Tissue graph counterfactuals ask what a cell would express if its spatial neighborhood were altered, a question central to predicting cell behavior in tissues. Existing methods, however, present only specific instances of such queries. In this work, we first formalize tissue graph counterfactuals as a class of spatial interventions that either rewire connections between cells (edge perturbation) or modify the expression of their neighbors (node perturbation). We then introduce Cellina, a framework that uses supervised disentanglement to decompose a cell's intrinsic state from its spatial context, using the latter as a conditioning input for in-silico perturbation predictions. Across benchmarks spanning over 2.5 million spatially-resolved cells in observational and interventional screens, Cellina outperforms both spatially-informed and non-spatial competitors in in-silico perturbations, while training as fast as non-spatial methods. Moreover, we show that Cellina reveals cancer subdomains with distinct signaling programs in an unsupervised manner and enables targeted neighbor perturbation simulations.
고처리량 단일 세포 데이터는 이제 대규모 환자 코호트 전반에 걸쳐 수집되고 있다. 세포 수준 데이터로부터 환자 수준의 이질성을 이해하려는 동기에서 phenoscaping이 등장했는데, 이는 각 단일 세포 분포를 하나의 "데이터 포인트"로 임베딩(embedding)하고 그 사이의 거리를 최적 수송(optimal transport, OT)으로 정의하는 방식이다. 모든 환자 데이터셋 쌍 사이에서 이러한 규모로 기하 구조를 반영하는 OT를 계산하는 것은 여전히 해결되지 않은 과제로 남아 있다. 기존 방법은 매니폴드 구조를 왜곡하는 유클리드 그라운드 메트릭에 의존하거나, 희소하거나 불균등하게 샘플링된 데이터 또는 대규모 데이터에서 제대로 작동하지 않기 때문이다. 본 논문에서는 노이즈가 있고 불균형(unbalanced)하며 대규모인 환경에서도 정확하고 확장 가능한 지오데식 수송 거리를 계산하는 \textbf{Pheno-GS}(Phenoscape-scale Geodesic Sinkhorn)를 제안한다. Pheno-GS는 세 가지 구성 요소로 이루어진다. ($1$) 희소하거나 연결이 끊어진 매니폴드에서도 지오데식이 잘 정의되도록 하는 그래프 연결성 정규화(regularization), ($2$) KL 주변 분포(marginal) 페널티를 통한 불균형 OT 정식화, ($3$) 한 번의 열 확산(heat diffusion)으로 모든 쌍별 거리를 계산하는 배치 행렬 알고리즘(분포 $500$개 기준 Geodesic Sinkhorn보다 $200 \times$ 이상 빠름). 우리는 합성 벤치마크와 CyTOF 섭동(perturbation) 데이터셋(dataset)에서 Pheno-GS를 검증한다.
대부분의 단일세포 기반 모델은 언어 모델에서 파생되어 각 세포를 유전자 토큰의 시퀀스로 표현한다. 이는 유전자 간 관계와 종종 그 발현 크기를 버린다. 우리는 scVision을 제안한다. 이는 대신 각 세포를 연속 이미지로 렌더링하는 비전 기반 모델이다. 최적 수송(optimal transport)을 사용해 공발현 유전자가 공간적으로 이웃하도록 단일 공유·전조직(pan-tissue) 레이아웃의 고정 위치에 유전자를 배치하고, 전사체(transcriptome)를 유전자 프로그램이 국소 텍스처로 나타나는 이미지로 바꾼다. 7,200만 개의 인간 세포에 대해 마스크드 이미지 모델링(masked image modelling)으로 비전 트랜스포머를 사전학습하고, 미세조정 없이 고정된 인코더를 사용한다. 6개의 독립적 보류(hold-out) 연구에 대한 제로샷 평가에서 scVision은 가장 정확한 세포 유형 주석기이며, 감독 없이 유전자 프로그램을 복원해 기존 기반 모델과 고전적 베이스라인보다 앞선다. 다중 연구 통합에서는 배치 레이블을 한 번도 보지 않았음에도 가장 강력한 토큰 기반 모델과 맞먹는 성능을 내면서 가장 많은 생물학적 구조를 보존한다. 네트워크를 고정한 채 유전자 레이아웃을 치환하면 비전 트랜스포머 자체를 제거하는 것보다 정확도가 더 크게 떨어져, 신호를 담는 것은 네트워크가 아니라 생물학적으로 의미 있는 위치임을 보여준다. 발현 크기와 유전자 관계를 보존함으로써 scVision은 단일세포 표현 학습을 비전 문제로 재구성하여, 이를 컴퓨터 비전(CV)의 성숙한 방법들과 연결한다.
