CAPRA predicts single-cell transcriptional responses to genetic perturbations with response anchoring and residual correction

기술 요약: CAPRA – 제어 기반 앵커링 잔차 구조 (Control-Anchored Perturbation Residual Architecture)

문제 정의
단일 세포 섭동 스크리닝(예: Perturb-seq, CROP-seq)은 유전적 개입을 세포 상태에 매핑하지만, 비용과 처리량의 제한으로 인해 실험적 커버리지는 여전히 희소합니다. 이는 특히 조합적(다중 유전자) 섭동의 경우, 탐색 공간이 기하급수적으로 증가함에 따라 더욱 심각해집니다. 이를 보완하기 위한 계산 방법들이 존재하지만, 두 가지 주요 한계에 직면해 있습니다:

1. 증거의 불투명성: 기존 예측 모델(잠재 표현, 유전자 그래프 또는 파운데이션 모델 사용)은 예측을 뒷받ing는 구체적인 반응 증거를 잠재 모델 표현 속으로 흡수해 버리는 경향이 있습니다. 이로 인해 측정된 단일 유전자 효과에 근거한 예측과 단순한 외삽 또는 의미론적 유사성에 의해 유도된 예측을 구분하기 어렵습니다.
2. 다운스트림 분석에서의 분산 붕괴: 예측된 세포가 표준 단일 세포 워크플로우(예: Scanpy)를 통해 차등 발현 유전자(DEG) 호출 단계로 넘어갈 때, 예측된 세포의 변동성이 붕дя되는 현상이 발생합니다. 이는 작은 평균 변화에 대해 검정 통계량을 부풀려, 평균 반응 순위는 신호를 유지하더라도 실제 영향을 받은 유전자의 회복(recovery)을 실패하게 만듭니다.

방법론: CAPRA 아키텍처
저자들은 예측 지원(prediction support)을 명시적으로 만들고 다운스트림 분석을 위한 변동성을 보존하도록 설계된 반응 중심 모델인 CAPRA(Control-Anchored Perturbation Residual Architecture)를 소개합니다. 이 아키텍처는 세 단계로 작동합니다:

1. 반응 앵커 구축 (Response Anchor Construction):

   • 특정 섭동에 대해, CAPRA는 기준을 정의하기 위해 컨트롤 상태($\mu_{control}$)를 샘플링합니다.
   • 예상되는 섭동 효과를 나타내는 발현 공간의 반응 앵커($\Delta_{anchor}$)를 구축합니다.
   • 정확한 지원 (Exact Support): 섭동 유전자가 훈련 뱅크 내에 관찰된 단일 유전자 효과를 가지고 있다면, 해당 효과를 정확히 사용합니다.
   • 검색된 지원 (Retrieved Support): 정확한 효과가 존재하지 않는 경우, CAPRA는 GenePT 임베딩 공간(GenePT 벡터 기반의 K-최근접 이웃 사용)으로부터 가장 가까운 이웃 단일 유전자 반응을 검색합니다.
   • 이중 유전자 섭동의 경우, 슬롯 수준의 앵커들을 합산합니다 ($\Delta_{GA} + \Delta_{GB}$).
   • 결정적으로, 모델은 앵커의 기원(provenance)(정확한지 또는 검색된 것인지)을 메타데이터로 기록합니다.

2. 앵커 조건부 잔차 교정 (Anchor-Conditioned Residual Correction):

   • 모델은 컨텍스트와 구성을 바탕으로 앵커를 정교화하기 위한 **잔차 교정(residual correction)**을 학습합니다.
   • 공유된 저차원 반응 연산자는 컨트롤 상태($Z_0$), 앵커 지원 특징, 그리고 반응 앵커 자체를 조건으로 하여 앵커로부터의 이탈을 학습합니다.
   • 가산 잔차 (Additive Residual): 컨텍스트 특이적 교정을 포착합니다.
   • 쌍 잔차 (Pair Residual, 이중 유전자 전용): 대칭 경로를 통해 단순 합산으로는 설명할 수 없는 유전자 쌍의 특이적 상호작용 효과를 포착합니다.

3. 예측 조립 및 보정 (Prediction Assembly and Calibration):

   • 최종 프로파일은 발현 공간에서 다음과 같이 조립됩니다: $X_{pred} = \mu_{control} + \Delta_{anchor} + \lambda_{add}r_{add} + \lambda_{pair}r_{pair}$.
   • 분산 보정 (Variance Calibration): 분산 붕괴를 방지하기 위해, CAPRA는 결정론적이고 컨트롤 규모로 보정된 예측 세포를 반환합니다. 이는 테스트 세트에서 분산을 학습하는 대신, 컨트롤 규모의 통계치($\sigma_{cal}$)로부터 유도된 재현 가능한 조건 내 변동성을 추가합니다. 이를 통해 표준 t-검정 기반 DEG 호출 워크플로우와의 호환성을 보장합니다.

