대규모 언어 모델(LLM)은 메커니즘을 설명할 수 있지만, 확장 가능한 사후 학습(post-training)은 여전히 비용이 많이 들고 수작업으로 큐레이션된 생물학적 추론 궤적에 의존하고 있습니다. 본 논문에서는 세포 섭동(cellular perturbation) 아틀라스를 강화학습(reinforcement learning) 환경으로 전환할 수 있으며, 여기서 측정된 유전자 반응이 생물학적 추론을 위한 계산 가능한 보상을 제공한다는 점을 보입니다. 우리는 신뢰할 수 있는 궤적에 기반한 지도 초기화(initialization)와 유전자, 경로 및 형식 수준의 강화 신호를 결합한 PertMind를 소개합니다. 순방향 섭동-반응 예측에 대해서만 학습(training)되었음에도 불구하고, PertMind는 일반적인 언어 능력을 유지하면서도 이전에 보지 못한 세포 맥락에서의 반응 추론(inference) 능력을 향상시킵니다. 또한 태스크별 사후 학습 없이도 역방향 섭동 식별, 이중 섭동 추론, 표현형 스크리닝 우선순위화, 생물학적 과정 해석 등으로 전이됩니다. 나아가 PertMind는 다중 스케일 다운스트림 태스크 전반에서 경쟁력 있는 유전자, 세포 및 공여자 표현을 지원하는 생물학적 프로파일을 생성합니다. 이러한 결과는 실험적 종단점에 대한 강화가 사전학습(pre-training)된 모델이 이미 접근 가능한 재사용 가능한 생물학적 전략을 집중시킬 수 있다는 가설을 뒷받침합니다. 보다 광범위하게는, 섭동 유래 강화학습이 확장되는 실험 아틀라스를 범용 생물학적 추론을 위한 학습 환경으로 변환하는 확장 가능한 경로를 제공합니다.
단일 세포(single-cell) 해상도에서 섭동에 대한 표현형 및 전사체 반응을 예측하는 것은 생물학적 시스템을 탐구하는 강력한 도구를 제공합니다. 그러나 기존 방법들은 일반적으로 학습(training) 중에 학습된 고정된 매핑에 의존하므로, 추론(inference) 중에 분포 변화를 보정하거나 새로운 섭동 조건에 적응하기 어렵습니다. 본 논문에서는 대조군 세포 상태와 섭동된 세포 상태를 동적으로 연결하는 에너지 기반 플로우 매칭(energy-guided flow matching) 프레임워크인 scEGFlow를 제안합니다. scEGFlow는 조건부 플로우 매칭(conditional flow matching)을 사용하여 대조군 세포 집단에서 섭동된 상태로의 연속적인 전이를 모델링합니다. 그런 다음 조건별 에너지 그래디언트를 적용하여 이러한 예측을 수정하고 유도함으로써, 플로우 모델(model)을 재학습하지 않고도 유연한 조정을 가능하게 합니다. 이미징 표현형과 전사체 프로파일을 아우르는 벤치마크 평가 결과, scEGFlow는 관찰된 섭동 조건과 미관찰 섭동 조건 모두에서 반응 분포를 재구성하는 데 기존 방법들보다 우수한 성능을 보이며, 세포 매니폴드 기하학과 집단 이질성을 충실하게 보존함을 보여줍니다. 이러한 이점은 소수의 측정된 세포만으로 새로운 조건에 적응할 때 두드러지며, 예측 정확도를 일관되게 향상시킵니다. 또한, scEGFlow는 합의된 유전자 발현 시그니처 전반에서 섭동으로 유도된 상향 및 하향 조절 패턴을 정확하게 재현하며, 여기서 에너지 유도는 예측된 조절 방향과 관찰된 조절 방향 간의 일치도를 향상시킵니다. 궁극적으로 이러한 발견은 scEGFlow가 단일 세포 섭동 모델링을 위한 모듈식의 일반화 가능하고 제어 가능한 솔루션을 제공함을 입증합니다. 학습된 생물학적 랜드스케이프에 생성 플로우를 그라운딩(grounding)함으로써, 이 아키텍처는 인실리코(in silico)에서 세포 행동을 탐색하고 조작하기 위한 새로운 계산 패러다임을 확립합니다.