단일세포 시퀀싱은 세포 상태 전환에 대한 세밀한 연구를 가능하게 함으로써 생물학에 혁신을 가져오고 있다. 많은 생물학적 과정이 연속적인 궤적을 따라 전개되지만, 본질적으로 잡음이 많고 고차원인 단일세포 데이터에서 매끄럽고 저차원적인 표현을 추출하는 것은 여전히 어렵다. t-SNE와 UMAP과 같은 이웃 임베딩(NE) 알고리즘은 고차원 단일세포 데이터를 저차원으로 임베딩하는 데 널리 사용되지만, 종종 바람직하지 않은 왜곡을 유발하여 잘못된 해석을 초래한다. NE 알고리즘에 대한 기존 평가 방법은 주로 이산적인 세포 유형의 분리에 초점을 맞추고 있어 연속적인 세포 상태 전환을 포착하는 데 한계가 있으며, 동적 모델링 접근법은 세포 과정에 대한 강한 가정과 특수 데이터에 의존한다. 이러한 문제를 해결하기 위해 우리는 신뢰할 수 있고 재현 가능한 데이터 기반 발견을 위한 예측가능성-계산가능성-안정성(PCS) 프레임워크를 기반으로 연구를 수행한다. 먼저, 경험적 분석, 시뮬레이션, 이론을 통해 널리 사용되는 NE 알고리즘들을 체계적으로 평가하고, 아티팩트 및 불안정성과 같은 핵심 단점을 밝힌다. 이후 알고리즘 안정성을 활용하여 NE 임베딩 표현을 개선하고 매끄러운 생물학적 구조에 대한 강건한 추론을 가능하게 하는 원칙적이고 해석 가능한 머신러닝 방법인 NESS를 소개한다. NESS는 단일세포 데이터에서 발달 궤적과 세포 상태 전환을 발견하기 위한 유용한 개념, 정량적 안정성 지표, 효율적인 계산 워크플로를 제공한다. 마지막으로, 다능성 줄기세포 분화, 오가노이드 발달, 다양한 조직 특이적 계통 궤적을 아우르는 여섯 개의 단일세포 데이터셋에 NESS를 적용한다. 이처럼 다양한 맥락에서 NESS는 전환 및 안정적 세포 상태의 식별, 발달 과정 중 전사 동역학의 정량화 등 유용한 생물학적 통찰을 일관되게 제공한다.
단일세포 퍼터베이션 데이터에서 클래스 간 분포 중첩으로 인해 세포 단위 정확도가 모델 품질이 아닌 중첩 정도를 측정하는 문제를 분석하고, Tahoe-100M과 Virtual Cell Challenge에서 선형 분류기·MLP·Transformer 모두 macro-F1 0.2~0.3에서 정체되는 현상을 확인했다. 이를 해결하기 위해 분류기의 세포별 확률 벡터를 집단 전체에 걸쳐 평균한 Classifier Discrimination Score(CDS)를 제안하며, 재학습 없이 동일한 약한 모델에서 거의 완벽한 퍼터베이션 식별(rank-1 정확도 0.976~1.000)을 달성하고 슈도벌크 기반 PDS보다 더 신뢰성 있는 판별 성능을 보임을 입증했다.
장기 단일세포 생물학을 위한 scBench-Long 벤치마크를 제안하며, 에이전트가 정해진 방법 없이 원시 또는 준-원시 데이터에서 흑색종 CD8 T세포 반응성, RNA+ATAC 조절, COVID-19 폐 병리 등 21개 과제의 과학적 결론을 복원하는지 결정론적 채점과 궤적 루브릭으로 평가한다. 1,068개 완료 궤적에서 최고 성능 모델-하네스 쌍도 63회 실행 중 16회(25.4%)만 통과해, 현재 에이전트가 국소 분석을 넘어 단일세포 데이터로 뒷받침되는 복잡한 주장을 내기에는 여전히 어렵다는 점을 보여준다.
고콘텐츠 이미징 분석(assay)은 화학적 및 유전적 섭동(perturbation)에 대한 세포 반응을 정량화하지만, 취득 시 세포가 화학적으로 고정(fixed)되어 있어 개별 세포의 연속적인 궤적(trajectory)은 관찰할 수 없습니다. 따라서 섭동 모델링은 분리된 주변 분포(marginals)로만 관찰되는 대조군과 처리군 집단 간의 확률적 전송(transport)을 추론하는 문제로 축소됩니다. 최근 생성 모델들은 강력한 종단점 정렬(end-point alignment)을 달성하지만, 경계 일관성(boundary consistency)은 중간 진화(intermediate evolution)를 결정하지 못합니다. 여러 확률적 과정이 관찰된 단일 세포 형태학(morphology)에 의해 지원되지 않는 영역을 통과하면서 동일한 주변 분포를 연결할 수 있기 때문입니다. 본 연구에서는 종단점 전용 감독(endpoint-only supervision) 하에서 단일 세포 전이 모델링을 위한 슈뢰딩거 브리지(Schrödinger Bridge) 공식인 FreeBridge를 소개합니다. FreeBridge는 원자 상태(atomic states)를 인스턴스 분할된(instance-segmented) 단일 세포 표현으로 정의하여 고정된 세포 다양체(manifold)를 확립하고, 경험적 잠재 지원(latent support) 정규화를 통해 이 기하학 내로 제약된 확률적 전송을 학습합니다. BBBC021, RxRx1, JUMP 데이터셋에 걸쳐 FreeBridge는 통합 평가 프로토콜(unified evaluation protocol) 하에서 경쟁력 있거나 개선된 종단점 충실도(endpoint fidelity)와 작용 기제(mechanism-of-action) 유지를 보였으며, BBBC021에서는 중간 지원(intermediate support) 위반을 더욱 감소시켰습니다. 이러한 발견은 생물학적으로 해석 가능한 섭동 역학(perturbation dynamics)을 위한 기하학적 그라운딩(grounding)의 중요성을 강조합니다. 프로젝트 페이지: https://y-research-sbu.github.io/FreeBridge/.