SLIM: A small linear model with STRING embeddings for single-cell genetic perturbation prediction

당신이 거리의 가로등 몇 개를 실수로 쓰러뜨렸을 때 일어나는 일을 관찰하며 도시가 어떻게 돌아가는지 알아내려는 탐정이라고 상상해 보세요. 생물학의 세계에서 그 도시는 살아있는 세포이며, 가로등은 유전자입니다. 과학자들은 '단일 세포 스크린(single-cell screens)'이라는 놀라운 카메라를 개발하여, 특정 유전자가 꺼지거나 켜질 때 세포들이 어떻게 반응하는지를 수천 개의 세포를 통해 동시에 관찰할 수 있게 했습니다. 이는 질병이 어떻게 시작되는지, 그리고 어떤 약물이 이를 고칠 수 있는지를 이해하는 데 도움을 줍니다. 하지만 여기에는 함정이 있습니다. 유전자와 세포 유형의 가능한 조합은 수십억 개에 달합니다. 실험실에서 이 모든 것을 테스트하려면 영원히 걸릴 것이고 엄청난 비용이 들 것입니다. 그래서 과학자들은 아직 테스트해보지 않은 유전자를 테스트했을 때 어떤 일이 일어날지 추측하기 위해 컴퓨터 모델을 만듭니다. 한동안은 더 나은 추측을 하기 위해서 더 크고 복잡한 컴퓨터 두뇌, 즉 스스로 모든 것을 배울 수 있는 거대한 인공지능 시스템이 필요하다는 것이 대세였습니다.

하지만 정답이 더 큰 뇌를 만드는 것이 아니라, 더 작은 뇌에 더 좋은 단서를 주는 것에 있다면 어떨까요? 이것이 바로 SLIM이라는 도구를 소개하는 새로운 연구가 다루는 질문입니다. 연구진은 매우 단순하고 가벼운 컴퓨터 모델이 거대하고 복잡한 AI 시스템만큼이나 잘 세포의 유전적 변화 반응을 예측할 수 있는지 확인하고 싶었습니다. 그들은 단순히 세포 데이터를 빤히 쳐다보며 운에 맡기는 대신, 단백질이 자연계에서 서로 어떻게 상호작용하는지에 기반한 특별한 종류의 "참조 시트"를 모델에 입력함으로써 이를 테스트했습니다. 결과는 어떠했을까요? 이 특별한 생물학적 단서를 사용하여 놀라울 정도로 정확한 예측을 수행하는 작고 초고속인 모델이 등장했습니다. 이는 때때로 거대한 컴퓨터보다 적절한 맥락을 아는 것이 더 중요하다는 것을 증명합니다.

SLIM의 이야기: 커다란 비밀을 가진 작은 모델

SLIM을 만나보세요. SLIM은 "STRING 임베딩을 이용한 작은 선형 모델(Small Linear Model with STRING embeddings)"의 약자이지만, 우리는 이를 "똑똑한 작은 탐정"이라고 부릅시다. 유전학 연구의 세계에서 과학자들은 특정 유전자가 건드려졌을 때 세포가 어떻게 행동을 바꿀지 끊임없이 예측하려고 노력합니다. 보통 이를 위해 연구자들은 거대한 딥러닝 모델을 사용합니다. 이들을 수백만 페이지의 데이터를 읽으며 우주의 모든 규칙을 배우려는 거대하고 복잡한 로봇이라고 생각해보세요. 이 로봇들은 강력하지만, 느리고, 컴퓨터 자원을 많이 잡아먹으며, 때로는 혼란에 빠지기도 합니다.

이 논문의 저자들은 간단한 질문을 던졌습니다. "거대한 로봇이 꼭 필요할까? 그저 지역 소문을 잘 아는 작고 영리한 탐정만 있으면 되는 것 아닐까?"

이 미스터리를 풀기 위해 SLIM은 두 가지 주요 기술을 사용합니다. 첫째, SLIM은 STRING이라는 데이터베이스를 사용하여 단백질 세계의 "소문"을 살펴봅니다. STRING을 세포 안에서 누가 누구와 대화하는지를 나열한 거대한 전화번호부라고 상상해 보세요. 만약 유전자 A가 유전자 B와 친구이고, 유전자 B가 유전자 C와 친구라면, 이 전화번호부는 전체 사슬을 알고 있습니다. SLIM은 이 지도를 사용하여 본 적 없는 유전자에 대해서도 프로필을 생성합니다. 이는 마치 학교에 새로 온 학생이 형과 절친이 모두 수학 천재라는 사실을 알면, 그 학생도 수학을 잘할 것이라고 짐작하는 것과 같습니다. 이것은 SLIM에게 "생물학적 사전 지식(biological prior)"을 제공하여, 처음부터 무작정 추측하지 않도록 해줍니다.

둘째, SLIM은 믿을 수 없을 정도로 단순합니다. 수백만 개의 움직이는 부품을 가진 복잡한 신경망 대신, 학습할 수 있는 숫자가 단 640개뿐인 단순한 수학 공식(선형 모델)을 사용합니다. 그게 전부입니다! 이를 비교해 보자면, SLIM과 경쟁하는 다른 거대 AI 모델들은 수백만 개 또는 수천만 개의 숫자를 학습해야 합니다. SLIM은 우주선에 비하면 자전거와 같습니다.

SLIM의 작동 방식: "재스케일링(Rescaling)"의 마법

그렇다면 이 작은 모델은 실제로 어떻게 예측을 수행할까요? 두 단계로 작동합니다.

