AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery

저자: | 날짜: 2026-03-13 | URL: https://www.biorxiv.org/content/10.64898/2026.03.13.710968v1 📄 PDF

⚠️ 이 페이지의 요약·평가·해설은 생성형 AI(Claude)가 자동 생성한 2차적 분석물입니다. 논문 원문의 저작권은 원저작자에게 있으며, 정확한 내용은 원문(위 DOI·arXiv 등 출처)을 확인하세요.

Essence

본 논문은 임상 RNA-seq와 L1000 perturbation 데이터를 통합한 생성 파운데이션 모델 AetherCell을 제시한다. Specificity-driven learning framework를 통해 메커니즘 특이적 신호를 회복하고, 세포 주(cell line)에서 환자유래 오가노이드 및 임상 코호트까지 약물 반응을 정밀하게 예측하며, 안구건조증과 궤양성 대장염에 대해 인 비보 검증된 약물을 발견했다.

Motivation

  1. Hierarchical Satellite-Backbone 아키텍처로 L1000 데이터를 사전 구축된 global manifold에 정합
  2. Probabilistic Manifold Anchoring으로 플랫폼 간 차이를 보존하면서 수학적 유효성 보장
  3. MolFormer (LoRA 미세조정) 및 ESM과 STRING PPI 기반 GNN으로 화합물·유전자 perturbation 인코딩
  4. Specificity-driven learning framework로 비특이적 스트레스 반응 억제 및 저주파 메커니즘 신호 회복

Achievement

Figure 2

Fig. 2 | AetherCell demonstrates robust generalization and mechanism-specific prediction

How

Figure 2

Fig. 2 | AetherCell demonstrates robust generalization and mechanism-specific prediction

Originality

Limitation & Further Study

Evaluation

Novelty: 4/5 Technical Soundness: 4/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5

총평: AetherCell은 임상 bulk RNA-seq와 perturbation 데이터의 data-utility paradox를 창의적인 생성 모델과 specificity-driven learning으로 해결하며, 강력한 일반화 성능과 실제 인 비보 약물 발견 검증으로 차세대 가상 세포 모델링 및 임상 약물 개발의 실질적 진전을 보여준다.

