🧬 biology

RECIPE bridges transcriptomics and proteomics with deep graph learning on Ribo-seq data

이 논문은 Ribo-seq 또는 전사체 데이터를 단백질-단백질 상호작용 네트워크와 통합하여 활용함으로써 벌크 및 단일 세포 환경 모두에서 불완전한 프로테오믹스 측정의 한계를 효과적으로 극복하고, 프로테옴 전체의 단백질 풍부도를 정확하게 예측하는 그래프 신경망 프레임워크인 RECIPE를 소개한다.

원저자: Jun Ding, Luying Su, Bowen Zhao, Kailu Song, Dingfeng Zou, Jingtao Wang, Ziyang Wang, Wei Liu, Xiuhui Yang, Qinghui Duan, Qi Geng, Rong Huang, Heyun Guo, Yan Lu, Kai Li, David Eidelman, Wei Song

게시일 2026-08-06

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Jun Ding, Luying Su, Bowen Zhao, Kailu Song, Dingfeng Zou, Jingtao Wang, Ziyang Wang, Wei Liu, Xiuhui Yang, Qinghui Duan, Qi Geng, Rong Huang, Heyun Guo, Yan Lu, Kai Li, David Eidelman, Wei Song

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

당신의 몸을 활기차고 첨단 기술이 집약된 하나의 도시라고 상상해 보세요. 이 도시에서는 모든 건물의 설계도가 DNA라는 이름의 마스터 도서관에 저장되어 있습니다. 하지만 설계도만으로는 아무것도 지을 수 없습니다. 설계도는 복사되어 건설 현장으로 보내져야 합니다. 이 복사본들이 바로 RNA이며, 이는 현장 소장의 지시서 역할을 합니다. 마지막으로, 그 지시들에 따라 실제로 건설되는 건물들이 바로 단백질입니다. 단백질은 실제 일꾼들입니다. 이들은 근육을 만들고, 감염과 싸우며, 당신의 세포가 계속 돌아가도록 유지합니다.

오랫동안 과학자들은 이 일꾼들의 수를 세는 데 어려움을 겪었습니다. 그들은 설계도(DNA)와 현장 소장의 지시서(RNA)를 읽는 것은 쉽게 할 수 있었지만, 실제 건물(단백질)의 수를 세는 것은 마치 도시가 건설되는 동안 모든 벽돌의 개수를 세려는 것과 같았습니다. 기존의 도구들은 느리고 비쌌으며, 특히 아주 작은 단일 세포 구역에서는 인력의 상당 부분을 놓치곤 했습니다. 이로 인해 큰 공백이 생겼습니다. 우리는 어떤 지시가 내려졌는지는 알았지만, 실제로 무엇이 만들어지고 있는지는 정확히 알지 못했습니다. 과연 우리가 건물을 직접 볼 수 없더라도, 현장 소장의 지시서를 통해 건물의 수를 예측할 수 있을까요?

여기에 과학자 팀이 만든 새로운 디지털 도구인 RECIPE가 등장했습니다. 이 도구는 이 도시를 위한 매우 똑똑한 탐정 역할을 합니다. 연구진은 우리가 완성된 건물을 항상 볼 수는 없더라도, 건설 현장을 직접 관찰할 수는 있다는 점에 주목했습니다. 그들은 Ribo-seq이라고 불리는 기술을 사용했는데, 이는 건설 현장을 고속 촬영하여 일꾼들이 정확히 어디에서 멈추는지, 그리고 얼마나 빨리 짓고 있는지를 보는 것과 같습니다. 하지만 건설 속도만 보는 것으로는 충분하지 않습니다. 왜냐하면 때때로 건물이 완공된 후에 철거되거나 수정될 수도 있기 때문입니다.

이를 해결하기 위해 RECIPE는 '그래프 신경망(graph neural network)'을 사용합니다. 이는 모든 단백질이 서로 어떻게 알고 지내는지를 지도화하는 아주 멋진 방식입니다. 이를 단백질들의 사회적 네트워크라고 생각해보세요. 만약 단백질 A가 단백질 B와 절친이라는 것을 알고, 단백질 B가 얼마나 만들어지고 있는지 안다면, 단백질 A를 직접 볼 수 없더라도 단백질 A가 얼마나 있어야 할지 매우 잘 추측할 수 있습니다. RECIPE는 건설 속도 사진(Ribo-seq)과 이 사회적 네트워크 지도를 결합하여 세포 내 단백질의 총 인구수를 예측합니다.

