기술 요약: InfluProto

문제 정의

인플루엔자 A 바이러스(IAV)는 전 세계 공중 보건에 지속적인 위협이 되고 있으나, 종간 전파 가능성을 평가하기 위한 정량적 접근 방식은 여전히 제한적이다. 숙주 적응성(host tropism)을 결정하는 전통적인 실험실 방식은 시간이 오래 걸리고 비용이 많이 들며 처리량이 낮아, 전 세계적 감시 체계를 통해 생성되는 방대한 양의 바이러스 변종을 대규모로 스크리닝하기에는 부적합하다.

기존의 계산적 접근 방식들도 다음과 같은 중대한 한계에 직면해 있다:

1. 지식 기반 추론: 특정 숙주 적응 돌연변이에 대한 기존의 생물학적 지식에 의존하며, 이는 기존 지식의 폭에 의해 본질적으로 제약을 받으며 새로운 결정 요인을 간과할 수 있다.
2. 표준 딥러닝: 기존 모델들은 흔히 숙주 적응을 이산적 분류 사건(바이러스를 단일 숙주 범주에 할당)으로 취급한다. 이러한 개념적 불일치는 숙주 적응이 연속적인 진화 과정이라는 생물학적 실체를 포착하지 못한다. 중간 진화 단계(예: 인수 공통 감염 균주)에 있는 바이러스는 여러 숙주를 동시에 감염할 수 있으며, 이 경우 이산적 분류는 부정확하고 편향되기 쉽다. 특히 2009년 팬데믹 H1N1(pdm09)과 같은 까다로운 인수 공통 균주에서 그러하다.

방법론: InfluProto

이러한 격차를 해소하기 위해 저자들은 숙주 적응을 이산적인 결과가 아닌 연속적인 과정으로 개념화하는 프로토타입 학습(prototype learning)을 활용한 딥러로잉 모델인 InfluProto를 개발하였다.

아키텍처

이 모델은 3단계 아키텍처를 채택한다:

1. MEGA 인코더: 인플루엔자 A 바이러스의 전체 게놈 서열(8개 세그먼트를 <sep> 토큰으로 연결)을 입력으로 받는다. 긴 게 genomic sequence 모델링에 효과적인 MEGA 인코더 백본을 사용하여 각 위치별 특징을 추출한다.
2. 어텐션 풀링(Attention Pooling): 어텐션 풀링 레이어는 각 뉴클레오타이드 위치에 학습 가능한 가중치를 할당하여, 위치별 특징을 하나의 128차원 임베딩 벡터로 집계한다. 이를 통해 모델은 생물학적으로 유의미한 게놈 영역에 집중할 수 있다.
3. 프로토타입 학습 헤드(Prototype Learning Head): 전통적인 분류 레이어 대신, 모델은 바이러스 임베딩 벡터와 인간, 돼지, 조류 숙주를 각각 나타내는 세 개의 학습 가능한 프로토타입 벡터($P_h, P_s, P_a$) 사이의 **코사인 거리(cosine distance)**를 계산한다.
   • 거리는 $Distance = 1 - \text{cosine}(E(v), P)$로 정의된다.
   • 거리가 작을수록 특정 숙주 프로토타입과 더 밀접하게 일치하며, 해당 숙주를 감염시킬 예측 가능성이 높음을 의미한다.
   • 모델은 음의 거리에 적용된 교차 엔트로피 손실 함수를 사용하여 최적화된다.

데이터 전략

• 학습: 모델은 GISAID에서 추출한 약 30,000개의 숙주 제한적 인플루엔자 A 바이러스 서열을 사용하여 학습되었다(학습/검증/테스트 비율 8:1:1). 결정적으로, 모호한 감독 신호를 피하기 위해 종간 전파 기록이 있는 서열은 학습에서 제외되었다.
• 평가: 모델의 성능은 학습에 전혀 사용되지 않은 세 가지 독립적인 데이터셋을 통해 평가되었다:
  1. 2009년 팬데믹 H1N1 (pdm09) 계통 (인간과 돼지 모두를 감염시키는 것으로 알려진 인수 공통 계통).
  2. 조류 유래 인수 공통 데이터셋 (인간에서 샘플링된 조류 기원 바이러스).
  3. 돼지 유래 인수 공통 데이터셋 (인간에서 샘플링된 돼지 기원 바이러스).
• 베이스라인: 비교를 위해 두 가지 베이스라인 모델이 구축되었다. 하나는 전통적인 선형 분류기와 어텐션 풀링을 사용하는 모델이고, 다른 하나는 평균 풀링(mean pooling)과 선형 분류기를 사용하는 모델이다.