같이 보면 좋은 논문

Efficient fine-tuning of single-cell foundation models enables zero-shot molecular perturbation prediction
기반 연구세포 섭동 데이터 기반 파운데이션 모델의 방법론적 토대를 제공한다.
다른 접근단일세포 기초 모델 미세조정을 위한 다른 어댑터 방식을 제시한다.
Reasoning Across Space: Tiny Recursive Models for Spatial Omics
기반 연구spatial omics 데이터에 재귀적 추론 모델을 적용한 사례임
What Does a Chromatin Foundation Model Know About a Petri Dish? Sparse Autoencoders Reveal In Vitro vs. In Vivo Context in EPIBERT
기반 연구genomics foundation model 해석성 연구를 확장한 관련 연구
DECODE: deep learning-based common deconvolution framework for various omics data
기반 연구단일세포 레퍼런스 활용 디컨볼루션 방법을 확장한 연구이다.
Deep-learning-based de novo discovery and design of therapeutics that reverse disease-associated transcriptional phenotypes
기반 연구화학 구조로부터 생물학적 반응을 예측하는 딥러닝 프레임워크를 확장한 연구이다.
Interpretable machine learning meets systems biology to decode genotype-phenotype maps
기반 연구QTL 매핑 한계를 극복하는 응용 사례로 관련성이 있다.
Scaling and quantization of large-scale foundation model enables resource-efficient predictions in network biology
기반 연구Geneformer와 유사한 단일세포 모델을 실제 응용에 적용한 사례이다.
Hybrid Gated Fusion: A Multimodal Deep Learning Framework for Protein Function Annotation
기반 연구불완전한 모달 입력에 대한 강건성을 확장하여 다룬 연구이다.
Semi-supervised GAN for smart microscopy: fast and data-efficient cell cycle classification
기반 연구세포 이미지 분석에 딥러닝을 적용하는 유사한 응용 연구이다.
Scaling Large Language Models for Next-Generation Single-Cell Analysis
다른 접근가상 세포 섭동 모델링에 대한 다른 생성 모델 접근법을 제시한다.
후속 연구단일세포 데이터를 텍스트로 변환하는 기법의 기반이 되는 연구
Reading the Cell, Designing the Cure: Perturbation-Conditioned Molecular Diffusion for Function-Oriented Drug Design
다른 접근전사체 데이터를 활용한 약물 설계의 다른 접근법을 제시함
응용 사례RNA-seq 데이터를 활용한 유사한 생성 모델 응용 사례이다.
Single-Cell Cross-Modal Transfer by Adversarial Fine-Tuning of Foundation Models
다른 접근scRNA-seq와 spatial transcriptomics 간의 unpaired 변환이라는 동일 문제를 다룬다
후속 연구메커니즘 특이적 신호 회복 기법을 확장한다.
MoLF: Mixture-of-Latent-Flow for Pan-Cancer Spatial Gene Expression Prediction from Histology
후속 연구SPECTER2 유사도 0.92로 Clinical Time-Series Modeling와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Probing, Fusion, and Trustworthiness: A Systematic Evaluation of Foundation Model Representations for Multimodal Cancer Analysis
후속 연구SPECTER2 유사도 0.93로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
RNA-FM: Flow-Matching Generative Model for Genome-wide RNA-Seq Prediction
후속 연구SPECTER2 유사도 0.94로 Scientific Machine Learning for Dynamics와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Self-Supervised Contextual Representation Learning for Transcriptomic Generative AI
후속 연구SPECTER2 유사도 0.93로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
ST-JEPA: Joint-Embedding Predictive Architecture for Spatial Transcriptomics
후속 연구SPECTER2 유사도 0.92로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Time-Series Decomposition as a Standalone Task: A Mechanism-Driven Diagnostic Benchmark
후속 연구SPECTER2 유사도 0.89로 Clinical Time-Series Modeling와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Towards Universal Gene Regulatory Network Inference: Unlocking Generalizable Regulatory Knowledge in Single-cell Foundation Models
후속 연구SPECTER2 유사도 0.92로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Transcriptomics-Conditioned Virtual Tissue Synthesis via Diffusion Transformers
후속 연구SPECTER2 유사도 0.91로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Tree-Structured Orthonormal Decomposition of the Aitchison Simplex
후속 연구SPECTER2 유사도 0.92로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Tri-Scale Neural ODEs for Continuous Multi-Omics Disease Modeling
후속 연구SPECTER2 유사도 0.91로 Scientific Machine Learning for Dynamics와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
A supervised ontology-aware cell annotation method for single-cell transcriptomic data
후속 연구SPECTER2 유사도 0.93로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
ARO: Aligned Representation learning for multi-Omics data
후속 연구SPECTER2 유사도 0.93로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Bridging Gene Regulatory Networks and Causal Representation Learning in Single-Cell Genomics Data
후속 연구SPECTER2 유사도 0.93로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Cell Painting Generates Single-Cell Transcriptomics via Conditional Diffusion
후속 연구SPECTER2 유사도 0.94로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Cross-modal transfer learning for mapping bulk transcriptomes at cellular level
후속 연구SPECTER2 유사도 0.94로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
De Novo Generation of Odorant Molecules with Targeted Olfactory Receptor Activation Patterns
후속 연구SPECTER2 유사도 0.92로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Deep Learning for BioImaging: What Are We Really Learning?
후속 연구SPECTER2 유사도 0.92로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
Measure-to-measure Regression with Transformers
후속 연구SPECTER2 유사도 0.92로 Scientific Machine Learning for Dynamics와 AI-Driven Drug and Materials Discovery가 맞닿아, 'AetherCell: A generative engine for virtual cell perturbation and in vivo drug discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
← 목록으로 돌아가기

🎧 Audio Overview

이 논문 리뷰를 팟캐스트형 오디오로 생성합니다. (Gemini · 키는 브라우저에만 저장 · 완성본은 이메일로도 전송)
▸ 고급: 구성 방향(대본 작성 지침) 직접 수정
속도 1.0x
⬇ MP3 다운로드