일상적인 헤마톡실린-에오신(H&E) 이미지로부터 공간 유전자 발현을 예측하는 것은 실험적 공간 전사체학(spatial transcriptomics)에 실용적인 보완을 제공한다. 기존 접근법은 국소 또는 다중 스케일 시각 특징에 초점을 맞추며, 종종 사전학습된 유전자 표현을 고정된 사전(prior)으로 취급하지만, 국소 형태학(morphology)의 해석과 유전자 사전의 관련성은 조직 문맥(tissue context)에 따라 달라진다. 우리는 공유된 슬라이드 수준 표현을 두 개의 병렬 경로에서 사용하는 컨텍스트 조건 유전자 사전 어텐션 프레임워크인 HistoGPA를 제안한다. 하나는 국소 형태학적 특징을 변조(modulate)하고, 다른 하나는 사전학습된 유전자 임베딩을 조건화하고 교차 어텐션(cross-attention)을 통해 유전자 사전 정보를 검색한다. 이 설계는 각 공간 위치가 국소 형태학, 위치, 및 슬라이드 문맥을 사용하여 문맥에 적응된 유전자 사전 정보를 검색할 수 있게 한다. HEST-1k의 10가지 암 유형에 걸쳐, HistoGPA는 상위 50개 및 상위 1,500개 고변동성(highly variable) 유전자 집합 모두에 대해 동일한 평가(evaluation) 프로토콜 하에서 비교된 방법들 중 가장 높은 유전자별 매크로 평균 Pearson 상관계수를 달성한다. 추가 분석은 HistoGPA가 암 관련 유전자의 공간 발현 패턴을 더 잘 복원하고, 예측된 발현 프로파일과 정답(ground-truth) 발현 프로파일로부터 독립적으로 도출된 클러스터 간 더 높은 일치를 보임을 나타낸다. 종합하면, 이러한 결과는 국소 형태학적 표현과 유전자 사전이 더 넓은 조직 문맥에 공동으로 적응되는 조직학-발현 예측의 문맥 의존적 관점을 뒷받침한다.
공간 전사체학(Spatial transcriptomics)은 공간적 유전자 발현의 프로파일링을 가능하게 하지만, 높은 비용과 낮은 처리량으로 인해 H&E 조직병리 이미지로부터의 예측이 요구된다. 기존의 컨텍스트 인식 방법들은 주로 절대 발현량을 감독하는 반면, 스팟 간 상대적 발현 관계는 명시적으로 활용되는 경우가 드물다. 우리는 공간 유전자 발현 예측을 위한 컨텍스트 인식 차분 학습 프레임워크인 COAST를 제안한다. COAST는 타입별 변조(type-specific modulation)를 통해 로컬 및 글로벌 컨텍스트 특징을 조건화하고, 트랜스포머 인코더를 사용하여 대상 및 컨텍스트 스팟 토큰을 집계함으로써 세밀한 로컬 패턴과 슬라이드 수준의 구조를 모두 포착한다. COAST는 대상 스팟과 컨텍스트 스팟 간의 절대 발현 회귀와 부호 있는 차분 회귀(signed differential regression)를 결합한 결합 목적 함수로 학습된다. 다수의 공간 전사체학 데이터셋에 대한 실험은 상관관계 및 분포 기반 메트릭에서 일관된 성능 향상을 보여주며, 조직학 기반 공간 유전자 발현 예측에 있어 컨텍스트 인식 차분 학습의 효과를 입증한다.
공간 전사체학(spatial transcriptomics, ST)의 높은 비용으로 인해 H&E 조직학 이미지로부터 유전자 발현을 직접 예측하는 연구가 광범위하게 진행되어 왔다. 그러나 이 예측 과제에는 조직 형태학만으로는 기저 유전자 발현을 완전히 규명하기에 정보가 불충분하다는 본질적인 한계가 있다. 이 한계를 해결하기 위해 최근 연구는 조직학 이미지와 함께 부분적인 유전자 발현을 예측 과정의 안내 신호로 활용한다. 이러한 패러다임을 기반으로, 우리는 예측 과제를 공간 대치(spatial imputation) 문제로 접근하며, 마스크드 오토인코더(MAE)를 사용하여 소량의 유전자 발현을 전체 슬라이드 유전자 발현 프로파일을 추론하기 위한 유전적 앵커(genetic anchors)로 활용한다. 구체적으로, 우리는 생물학적 현저성(bio-saliency) 점수와 순위 학습(learning-to-rank) 전략을 제안하여 조직 내에서 가장 정보가 풍부한 spot을 적응적으로 식별한다. 식별된 spot을 바탕으로, 우리 프레임워크는 실제 ST 프로파일링 하드웨어에 적합하도록 연속 영역을 유전적 앵커로 선택한다. 이러한 앵커를 효과적으로 활용하기 위해, 우리는 시각 및 유전 모달리티를 통합하는 교차 모달 공동 인코더를 설계한다. 대조 학습(contrastive learning)을 통해 선택된 앵커와 해당 시각 특징을 정렬함으로써, 인코더는 전체 슬라이드에 걸친 유전자 발현을 정확히 예측할 수 있는 견고한 공동 표현을 생성한다. 특히 우리 프레임워크는 조직학 전용 예측과 공간 대치 모두에서 기존 방법들을 일관되게 능가하며, 유전적 앵커 없이도 우수한 정확도를 달성하고 전사체학(transcriptomic) 커버리지가 10%에 불과한 경우에도 더욱 뛰어난 성능을 보인다. 코드는 https://github.com/Kyyle2114/CAMMST 에서 제공된다.