주요 기여

• 명시적 반응 증거: 잠재 공간 모델과 달리, CAPRA는 "시작 가설"(앵커)과 그 출처(측정됨 vs 검색됨)를 노출하여 예측 성능을 명시적인 반응 증거와 연결합니다.
• 하이브리드 앵커링 전략: 직접적인 훈련 지원이 부족한 유전자에 대해 GenePT를 통한 의미론적 검색과 잔차 교정을 결합하여, 실험 데이터와 의미론적 검색을 효과적으로 결합하고 이를 특정 컨텍스트에 적응시킵니다.
• 보정된 추론 인터페이스: 내부 조건 변동성이 보존된 예측 세포를 제공함으로써, 생성 모델에서 흔히 발생하는 분산 붕괴 문제를 해결하고 표준 차등 발현 유전자 회복 워크플로우를 가능하게 합니다.

결과
저자들은 13개의 유전적 섭동 데이터셋(단일 유전자 9개, 이중 유전자 4개)을 사용하여 CAPRA를 SOTA 방식들(Scouter, GEARS, GenePert, scGPT)과 비교 평가했습니다.

• 반응 방향 예측: CAPRA는 단일 유전자(0.592) 및 이중 유전자(0.728) 작업 모두에서 가장 높은 평균 PCC-delta(상위 100개 DEG에 대한 컨트롤 중심 변화의 피어슨 상관계수)를 달성하며 Scouter 및 기타 베이스라인을 능가했습니다.
• 희소한 지원 하에서의 일반화: 이중 유전자 작업에서 CAPRA는 "seen2"(두 유전자 모두 관찰됨), "seen1"(하나의 유전자 관찰됨), "seen0"(둘 다 관찰되지 않음) 카테고리 전반에서 우수한 성능을 유지했습니다. 이러한 우위는 GenePT 이웃 앵커와 잔차 적응에 의존하는 "seen0" 시나리오에서도 지속되었습니다.
• 특이성: 공유된 사후 섭동 구조를 제거하기 위해 (평균 섭동 상태에 중심을 두는) "섭동-참조" 점수 전략을 사용했을 때도, CAPRA는 가장 높은 반응 방향 신호를 유지하여 공유 패턴 이상의 섭동 특이적 정보를 포착함을 보여주었습니다.
• 영향을 받은 유전자 회복: 표준 Scanpy t-검정 워크플로우에서, 비-CAPRA 방식들은 분산 붕효로 인해 상위 DEG의 Jaccard 회복이 거의 0에 수렴했습니다. 반면 CAPRA의 보정된 세포는 훨씬 높은 Jaccard 점수(단일 유전자 0.093, 이중 유전자 0.174)를 달성하여 영향을 받은 유전자 시그니처를 성공적으로 회복했습니다.
• 구성 요소 분석: 절제 연구(Ablation studies)를 통해 반응 앵커가 주요 가설을 제공하는 반면(특히 단일 유전자 작업에서), 잔차 교정은 단일 유전자 지원이 불완전하거나 유전자 쌍 간의 상호작용을 모델링할 때 가장 중요함을 확인했습니다.

의의
본 논문은 CAPRA가 예측을 뒷받ing는 증거를 검사 가능하게 만듦으로써 현재의 섭동 예측에 존재하는 "설계 격차(design gap)"를 해결한다고 주장합니다. 측정/검색된 반응 앵커를 학습된 교정과 분리함으로써, CAPRA는 연구자가 근본적인 증거의 품질에 따라 측정되지 않은 유전적 개입의 우선순위를 정할 수 있게 합니다. 또한, 분산 붕괴 문제를 해결함으로써 예측된 세포를 표준 차등 발현 파이프라인에서 직접 사용할 수 있게 하여, 계산적 예측과 실험적 검증 워크플로우 사이의 간극을 메웁니다. 저자들은 본 연구가 회고적(retrospective)이지만, 이 프레임워크가 향후 전향적(prospective) 섭동 선택 및 다른 양상(예: 화학적 섭동, 다중 모달 리드아웃)으로의 전이를 지원하도록 설계되었음을 언급했습니다.