주요 결과

1. 인수 공통 균주에서의 탁월한 성능

• 숙주 제한적 데이터: InfluProto는 인간, 돼지, 조류 클래스에 대해 0.97 이상의 재현율(recall)과 정밀도(precision)를 달성했으며, PR-AUC 값은 0.99를 상회했다.
• 인수 공통 데이터 (pdm09): InfluProto는 베이스라인 분류 모델들을 크게 압도했다. 베이스라인 모델들은 실제 샘플링된 숙주와 관계없이 해당 계통의 기원을 반영하여 대부분의 pdm09 서열을 "돼지"로 분류하는 경향을 보였으나, InfluProto는 이 이중 숙주 계통 내에서 인간 기원 분리주와 돼지 기원 분리주를 성공적으로 구별해 냈다.
  • InfluProto는 인간 유래 pdm09 분리주에 대해 베이스라인보다 약 25~50%p 높은 재현율을 달면서도 대등한 정밀도를 유지했다.
  • 조류 및 돼지 유래 인수 공통 데이터셋에서도 유사한 개선이 관찰되었다.

2. 생물학적으로 유의미한 표현형

• 임베딩 공간: t-SNE 시각화 결과, 숙주 제한적 바이러스들은 뚜렷한 클러스터를 형성한 반면, 인수 공통 바이러스(pdm09, 조류/돼지 유래 인수 공통)들은 관련 숙주 클러스터 사이를 잇는 중간 위치를 점유했다. 이는 모델이 숙주 적응의 연속적인 특성을 포착하고 있음을 확인시켜 준다.
• 어텐션 패턴: 어텐션 메커니즘은 숙주 적응성에 영향을 미치는 것으로 알려진 게놈 세그먼트(HA, PB2, NA, NP)에 집중되었다.
  • PB2 세그먼트에 대한 위치 해상도 분석 결과, 모델은 실험적으로 보고된 숙주 적응 부위(예: 잔기 661)의 10bp 이내 위치를 우선순위에 두었다.
  • 모델은 기능적으로 중요한 위치에서 숙주 특이적인 어텐션 가중치 차이를 보였다.

3. 적응에 대한 정량적 지표

숙주 적응 거리(프로토타입까지의 코사인 거리)는 다음과 같은 정량적 지표 역할을 했다:

• 변별력: 숙주 제한적 바이러스는 일치하는 프로토타입과 가장 짧은 거리를 보였다. 인수 공통 균주는 이중 숙주 특성을 반영하여 중간 정도의 거리를 나타냈다.
• 시간적 역동성: pdm09 클레이드(clade)의 시간에 따른 거리 변화를 추적한 결과, 인간 적응 및 면역 회피와 관련된 알려진 진화적 변화와 일치하는 파동 형태의 패턴이 나타났다. 이 지표는 글로벌 우세종이 되기 전의 잠재적 인수 공통 위험이 있는 클레이드(예: clade 6B.1A.5a.2)를 식별해 냈다.
• 재조합 시뮬레이션: 돼지 세그먼트를 인간 기원 세그먼트로 순차적으로 교체했을 때, 인간 프로토타입까지의 거리가 점진적으로 감소했다. 모델은 여러 세그먼트(예: HA와 PB2)를 동시에 교체할 때 발생하는 비선형적이고 시너지적인 효과를 포착하였는데, 이는 모델이 숙주 적응과 관련된 세그먼트 간 상호작용을 학습했음을 시사한다.

의의 및 주장

본 논문은 InfluProto를 인플루엔자 A 바이러스의 숙주 적응을 특징짓고 인수 공통 위험을 평가하기 위한 연속적 프레임워크로 확립한다.

• 개념적 전환: 주요 기여는 이산적 분류에서 연속적 프로토타입 학습으로의 전환이며, 이는 바이러스 진화와 중간 단계의 인수 공통 상태라는 생물학적 실체와 더 잘 부합한다.
• 리스크 평가: 모델은 진화 역학을 추적하고 재조합과 관련된 숙주 적응 변화를 탐지할 수 있는 정량적 지표(프로토타입 거리)를 제공하여, 예방적 감시를 위한 도구로서 기능한다.
• 접근성: 광범위한 대중적 이용을 촉진하기 위해, 저자들은 대화형 웹 서비스(https://ngdc.cncb.ac.cn/bit/influProto)를 개발하고 소스 코드와 모델 가중치를 공개하였다.

저자들은 세 가지 주요 숙주 유형으로 제한된 점, 거리 지표에 대한 독립적인 실험실 검증의 부재(이를 직접적인 감염력 측정치가 아닌 계산적 리스크 지표로 규정함), 그리고 숙주 격리지를 유일한 감독 신호로 사용한 점 등을 한계로 언급하였다. 향후 연구에서는 멀티태스크 학습을 통합하고 이 프레임워크를 다른 다중 숙주 바이러스로 확장할 수 있을 것이라고 제언하였다.