연구팀은 인간과 쥐 세포를 대상으로 이 도구를 테스트했으며, 특히 건설 기계의 핵심적인 부분이 방해받았을 때 어떤 일이 일어나는지 살펴보았습니다. 그 결과, RECIPE는 놀라울 정도로 정확했습니다. 이 도구는 단순히 보기 쉬운 단백질을 추측하는 데 그치지 않고, 전통적인 측정 도구로는 완전히 보이지 않았던 단백질의 양까지 성공적으로 예측했습니다. 실제로 RECIPE의 예측치를 실제 단백질 수와 비교했을 때, 인간 세포에서는 0.9682, 쥐 세포에서는 0.9657의 상관관계를 보였습니다. 이는 매우 강력한 일치도를 나타내며, 이 도구가 올바른 방향으로 작동하고 있음을 시사합니다.

더욱 인상적인 점은 이 도구가 '단일 세포(single-cell)' 모드에서도 작동했다는 것입니다. 보통 단일 세포를 관찰하는 것은 빗방울 하나를 보고 날씨를 예측하려는 것만큼 작고 무질서한 일입니다. 하지만 RECIPE는 먼저 '벌크(bulk, 대규모 집단)' 세포로부터 학습한 다음 세밀하게 파고듦으로써, 개별 세포의 단백질 수준을 예측해 냈습니다. 심지어 설계도 복사본(RNA)만 있고 건설 사진(Ribo-seq)이 없는 상황에서도 작동했지만, 이 모드에서는 정확도가 약간 낮았습니다.

연구진은 또한 예측하기 가장 어려웠던 단백질들에 대해 흥고로운 사실을 발견했습니다. 이들은 무작위적인 오류가 아니었습니다. 이들은 주로 세포의 골격을 만들거나 복잡한 기계를 조립하는 데 관여하는 특정 유형의 단백질들이었습니다. 도구가 이들을 예측하는 데 어려움을 겪은 이유는, 이들의 최종 숫자가 단순히 얼마나 빨리 지어지는가가 아니라, 건설 후의 규칙(예를 들어 얼마나 오래 지속되는지 또는 어떻게 조립되는지)에 의해 제어되기 때문입니다. RECIPE는 이러한 '예측하기 어려운' 단백질들을 식별함으로써, 과학자들이 숨겨진 건설 후 규칙에 의해 조절되는 단백질들을 찾아낼 수 있도록 돕습니다.

요약하자면, RECIPE는 지시서와 최종 제품 사이의 간극을 메워줍니다. 이는 건설 속도 데이터와 단백질 간의 상호작용 지도를 결합함으로써, 우리가 직접 볼 수 없는 일꾼들까지 포함하여 세포의 전체 노동력을 파악할 수 있음을 시사합니다. 이것이 우리가 단백질 측정을 완전히 멈춰야 한다는 뜻은 아니지만, 직접적인 측정이 불가능하거나 매우 어려운 상황에서 빈칸을 채울 수 있는 강력한 새로운 방법을 제공합니다. 저자들은 이 접근 방식이 다양한 종과 조건에서 잘 작동하며, 이전보다 더 완전한 방식으로 세포가 어떻게 기능하는지에 대한 모습을 보여준다는 점을 입증했습니다.

기술 요약: RECIPE

문제 정의

단백질 풍부도(abundance)를 직접 정량화하는 것은 기술적으로 매우 까다로운 과제이며, 특히 현재의 단백질체학 기술이 전체 프로테옴의 극히 일부만을 포착하는 저입력(low-input) 및 단일 세포(single-cell) 환경에서 더욱 그러하다. 이러한 불완전성은 단백질 수준의 조절을 규명하고 세포 이질성을 해결하는 능력을 제한한다. 리보솜 프로파일링(Ribo-seq)은 단백질 생성에 근접한 번역의 게놈 전반에 걸친 신호를 제공하지만, 이러한 신호를 정확한 단백질 풍부도 추정치로 변환하는 것—특히 직접적인 단백질 측정값이 없는 단백질의 경우—은 여전히 해결되지 않은 과제로 남아 있다. 기존의 접근 방식들은 대부분 훈련 중에 관찰된 단백질에 대해서만 추론이 제한되는 "폐쇄형 세트(closed-set)" 체계에 국한되어 있어, 측정되지 않았거나 조건 특이적인 표적을 예측하는 데 한계가 있다. 또한, RNA 기반 모델들은 번역 및 번역 후 조절로 인한 전사체-단백질 불일치(discordance)로 인해 실패하는 경우가 많다.