1단계: 평균 예측하기
SLIM은 먼저 세포의 평균적인 반응을 파악합니다. 변경된 유전자의 "소문 프로필"(STRING 임베딩)을 가져와서, 단순한 공식을 사용하여 세포 내 평균 유전자 발현이 어떻게 변할지 추측합니다. 이는 새로운 유전자의 프로필을 이미 학습 데이터에서 본 유전자들과 비교함으로써 이루어집니다. 단백질 전화번호부를 사용하기 때문에, 이전에 접해보지 못한 유전자에 대해서도 훌륭한 추측을 할 수 있습니다.

2단계: 군중 만들기
여기서 SLIM은 정말 영리해집니다. 세포는 단순히 평균값이 아닙니다. 세포는 독특한 개성을 가진 군중입니다. 어떤 세포는 조금 더 시끄러울 수도 있고, 어떤 세포는 조금 더 조용할 수도 있습니다. 만약 평균값만 예측한다면, 재미있는 부분을 놓치게 될 것입니다. 다른 모델들은 허공에서 새로운 세포를 만들어내려 하며, 이는 종종 이상하고 비현실적인 결과를 초래합니다.

SLIM은 다른 방식을 취합니다. SLIM은 학습 데이터로 돌아가 이미 본 실제 세포들을 잔뜩 가져온 뒤 이렇게 말합니다. "좋아, 이 세포들이 새로운 실험을 위한 세포라고 가정해보자." 그런 다음, 예측된 평균에 맞춰지도록 이 실제 세포들의 유전자를 부드럽게 늘리거나 줄입니다. 이는 친구 그룹을 모아놓고, 그들의 고유한 개성은 유지한 채 새로운 분위기에 맞춰 목소리를 조금 더 크게 하거나 작게 하라고 말하는 것과 같습니다. 이 방식을 통해 최종적인 세포 집단은 실제 생물학적 군중이 가진 자연스러운 변동성과 유전자 간의 연결성을 그대로 유지하며, 실제처럼 보이고 행동하게 됩니다.

대결: 작은 모델 vs 거대 모델

연구진은 SLIM을 이 분야에서 가장 유명한 네 가지 거대 딥러닝 모델과 맞붙게 했습니다. 그들은 네 가지 다른 유형의 세포(혈액 세포, 피부 세포 등) 데이터를 사용했으며, 두 유전자가 동시에 변하는 까다로운 시나리오에서도 테스트했습니다.

결과는 충격적이었습니다.

• 속도: 거대 모델들이 데이터를 학습하는 데 몇 분 또는 몇 시간이 걸리고 강력한 그래픽 카드(GPU)를 필요로 했던 반면, SLIM은 표준 컴퓨터 프로세서(CPU)에서 10초 미만에 모든 작업을 마쳤습니다. 이는 수십 배 더 빠른 속도였습니다.
• 정확도: 세포의 평균 반응을 예측하는 데 있어 SLIM은 거대 모델들과 대등했습니다. 실제로 12번의 서로 다른 비교 중 8번에서 1위를 차지했습니다.
• 현실성: 여기서 SLIM은 진가를 발휘했습니다. 연구진은 예측된 세포가 실제 세포와 얼마나 유사한지 확인하기 위해 MMD(Maximum Mean Discrepancy)라는 지표를 사용했습니다. SLIM은 다른 모델들보다 훨씬 높은 점수를 받았습니다. 거대 모델들은 종종 약간 "어색하거나" 너무 균일한 세포를 만들어냈지만, 실제 세포를 재스케일링하는 SLIM의 방식은 실제 생물학이 가진 자연스러운 무질서함과 다양성을 유지했습니다.

의미 (그리고 한계점)

이 논문은 유전적 변화에 대한 세포의 반응을 예측하는 데 있어, 거대한 컴퓨터 두뇌를 갖는 것이 가장 중요한 것이 아니라고 시사합니다. 대신, 적절한 "참조 시트"(STRING 단백질 네트워크)를 갖추고 실제 데이터를 사용하는 스마트한 방법(재스케일링 기술)이 차이를 만든다는 것입니다. 저자들은 우리가 항상 더 큰 모델이 더 좋다고 가정함으로써 문제를 지나치게 복잡하게 만들었을 수도 있다고 주장합니다.

하지만 논문은 SLIM이 완벽하지 않은 부분도 주의 깊게 짚어줍니다.

• SLIM은 새로운 실험이 이미 본 적 있는 실험과 유사할 때(동일한 세포 유형 내에서) 가장 잘 작동합니다. 만약 한 번도 본 적 없는 완전히 다른 유형의 세포에 적용하려 한다면, 그 "지도"가 학습한 특정 맥락에 묶여 있기 때문에 어려움을 겪을 수 있습니다.
• SLIM은 새로운 유형의 세포 행동을 무에서 유로 창조하지 않습니다. 대신 학습 데이터에서 그것을 빌려옵니다. 따라서 만약 유전자 변화가 이전에 존재한 적 없는 완전히 새로운 종류의 세포를 만들어낸다면, SLIM은 그 특정한 참신함을 예측하지 못할 수도 있습니다.

결론적으로, SLIM은 복잡한 문제를 해결하는 가장 좋은 방법이 더 큰 기계를 만드는 것이 아니라, 더 좋은 지도를 가진 더 작은 도구를 사용하는 것임을 보여줍니다. 압축된 생물학적 지식이 정확하고 초고속인 예측을 뒷받침할 수 있음을 입증하며, 시간과 컴퓨터 자원을 절약하면서도 일을 제대로 해낼 수 있음을 보여줍니다. 이 "똑똑한 작은 탐정"의 코드는 누구나 사용할 수 있도록 공개되어 있으며, 이는 생명의 비밀을 이해하기 위해 반드시 슈퍼컴퓨터가 필요한 것은 아니라는 사실을 증명합니다.