RNA-FM: Flow-Matching Generative Model for Genome-wide RNA-Seq Prediction

Motivation

• Known: 기존 WSI 기반 유전자 발현 예측 연구들(HE2RNA, tRNAsformer, SEQUOIA)은 deterministic regression을 통해 point estimate를 산출하며, attention 기반 feature aggregation으로 예측 성능을 개선해왔다. 또한 diffusion 기반 생성 모델이 single-cell RNA-seq 및 spatial transcriptomics 등 생물학적 영역에서 uncertainty와 multimodality를 포착하는 데 활용되어 왔다.
• Gap: 기존 deterministic regression 방식은 WSI로부터 관찰되는 inter-patient 및 intra-tumoral heterogeneity를 반영하지 못하고 one-to-one mapping으로 예측 불확실성을 무시하며, diffusion 기반 생성 모델은 20,000개 이상의 유전자를 다루는 genome-wide 예측에서 반복적인 denoising과 score 추정으로 인해 계산 비용과 안정성 문제가 발생한다.
• Why: WSI는 임상에서 일상적으로 획득되지만 직접적인 분자적 구조를 담지 못하는 반면 RNA-seq는 비용이 크므로, WSI로부터 genome-wide 분자 정보를 in silico로 추론할 수 있다면 비용 효율적으로 슬라이드 기반 진단을 분자적 통찰로 보강할 수 있어 임상적, 연구적 가치가 크다.
• Approach: RNA-FM은 histopathology 형태 특징을 조건으로 하는 velocity field를 학습하여 simple prior 분포를 target gene expression 분포로 변환하는 flow-matching 프레임워크이며, 20,000개 이상의 유전자를 pathway 기반 gene-set token으로 patchify하여 확장 가능성과 해석 가능성을 동시에 확보한다.

Achievement

1. Novel Generative Formulation: RNA-FM은 genome-wide bulk RNA-seq 예측을 continuous-time conditional transport 문제로 재정의하여 처음으로 flow-matching 기반 생성 모델을 이 태스크에 적용하였다.
2. Uncertainty-aware Prediction: 기존 deterministic 방법과 달리 inter-patient 및 intra-tumoral heterogeneity를 반영하는 one-to-many mapping을 가능하게 하여 예측 불확실성을 명시적으로 모델링한다.
3. Pathway-aware Scalable Representation: >20,000개 유전자를 생물학적으로 해석 가능한 gene-set token으로 patchify하여 genome-wide 예측을 견고성 손실 없이 확장 가능하게 만들었다.
4. State-of-the-art Performance: 다양한 해부학적 부위, pathway-level 분석, 외부 검증 코호트에 대한 광범위한 실험에서 기존 deterministic regression 기반 SOTA 방법들을 예측 정확도와 일반화 측면에서 일관되게 능가하였다.

How

• RNA-seq 발현 예측을 continuous-time conditional transport 문제로 공식화하고, simple prior에서 target gene expression 분포로 매핑하는 velocity field를 flow matching으로 학습
• WSI로부터 morphology-derived feature를 추출하여 조건(condition)으로 사용, iterative denoising이나 explicit likelihood 추정 없이 ODE solver 기반의 안정적이고 효율적인 학습 및 빠른 inference 지원
• Gene Ontology 및 Reactome 등 pathway annotation을 활용해 유전자를 기능적으로 일관된 그룹으로 aggregate하여 pathway-level gene-set token 구성, 이를 통해 dimensionality 축소와 해석 가능성 확보
• TCGA, CPTAC 등 다양한 anatomical site(폐, 유방, 대장 등) 데이터셋에서 실험 및 pathway-level 분석, 외부 검증 코호트를 통해 성능과 일반화 검증

Originality

• Genome-wide bulk RNA-seq 예측 문제를 deterministic regression이 아닌 flow-matching 기반 conditional generative 문제로 재정의한 최초의 시도
• Pathway 수준의 생물학적 사전 지식을 gene-set token 형태로 통합하여 확장성과 해석 가능성을 동시에 달성한 구조적 설계
• Diffusion 대비 계산 효율성과 학습 안정성을 갖춘 flow-matching을 고차원 transcriptomic 생성 문제에 적용한 점

Limitation & Further Study

• Bulk RNA-seq는 세포 집단 전체의 평균적 신호이므로 여전히 세포 수준(spatial/single-cell) 이질성을 완전히 해소하지 못할 가능성이 있으며, spatial transcriptomics로의 확장이 향후 과제로 남음
• Flow-matching 모델의 velocity field 학습에 필요한 prior 분포 선택과 조건화 방식이 특정 암종이나 조직 유형에 대한 일반화에 어떤 영향을 미치는지 추가 검증이 필요함
• Pathway annotation(Gene Ontology, Reactome 등)의 완전성과 편향에 의존하므로, 알려지지 않은 유전자 상호작용이나 새로운 pathway 발견에는 한계가 있을 수 있음
• 제안된 방법의 계산 비용(학습/추론 시간) 및 대규모 임상 배포 시의 실용성에 대한 정량적 비교가 본문 발췌에서는 충분히 제시되지 않음

Evaluation

총평: RNA-FM은 deterministic regression 위주였던 WSI 기반 genome-wide RNA-seq 예측 문제에 flow-matching 기반 생성 모델링과 pathway-aware 구조를 결합하여 불확실성 인식 및 해석 가능성을 동시에 확보한 참신하고 실용적인 접근으로, 계산 병리학과 전사체 예측 분야에 유의미한 기여를 한다.