방법론: RECIPE 프레임워크

저자들은 전사체/번역체와 단백질체를 연결하기 위해 설계된 그래프 신경망(GNN) 프레임워크인 RECIPE(Ribo-seq Expression & Connectivity Integration for Proteome Estimation)를 소개한다. 이 프레임워크는 불완전한 단백질체 감독 하에서도 작동하며, 직접 측정된 단백질을 넘어 프로테옴 전반에 걸친 예측을 가능하게 한다.

핵심 구조

RECIPE는 세 가지 주요 구성 요소를 통합한다:

특징 추출 (Feature Extraction, FE):
- 서열 임베딩 (Sequence Embeddings): 전사체 서열을 DNABERT (k-mer=3)를 사용하여 인코딩하며, 이를 통해 생성된 파편 수준의 표현형을 결합하여 전사체 수준의 임베딩을 형성한다.
- 번역 풍부도 (Translational Abundance): Ribo-seq 리드 카운트를 정규화하고 로그 변환하여 번역 수준을 정량화한다.
- 리보솜 일시 정지 (Ribosome Pausing): 코돈 특이적 리보솜 발자국 밀도를 기반으로 일시 정지 점수를 계산하여 신장 역학(elongation dynamics)을 포착한다.
- 참고: Ribo-seq이 없는 경우, 본 프레임워크는 번역 풍부도를 전사체 풍부도로 대체하고 일시 정지 특징을 생략함으로써 RNA-seq 전용 모드로 작동할 수 있으나, 충실도는 다소 감소한다.
벌크 모듈 ( $F_B$ ):
- 모델은 단백질-단백질 상호작용(PPI) 네트워크 상에서 GraphSAGE 아키텍처를 활용한다.
- 노드는 단백질 코딩 전사체를 나타내며, 엣지는 큐레이션된 PPI를 나타낸다.
- 노드 특징(서열, 풍부도, 일시 정지)은 잠재 공간으로 투영되고 평균 집계(mean aggregation)를 통해 맥락 인식 표현형을 학습한다.
- 회귀 헤드는 단백질 풍부도를 예측한다. 모델은 단백질체 라벨이 존재하는 단백질의 하위 집합을 대상으로 훈련되며, 이를 통해 PPI 그래프 구조를 통해 측정되지 않은 단백질로 일반화할 수 있다.
PPI 정교화 모듈 ( $F_{PPI}$ ):
- 자기 지도형 엣지 분류기( $C_{PPI}$ )가 학습된 단백질 임베딩을 바탕으로 상호작용의 가능성을 평가한다.
- 이 모듈은 사전 PPI 네트워크를 정교화하여, 발생 가능성이 높은 가짜 엣지를 제거하고 신뢰도 높은 누락된 연결을 도입함으로써, 데이터셋 특이적인 맥락 인식 상호작용 그래프를 생성한다.
단일 세포 모듈 ( $F_{SC}$ ):
- 단일 모달리티 설정: 단일 세포 단백질 측정값이 없는 경우, 모델은 "의사 벌크 정렬(pseudo-bulk alignment)" 과정을 거친다. 단일 세포 프로파일을 훈련을 위해 벌크 단백질체와 일치하도록 집계한 후, 세포-세포 KNN 그래프 상의 Cell-GraphSAGE를 사용하여 세포 수준의 그래프 학습을 수행한다.
- 쌍을 이룬 멀티 오믹스 설정: 일부 관측치에 대해 단일 세포 단백질 데이터가 사용 가능한 경우, 모델은 이러한 직접적인 측정을 사용하여 미세 조정(fine-tuning)됨으로써 세포 해상도의 예측 성능을 향상시킨다.

주요 기여

오픈 세트 프로테옴 추론 (Open-Set Proteome Inference): RECIPE는 폐쇄형 세트 예측에서 오픈 세트 추론으로의 패러다임 전환을 도입한다. 번역 해상도 신호와 PPI 위상 구조를 활용함으로써, 훈련 단백질체 라벨에 완전히 존재하지 않는 단백질에 대해서도 풍부도를 예측한다.
맥락 인식 PPI 정교화: 본 프레임워크는 PPI 네트워크를 정적인 사전 지식으로 취급하지 않고, 학습된 표현형을 바탕으로 정교화하여 조건 의존적 조절 구조를 포착하는 데이터셋 특이적 상호작용 지도를 생성한다.
통합 단일 세포 프레임워크: RECIPE는 단일 세포 Ribo-seq, 단일 세포 RNA-seq(대체용), 또는 쌍을 이룬 멀티 오믹스 데이터를 사용하여 작동할 수 있는 통합된 단일 세포 단백질 추론 접근 방식을 제공한다.
번역-단백질 디커플링 식별: 모델은 리보솜 점유율과 풍부도가 분리된 "예측하기 어려운" 단백질의 하위 집합을 체계적으로 식별하여, 번역 이외의 번역 후 조절 메커니즘을 가리킨다.

