$는 상대적으로 덜 집중된 조절 신호를 담고 있음이 확인되었습니다.
• 교란 분석 (Perturbation Analysis):
  • 학습된 조절 분기 ($z_{reg}$) 를 조작 (in silico knockdown) 했을 때, 생물학적으로 일관된 유전자 발현 변화가 관찰되었습니다.
  • 예: B 세포에서 $z_{reg\_30}$은 BACH2, CD79A 등 B 세포 분화 및 항원 제시 관련 유전자와 연관되었고, NK 세포에서는 세포 독성 마커와 연관되었습니다. 이는 모델이 단순한 노이즈가 아닌 생물학적으로 의미 있는 조절 프로그램을 포착했음을 시사합니다.
• 희소 인과 지도 (Sparse Causal Atlas):
  • 조절 인자와 발현 인자 간의 연결이 균일하게 밀집된 것이 아니라, 특정 선형 (lineage) 에 국한된 희소한 구조로 학습되었습니다.

5. 의의 및 결론 (Significance)

• 생물학적 해석성 향상: 기존 통합 모델이 "세포가 어떻게 군집하는가"에 집중했다면, scDisent 은 **"어떤 조절 프로그램이 인접한 계통을 구분하는가"**라는 질문에 답할 수 있는 구조를 제공합니다.
• 가설 생성 도구: 실험적 교란 없이도 in silico 환경에서 특정 조절 인자가 세포 상태에 미치는 영향을 예측할 수 있어, 새로운 생물학적 가설을 생성하고 실험 우선순위를 정하는 데 유용합니다.
• 성능과 해석의 균형: 복잡한 구조를 도입했음에도 불구하고 오히려 통합 성능이 향상되었으며, 이는 표현 학습의 구조적 설계가 생물학적 질문 해결에 얼마나 중요한지를 보여줍니다.

결론적으로, scDisent 은 단일 세포 멀티-오믹스 데이터 분석에서 통합의 질과 기전적 해석 가능성을 동시에 개선하는 새로운 패러다임을 제시합니다.