결과

본 프레임워크는 매칭된 인간(HEK293T) 및 마우스(C18) 데이터셋(DDX20 넉다운 실험 및 영양 결핍 연구 포함)을 통해 검증되었다.

벌크 예측 정확도: RECIPE는 실제 단백질 풍부도와 예측값 사이에서 높은 상관관계(HEK293T 및 C18 세포에서 Pearson $r \approx 0.96$ )를 달성하였으며, 원시 Ribo-seq 신호보다 우수한 성능을 보였고 기존 베이스라인 방법들(XGBoost, Random Forest, SVM, scTranslator 등)에 비해 예측 오차를 줄였다.
미측정 단백질 복구: 결정적으로, RECIPE는 훈련 중 마스킹된 단백질(측정되지 않은 단백질을 시뮬레이션)의 풍부도를 성공적으로 예측하였으며, HEK293T 세포에서 Pearson 상관계수 $r \approx 0.80$ 을 달성하였다. 이는 단순한 보간(interpolation)이 아닌 진정한 외삽(extrapolation)임을 입증한다.
생물학적 충실도: 예측값은 다운스트림 생물학적 신호를 보존하였다. 차등 발현 분석 결과, 실제 데이터셋과 예측된 데이터셋 사이에 강한 일치성(RRHO)이 나타났다. 예측된 하향 조절 단백질에 대한 유전자 온톨로지(GO) 농축 분석은 실제 데이터와 동일한 기능적 범주(예: 단백질 결합, RNA 결합)를 복구하였다.
단일 세포 성능: 단일 세포 환경에서 RECIPE는 원시 단일 세포 Ribo-seq 신호보다 세포 상태 구조(예: 세포 주기 단계) 및 조건 특이적 변이(예: 아르기닌/류신 결핍)를 더 정확하게 해결하였다. 또한 쌍을 이룬 멀티 오믹스 설정을 통해 데이터셋 간(예: SVEC에서 C10 세포주로) 성공적인 일반화 능력을 보여주었다.
PPI 정교화: 정교화된 PPI 네트워크는 삭제된 엣지나 무작위 비상호작용 쌍에 비해 더 높은 기능적 일관성(공유된 경로 주석)과 더 강한 공발현 신호를 보여줌으로써 학습된 상호작용의 생물학적 타당성을 입증하였다.
도전적인 단백질: 모델은 높은 예측 오차를 보이는 재현 가능한 단백질 하위 집합을 식별하였다. 이들은 세포 골격 및 리보솜 기능에 풍부하게 분포되어 있었으며, 특정 서열 특징(예: 낮은 GC3, 높은 AT3)을 보였다. 이는 이들의 풍부도가 번역 속도뿐만 아니라 번역 후 조절(안정성, 복합체 조립 등)에 의해 제어됨을 시사한다.

의의 및 주장

본 논문은 RECIPE가 단백질체학의 근본적인 한계, 즉 완전하고 조건별로 해상된 단백질 측정을 얻을 수 없는 문제를 해결한다고 주장한다. 광범위하게 사용 가능한 전사체 및 번역체 데이터로부터 프로테옴 전반의 추론을 가능하게 함으로써, RECIPE는 단백질체를 부분적으로 관찰된 측정 모달리티에서 종합적인 추론을 위한 토대로 전환시킨다.

저자들은 이 프레임워크가 특히 직접 측정이 불가능한 단일 세포 환경에서 데이터가 희소한 상황을 분석할 수 있는 확장 가능한 전략을 제공한다는 점을 강조한다. 나아가, 번역과 풍부도가 디커플링된 단백질을 식별할 수 있는 능력은 번역 후 조절 연구를 위한 체계적인 진입점을 제공한다. 부산물로 생성된 정교화된 PPI 네트워크는 맥락 인식 상호작용 지도를 제공하여 다운스트림 네트워크 재구성 및 경로 특성화에 기여할 수 있다.

결론적으로, 연구는 RECIPE가 불완전한 단백질체 감독 하에서도 번역 해상도(또는 전사체) 신호로부터 단백질 풍부도를 예측하기 위한 일반적인 프레임워크 역할을 하며, 기초 및 중개 연구 모두에서 프로테옴 중심 분석의 범위를 확장한다고 밝히고 있다.